Hugging Face 徽标

Diffusers 文档

IPNDMScheduler

Hugging Face's logo
加入 Hugging Face 社区

并获取增强文档体验

开始使用

IPNDMScheduler

IPNDMScheduler 是一个四阶改进伪线性多步调度器。原始实现可以在 crowsonkb/v-diffusion-pytorch 中找到。

IPNDMScheduler

class diffusers.IPNDMScheduler

< >

( num_train_timesteps: int = 1000 trained_betas: Union = None )

参数

  • num_train_timesteps (int, 默认为 1000) — 模型训练的扩散步数。
  • trained_betas (np.ndarray, 可选) — 将一组 beta 值直接传递给构造函数，以绕过 beta_start 和 beta_end。

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实现的通用方法，例如加载和保存。

scale_model_input

< >

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

参数

  • sample (torch.Tensor) — 输入样本。

返回值

torch.Tensor

缩放后的输入样本。

确保与需要根据当前时间步长缩放去噪模型输入的调度器具有互换性。

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。此函数应在推理前由管道运行。

set_timesteps

< >

( num_inference_steps: int device: Union = 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 (str 或 torch.device, 可选) — 应将时间步移动到的设备。如果为 None，则不移动时间步。

设置用于扩散链的离散时间步长（在推理前运行）。

step

< >

( model_output: 张量 timestep: Union sample: 张量 return_dict: bool = True ) → SchedulerOutput 或 元组

参数

  • model_output (torch.Tensor) — 来自学习扩散模型的直接输出。
  • sample (torch.Tensor) — 扩散过程中创建的样本的当前实例。
  • return_dict (bool) — 是否返回 SchedulerOutput 或元组。

返回值

SchedulerOutput 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 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。它执行多次前向传递以逼近解。

SchedulerOutput

class diffusers.schedulers.scheduling_utils.SchedulerOutput

< >

( prev_sample: Tensor )

参数

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

调度程序 step 函数输出的基类。

< > 在 GitHub 上更新

←HeunDiscreteScheduler KarrasVeScheduler→