Diffusers 文档

ConsistencyDecoderScheduler

Hugging Face's logo
加入 Hugging Face 社区

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,并于 DALL-E 3 中引入。

原始代码库可在 openai/consistency_models 找到。

ConsistencyDecoderScheduler

class diffusers.schedulers.ConsistencyDecoderScheduler

< >

( num_train_timesteps: int = 1024 sigma_data: float = 0.5 )

缩放模型输入

< >

( sample: Tensor timestep: typing.Optional[int] = None ) torch.Tensor

参数

  • sample (torch.Tensor) — 输入样本。
  • timestep (int, 可选) — 扩散链中的当前时间步。

返回

torch.Tensor

一个缩放后的输入样本。

确保与需要根据当前时间步缩放去噪模型输入的调度器互换使用。

步骤

< >

( 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.ConsistencyDecoderSchedulerOutputtuple

参数

  • model_output (torch.Tensor) — 从学习到的扩散模型中直接输出的结果。
  • timestep (float) — 扩散链中的当前时间步。
  • sample (torch.Tensor) — 扩散过程创建的当前样本实例。
  • 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.ConsistencyDecoderSchedulerOutputtuple

返回

~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutputtuple

如果 return_dict 为 True,则返回 ~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput,否则返回一个元组,其中第一个元素是样本张量。

通过逆转 SDE 预测前一个时间步的样本。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。

< > 在 GitHub 上更新