Diffusers 文档

CosineDPMSolverMultistepScheduler

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

CosineDPMSolverMultistepScheduler

CosineDPMSolverMultistepSchedulerDPMSolverMultistepScheduler 的一个变体,采用 Nichol 和 Dhariwal (2021) 提出的余弦调度。它被用于 Stable Audio Open 论文和 Stability-AI/stable-audio-tool 代码库中。

此调度器由 Yoach Lacombe 贡献。

CosineDPMSolverMultistepScheduler

class diffusers.CosineDPMSolverMultistepScheduler

< >

( sigma_min: float = 0.3 sigma_max: float = 500 sigma_data: float = 1.0 sigma_schedule: str = 'exponential' num_train_timesteps: int = 1000 solver_order: int = 2 prediction_type: str = 'v_prediction' rho: float = 7.0 solver_type: str = 'midpoint' lower_order_final: bool = True euler_at_final: bool = False final_sigmas_type: typing.Optional[str] = 'zero' )

参数

  • sigma_min (float, 可选, 默认为 0.3) — sigma 调度中的最小噪声幅度。在 Stable Audio Open [1] 中此值设置为 0.3。
  • sigma_max (float, 可选, 默认为 500) — sigma 调度中的最大噪声幅度。在 Stable Audio Open [1] 中此值设置为 500。
  • sigma_data (float, 可选, 默认为 1.0) — 数据分布的标准差。在 Stable Audio Open [1] 中此值设置为 1.0。
  • sigma_schedule (str, 可选, 默认为 exponential) — 用于计算 sigmas 的 sigma 调度。默认情况下,我们使用 EDM 论文 (https://huggingface.co/papers/2206.00364) 中引入的调度。另一个可接受的值是 “exponential”。指数调度被整合到这个模型中:https://huggingface.co/stabilityai/cosxl
  • num_train_timesteps (int, 默认为 1000) — 用于训练模型的扩散步数。
  • solver_order (int, 默认为 2) — DPMSolver 阶数,可以是 12。建议使用 solver_order=2
  • prediction_type (str, 默认为 v_prediction, 可选) — 调度器函数的预测类型;可以是 epsilon(预测扩散过程的噪声),sample(直接预测噪声样本)或 v_prediction(参见 Imagen Video 论文的 2.4 节)。
  • solver_type (str, 默认为 midpoint) — 二阶求解器的求解器类型;可以是 midpointheun。求解器类型对样本质量略有影响,特别是对于少量步骤。建议使用 midpoint 求解器。
  • lower_order_final (bool, 默认为 True) — 是否在最后几步中使用低阶求解器。仅适用于小于 15 个推理步骤。这可以稳定 DPMSolver 在小于 15 个步骤(特别是小于等于 10 个步骤)的采样。
  • euler_at_final (bool, 默认为 False) — 是否在最后一步使用欧拉法。这是数值稳定性和细节丰富度之间的权衡。这可以稳定 DPMSolver 的 SDE 变体在少量推理步骤下的采样,但有时可能导致模糊。
  • final_sigmas_type (str, 默认为 "zero") — 采样过程中噪声调度的最终 sigma 值。如果为 "sigma_min",则最终 sigma 与训练调度中的最后一个 sigma 相同。如果为 zero,则最终 sigma 设置为 0。

实现了带有余弦调度的 DPMSolverMultistepScheduler 变体,由 Nichol 和 Dhariwal (2021) 提出。此调度器在 Stable Audio Open [1] 中使用。

[1] Evans, Parker, et al. “Stable Audio Open” https://huggingface.ac.cn/papers/2407.14358

此模型继承自 SchedulerMixinConfigMixin。查看超类文档以了解库为所有调度器实现的通用方法,例如加载和保存。

convert_model_output

< >

( model_output: Tensor sample: Tensor = None ) torch.Tensor

参数

  • model_output (torch.Tensor) — 学习到的扩散模型的直接输出。
  • sample (torch.Tensor) — 扩散过程创建的样本的当前实例。

返回

torch.Tensor

转换后的模型输出。

将模型输出转换为 DPMSolver/DPMSolver++ 算法所需的相应类型。DPM-Solver 旨在离散化噪声预测模型的积分,而 DPM-Solver++ 旨在离散化数据预测模型的积分。

算法和模型类型是解耦的。噪声预测模型和数据预测模型都可以使用DPMSolver或DPMSolver++。

dpm_solver_first_order_update

< >

( model_output: Tensor sample: Tensor = None noise: typing.Optional[torch.Tensor] = None ) torch.Tensor

参数

  • model_output (torch.Tensor) — 学习到的扩散模型的直接输出。
  • sample (torch.Tensor) — 扩散过程创建的样本的当前实例。

返回

torch.Tensor

上一个时间步的样本张量。

一阶DPMSolver(等同于DDIM)的一个步骤。

multistep_dpm_solver_second_order_update

< >

( model_output_list: typing.List[torch.Tensor] sample: Tensor = None noise: typing.Optional[torch.Tensor] = None ) torch.Tensor

参数

  • model_output_list (List[torch.Tensor]) — 学习到的扩散模型在当前和后续时间步的直接输出。
  • sample (torch.Tensor) — 扩散过程创建的样本的当前实例。

返回

torch.Tensor

上一个时间步的样本张量。

二阶多步DPMSolver的一个步骤。

scale_model_input

< >

( sample: Tensor timestep: typing.Union[float, torch.Tensor] ) 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可互换。通过 (sigma**2 + 1) ** 0.5 缩放去噪模型输入以匹配欧拉算法。

set_begin_index

< >

( begin_index: int = 0 )

参数

  • begin_index (int) — 调度器的起始索引。

设置调度器的起始索引。此函数应在推理之前从管道中运行。

set_timesteps

< >

( num_inference_steps: int = None device: typing.Union[str, torch.device] = None )

参数

  • num_inference_steps (int) — 使用预训练模型生成样本时使用的扩散步数。
  • device (strtorch.device, 可选) — 时间步应该移动到的设备。如果为 None,则时间步不移动。

设置用于扩散链的离散时间步(在推理之前运行)。

步骤

< >

( model_output: Tensor timestep: typing.Union[int, torch.Tensor] sample: Tensor generator = None return_dict: bool = True ) SchedulerOutputtuple

参数

  • model_output (torch.Tensor) — 学习到的扩散模型的直接输出。
  • timestep (int) — 扩散链中的当前离散时间步。
  • sample (torch.Tensor) — 由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) — 是否返回 SchedulerOutputtuple

返回

调度器输出tuple

如果 `return_dict` 为 `True`,则返回 SchedulerOutput,否则返回一个元组,其中第一个元素是样本张量。

通过反转 SDE 预测前一个时间步的样本。此函数使用多步 DPMSolver 传播样本。

SchedulerOutput

class diffusers.schedulers.scheduling_utils.SchedulerOutput

< >

( prev_sample: Tensor )

参数

  • prev_sample (torch.Tensor, 形状为图像的(batch_size, num_channels, height, width)) — 计算出的前一个时间步的样本 (x_{t-1})。在去噪循环中,prev_sample 应用作下一个模型输入。

调度器 step 函数输出的基类。

< > 在 GitHub 上更新