Hugging Face 的标志

Diffusers 文档

IPNDMScheduler

Hugging Face's logo
加入 Hugging Face 社区

并获取增强的文档体验

开始使用

IPNDMScheduler

IPNDMScheduler 是一个四阶改进的伪线性多步调度器。原始实现在 crowsonkb/v-diffusion-pytorch 中可以找到。

IPNDMScheduler

class diffusers.IPNDMScheduler

< >

( num_train_timesteps: int = 1000 trained_betas: typing.Union[numpy.ndarray, typing.List[float], NoneType] = None )

参数

  • num_train_timesteps (int, 默认为 1000) — 用于训练模型的扩散步骤数。
  • trained_betas (np.ndarray, 可选) — 直接将 betas 数组传递给构造函数以绕过 beta_start 和 beta_end。

一个四阶改进的伪线性多步调度器。

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

scale_model_input

< >

( sample: Tensor *args **kwargs ) → torch.Tensor

参数

  • sample (torch.Tensor) — 输入样本。

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的互换性。

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 pipeline 运行。

set_timesteps

< >

( num_inference_steps: int 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骤的数量。
  • device (str 或 torch.device, 可选) — 时间步应移动到的设备。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）。

step

< >

( model_output: Tensor timestep: typing.Union[int, torch.Tensor] sample: Tensor return_dict: bool = True ) → SchedulerOutput or tuple

参数

  • model_output (torch.Tensor) — 来自学习的扩散模型的直接输出。
  • timestep (int) — 扩散链中当前的离散时间步。
  • sample (torch.Tensor) — 由扩散过程创建的样本的当前实例。
  • return_dict (bool) — 是否返回 SchedulerOutput 或 tuple。

返回

SchedulerOutput or tuple

如果 return_dict 为 True，则返回 SchedulerOutput，否则返回一个 tuple，其中第一个元素是样本 tensor。

通过反转 SDE，从前一个时间步预测样本。此函数使用线性多步方法传播样本。它多次执行前向传递以逼近解。

SchedulerOutput

class diffusers.schedulers.scheduling_utils.SchedulerOutput

< >

( prev_sample: Tensor )

参数

  • prev_sample (形状为 (batch_size, num_channels, height, width) 的 torch.Tensor，用于图像）— 上一个时间步的计算样本 (x_{t-1})。prev_sample 应在去噪循环中用作下一个模型输入。

调度器的 step 函数输出的基类。

< > 在 GitHub 上更新

←HeunDiscreteScheduler KarrasVeScheduler→