Diffusers

加入 Hugging Face 社区

并获得增强文档体验

协作模型、数据集和空间

使用加速推理获得更快的示例

在文档主题之间切换

开始使用

FlowMatchHeunDiscreteScheduler

FlowMatchHeunDiscreteScheduler 基于 EDM 中介绍的流匹配采样。

( num_train_timesteps: int = 1000 shift: float = 1.0 )

参数

num_train_timesteps (int，默认为 1000) — 模型训练的扩散步数。
timestep_spacing (str，默认为 "linspace") — 时间步长的缩放方式。有关更多信息，请参阅常见的扩散噪声调度和采样步骤存在缺陷的表 2。
shift (float，默认为 1.0) — 时间步长计划的偏移值。

Heun 调度器。

此模型继承自 SchedulerMixin 和 ConfigMixin。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。

( sample: FloatTensor timestep: Union noise: Optional = None ) → torch.FloatTensor

参数

返回值

torch.FloatTensor

缩放后的输入样本。

流匹配中的前向过程

( begin_index: int = 0 )

参数

设置调度器的起始索引。此函数应在推理之前从管道运行。

( num_inference_steps: int device: Union = None )

参数

设置用于扩散链的离散时间步长（在推理之前运行）。

参数

model_output (torch.FloatTensor) — 学习扩散模型的直接输出。
timestep (float) — 扩散链中当前的离散时间步长。
sample (torch.FloatTensor) — 由扩散过程创建的样本的当前实例。
s_churn (float) —
s_tmin (float) —
s_tmax (float) —
s_noise (float，默认为 1.0) — 添加到样本中的噪声的缩放因子。
generator (torch.Generator，可选) — 随机数生成器。
return_dict (bool) — 是否返回 ~schedulers.scheduling_Heun_discrete.HeunDiscreteSchedulerOutput 或元组。

返回值

~schedulers.scheduling_Heun_discrete.HeunDiscreteSchedulerOutput 或 tuple

如果 return_dict 为 True，则返回 ~schedulers.scheduling_Heun_discrete.HeunDiscreteSchedulerOutput，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 预测前一时间步长的样本。此函数从学习的模型输出（通常是预测的噪声）传播扩散过程。