Diffusers documentation
ErnieImageTransformer2DModel
ErnieImageTransformer2DModel
用于 ERNIE-Image 中类图像数据的 Transformer 模型。
用于类图像数据的 Transformer 模型，来自 ERNIE-Image-Turbo。
ErnieImageTransformer2DModel
class diffusers.ErnieImageTransformer2DModel
< source >( hidden_size: int = 3072num_attention_heads: int = 24num_layers: int = 24ffn_hidden_size: int = 8192in_channels: int = 128out_channels: int = 128patch_size: int = 1text_in_dim: int = 2560rope_theta: int = 256rope_axes_dim: typing.Tuple[int, int, int] = (32, 48, 48)eps: float = 1e-06qk_layernorm: bool = True )
forward
< source >( hidden_states: Tensortimestep: Tensortext_bth: Tensortext_lens: Tensorreturn_dict: bool = True )
参数
- hidden_states（形状为
(batch_size, in_channels, height, width)的torch.Tensor）— 输入的hidden_states。 - timestep (
torch.LongTensor) — 用于指示去噪步骤。 - text_bth (
torch.Tensor) — 要使用的条件文本嵌入（根据提示等输入条件计算得出的嵌入），形状为(batch_size, text_length, embed_dims)。 - text_lens (
torch.Tensor) — 用于构建注意力掩码的每个样本的文本序列长度。 - return_dict (
bool，可选，默认为True) — 是否返回~models.transformer_2d.Transformer2DModelOutput而不是普通的元组。
ErnieImageTransformer2DModel 的前向方法。