Diffusers 文档
ConsistencyDecoderScheduler
并获得增强的文档体验
开始使用
ConsistencyDecoderScheduler
此调度器是 ConsistencyDecoderPipeline 的一部分，并在 DALL-E 3 中引入。
原始代码库可以在 openai/consistency_models 中找到。
ConsistencyDecoderScheduler
class diffusers.schedulers.ConsistencyDecoderScheduler
< source >( num_train_timesteps: int = 1024 sigma_data: float = 0.5 )
scale_model_input
< source >( sample: Tensor timestep: typing.Optional[int] = None ) → torch.Tensor
确保与需要根据当前时间步缩放去噪模型输入的调度器的互换性。
step
< source >( model_output: Tensor timestep: typing.Union[float, torch.Tensor] sample: Tensor generator: typing.Optional[torch._C.Generator] = None return_dict: bool = True ) → ~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput or tuple
参数
- model_output (
torch.Tensor) — 来自学习到的扩散模型的直接输出。 - timestep (
float) — 扩散链中的当前时间步。 - sample (
torch.Tensor) — 扩散过程创建的样本的当前实例。 - generator (
torch.Generator, 可选) — 随机数生成器。 - return_dict (
bool, 可选, 默认为True) — 是否返回~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput或tuple。
返回值
~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput or tuple
如果 return_dict 为 True，则返回 ~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput，否则返回一个 tuple，其中第一个元素是样本张量。
通过反转 SDE，从上一个时间步预测样本。此函数从学习到的模型输出（通常是预测的噪声）传播扩散过程。