Diffusers 文档
IPNDMScheduler
并获得增强的文档体验
开始使用
IPNDMScheduler
IPNDMScheduler
是一个四阶改进伪线性多步调度器。原始实现可在 crowsonkb/v-diffusion-pytorch 找到。
IPNDMScheduler
class diffusers.IPNDMScheduler
< 源 >( num_train_timesteps: int = 1000 trained_betas: typing.Union[numpy.ndarray, typing.List[float], NoneType] = None )
一个四阶改进伪线性多步调度器。
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(如加载和保存)实现的通用方法。
scale_model_input
< 源 >( sample: Tensor *args **kwargs ) → torch.Tensor
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。
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: Tensor timestep: typing.Union[int, torch.Tensor] sample: Tensor return_dict: bool = True ) → SchedulerOutput 或 tuple
参数
- model_output (
torch.Tensor
) — 来自学习到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
) — 扩散过程创建的样本的当前实例。 - return_dict (
bool
) — 是否返回 SchedulerOutput 或元组。
返回
调度器输出 或 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 来预测前一个时间步的样本。此函数使用线性多步方法传播样本。它执行多次前向传播以近似解。
SchedulerOutput
class diffusers.schedulers.scheduling_utils.SchedulerOutput
< 源 >( prev_sample: Tensor )
调度器 step
函数输出的基类。