Diffusers 文档
FlowMatchHeun离散调度器
并获得增强的文档体验
开始使用
FlowMatchHeun离散调度器
FlowMatchHeunDiscreteScheduler
基于 EDM 中引入的流匹配采样。
FlowMatchHeun离散调度器
class diffusers.FlowMatchHeunDiscreteScheduler
< 源 >( num_train_timesteps: int = 1000 shift: float = 1.0 )
参数
- num_train_timesteps (
int
, 默认为 1000) — 训练模型所需的扩散步数。 - timestep_spacing (
str
, 默认为"linspace"
) — 时间步的缩放方式。有关更多信息,请参阅 Common Diffusion Noise Schedules and Sample Steps are Flawed 的表 2。 - shift (
float
, 默认为 1.0) — 时间步调度器的偏移值。
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(例如加载和保存)实现的通用方法。
scale_noise
< 源 >( sample: FloatTensor timestep: typing.Union[float, torch.FloatTensor] noise: typing.Optional[torch.FloatTensor] = None ) → torch.FloatTensor
流匹配中的前向过程
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
< 源 >( num_inference_steps: int device: typing.Union[str, torch.device] = None )
设置用于扩散链的离散时间步(在推理之前运行)。
步骤
< 源 >( model_output: FloatTensor timestep: typing.Union[float, torch.FloatTensor] sample: FloatTensor s_churn: float = 0.0 s_tmin: float = 0.0 s_tmax: float = inf s_noise: float = 1.0 generator: typing.Optional[torch._C.Generator] = None return_dict: bool = True ) → FlowMatchHeunDiscreteSchedulerOutput
或 tuple
参数
- model_output (
torch.FloatTensor
) — 学习到的扩散模型的直接输出。 - timestep (
float
) — 扩散链中的当前离散时间步。 - sample (
torch.FloatTensor
) — 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FlowMatchHeunDiscreteSchedulerOutput
元组。
返回
FlowMatchHeunDiscreteSchedulerOutput
或 tuple
如果 return_dict 为 True
,则返回 FlowMatchHeunDiscreteSchedulerOutput
,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。