Hugging Face's logo

Diffusers documentation

RFD4ProteinaScheduler

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

RFD4ProteinaScheduler

RFD4ProteinaScheduler é o amostrador de fluxo com reescalonamento da pontuação temporal do RFD4-Proteína para uma modalidade. O pipeline usa duas instâncias, uma para o backbone (bb_ca, coordenadas em nanômetros) e outra para os latentes locais por token (local_latents), cada uma com seu próprio cronograma de tempo, cronograma de ruído e reescalonamento. Veja RFD4ProteinaPipeline para o loop de amostragem.

RFD4ProteinaScheduler

classe diffusers.RFD4ProteinaScheduler

< >

( schedule_mode: strnoise_mode: strtsr_k: floattsr_sigma: floattail_steps: int = 10tail_step_multiplier: int = 2t_lim_ode: float = 0.95t_lim_ode_below: float = 0.02 )

Parâmetros

  • schedule_mode (str) — Espaçamento dos tempos entre ruído e dados: "log" ou "power".
  • noise_mode (str) — Formato do ruído injetado na janela estocástica: "1/t" ou "tan".
  • tsr_k (float) — Quão baixa a temperatura de amostragem fica; quanto maior, mais baixa.
  • tsr_sigma (float) — Quão rápido a baixa temperatura é atingida; valores maiores significam mais rápido.
  • tail_steps (int, padrão 10) — Número de intervalos finais que são mais finos que os demais por tail_step_multiplier.
  • tail_step_multiplier (int, padrão 2) — Quão mais finos são os intervalos finais.
  • t_lim_ode (float, padrão 0.95) — Acima deste tempo, o passo é determinístico.
  • t_lim_ode_below (float, padrão 0.02) — Abaixo deste tempo, o passo é determinístico.

Amostrador de fluxo com reescalonamento de pontuação temporal para uma modalidade do RFD4-Proteína.

O pipeline integra duas modalidades, o backbone e os latentes locais por token, cada uma com um agendador. Elas diferem em seu agendamento de tempo, agendamento de ruído e reescalonamento.

Chame set_timesteps antes da amostragem. Os tempos aumentam do ruído em direção aos dados limpos. Um agendador rastreia o intervalo atual e não deve ser compartilhado por gerações concorrentes.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device, NoneType] = Nonestart_time: float | None = None )

Parâmetros

  • num_inference_steps (int) — Número de intervalos de integração.
  • device (str ou torch.device, opcional) — Dispositivo para timesteps. Os comprimentos dos intervalos e os coeficientes de ruído permanecem na CPU.
  • start_time (float, opcional) — Tempo inicial da difusão parcial em [0, 1). Omita para geração completa.

Resolve o cronograma e reinicia o cursor de integração.

add_noise

< >

( original_samples: Tensornoise: Tensortimesteps: typing.Union[float, torch.Tensor] )

Parâmetros

  • original_samples (torch.Tensor) — Estado limpo (batch, tokens, D).
  • noise (torch.Tensor) — Ruído da mesma forma, extraído pelo chamador.
  • timesteps (float ou torch.Tensor) — Tempo em [0, 1), um escalar ou (batch,).

Amostrar a marginal direta (1 - t) * noise + t * clean.

etapa

< >

( model_output: Tensortimestep: Tensorsample: Tensoremit_mask: Tensorgenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaSchedulerOutput or tuple

Parâmetros

  • model_output (torch.Tensor) — Velocidade prevista, com a mesma forma de sample.
  • timestep (torch.Tensor) — O próximo elemento de timesteps. Passos fora de ordem são rejeitados.
  • sample (torch.Tensor) — Estado atual (B, N, D).
  • emit_mask (torch.Tensor) — (B, N) booleano, verdadeiro para os tokens que são atualizados (não contexto ou padding).
  • generator (torch.Generator ou list[torch.Generator], opcional) — Um gerador para uma única linha ou geradores distintos para cada linha do lote. Omiti-los usa o fluxo global.
  • return_dict (bool, padrão True) — Retorna RFD4ProteinaSchedulerOutput; caso contrário, uma tupla de um item contendo o estado.

Retorna

RFD4ProteinaSchedulerOutput ou tuple

O estado atualizado.

Avance um intervalo de integração e atualize step_index.

RFD4ProteinaSchedulerOutput

classe diffusers.schedulers.scheduling_rfd4_proteina.RFD4ProteinaSchedulerOutput

< >

( prev_sample: Tensor )

Parâmetros

  • prev_sample (torch.Tensor) — O estado após o passo, com forma (B, N, D): D é 3 para o backbone (coordenadas em nanômetros) e a largura latente para os latentes locais.

Estado atualizado de uma modalidade.

Update on GitHub

←RePaintScheduler ScoreSdeVeScheduler→