Diffusers 文档
AutoencoderKLWan
并获得增强的文档体验
开始使用
AutoencoderKLWan
Alibaba Wan 团队在 Wan 2.1 中使用的带 KL 损失的 3D 变分自编码器 (VAE) 模型。
该模型可以通过以下代码片段加载。
from diffusers import AutoencoderKLWan
vae = AutoencoderKLWan.from_pretrained("Wan-AI/Wan2.1-T2V-1.3B-Diffusers", subfolder="vae", torch_dtype=torch.float32)
AutoencoderKLWan
class diffusers.AutoencoderKLWan
< source >( base_dim: int = 96 z_dim: int = 16 dim_mult: typing.Tuple[int] = [1, 2, 4, 4] num_res_blocks: int = 2 attn_scales: typing.List[float] = [] temperal_downsample: typing.List[bool] = [False, True, True] dropout: float = 0.0 latents_mean: typing.List[float] = [-0.7571, -0.7089, -0.9113, 0.1075, -0.1745, 0.9653, -0.1517, 1.5508, 0.4134, -0.0715, 0.5517, -0.3632, -0.1922, -0.9497, 0.2503, -0.2921] latents_std: typing.List[float] = [2.8184, 1.4541, 2.3275, 2.6558, 1.2196, 1.7708, 2.6052, 2.0743, 3.2687, 2.1526, 2.8652, 1.5579, 1.6382, 1.1253, 2.8251, 1.916] )
一个 VAE 模型,带有 KL 损失,用于将视频编码为潜在表示,并将潜在表示解码为视频。在 [Wan 2.1] 中引入。
此模型继承自 ModelMixin。有关所有模型实现的通用方法(如下载或保存),请参阅超类文档。
禁用切片 VAE 解码。如果之前启用了 enable_slicing
,此方法将恢复一步计算解码。
禁用平铺 VAE 解码。如果之前启用了 enable_tiling
,此方法将恢复一步计算解码。
启用切片 VAE 解码。启用此选项后,VAE 会将输入张量分片,分步计算解码。这有助于节省一些内存并允许更大的批次大小。
启用平铺
< 源 >( tile_sample_min_height: typing.Optional[int] = None tile_sample_min_width: typing.Optional[int] = None tile_sample_stride_height: typing.Optional[float] = None tile_sample_stride_width: typing.Optional[float] = None )
启用平铺 VAE 解码。启用此选项后,VAE 将把输入张量分割成瓦片,分多步计算编码和解码。这对于节省大量内存和处理更大的图像非常有用。
前向
< 源 >( sample: Tensor sample_posterior: bool = False return_dict: bool = True generator: typing.Optional[torch._C.Generator] = None )
分块解码
< 源 >( z: Tensor return_dict: bool = True ) → ~models.vae.DecoderOutput
或 tuple
使用分块解码器解码一批图像。
使用分块编码器编码一批图像。
DecoderOutput
class diffusers.models.autoencoders.vae.DecoderOutput
< 源 >( sample: Tensor commit_loss: typing.Optional[torch.FloatTensor] = None )
解码方法的输出。