Diffusers 文档
CogVideoXDPMScheduler
并获得增强的文档体验
开始使用
CogVideoXDPMScheduler
CogVideoXDPMScheduler 基于 DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps 和 DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models，专门用于 CogVideoX 模型。
CogVideoXDPMScheduler
class diffusers.CogVideoXDPMScheduler
< 来源 >( num_train_timesteps: int = 1000 beta_start: float = 0.00085 beta_end: float = 0.012 beta_schedule: str = 'scaled_linear' trained_betas: typing.Union[numpy.ndarray, typing.List[float], NoneType] = None clip_sample: bool = True set_alpha_to_one: bool = True steps_offset: int = 0 prediction_type: str = 'epsilon' clip_sample_range: float = 1.0 sample_max_value: float = 1.0 timestep_spacing: str = 'leading' rescale_betas_zero_snr: bool = False snr_shift_scale: float = 3.0 )
参数
- num_train_timesteps (
int, 默认为 1000) — 训练模型的扩散步数。 - beta_start (
float, 默认为 0.0001) — 推理的起始beta值。 - beta_end (
float, 默认为 0.02) — 最终beta值。 - beta_schedule (
str, 默认为"linear") — Beta 调度器，将 beta 范围映射到模型步进的一系列 beta 值。可选：linear、scaled_linear或squaredcos_cap_v2。 - trained_betas (
np.ndarray, 可选) — 直接向构造函数传递 beta 数组，以绕过beta_start和beta_end。 - clip_sample (
bool, 默认为True) — 裁剪预测样本以提高数值稳定性。 - clip_sample_range (
float, 默认为 1.0) — 样本裁剪的最大幅度。仅在clip_sample=True时有效。 - set_alpha_to_one (
bool, 默认为True) — 每个扩散步骤使用该步骤和前一步的 alpha 乘积值。最后一步没有前一个 alpha。当此选项为True时，前一个 alpha 乘积固定为1，否则它使用步骤 0 的 alpha 值。 - steps_offset (
int, 默认为 0) — 添加到推理步骤的偏移量，某些模型系列需要。 - prediction_type (
str, 默认为epsilon, 可选) — 调度器函数的预测类型；可以是epsilon（预测扩散过程的噪声）、sample（直接预测噪声样本）或v_prediction（参见 Imagen Video 论文的 2.4 节）。 - thresholding (
bool, 默认为False) — 是否使用“动态阈值”方法。这不适用于潜在空间扩散模型，如 Stable Diffusion。 - dynamic_thresholding_ratio (
float, 默认为 0.995) — 动态阈值方法的比率。仅在thresholding=True时有效。 - sample_max_value (
float, 默认为 1.0) — 动态阈值的阈值。仅在thresholding=True时有效。 - timestep_spacing (
str, 默认为"leading") — 时间步长的缩放方式。更多信息请参阅 Common Diffusion Noise Schedules and Sample Steps are Flawed 的表 2。 - rescale_betas_zero_snr (
bool, 默认为False) — 是否重新缩放 beta 以使终端信噪比为零。这使得模型能够生成非常亮和非常暗的样本，而不是将其限制在中等亮度的样本。与--offset_noise有松散关系。
DDIMScheduler 扩展了去噪扩散概率模型（DDPM）中引入的去噪过程，并加入了非马尔可夫引导。
此模型继承自 SchedulerMixin 和 ConfigMixin。有关库为所有调度器实现的通用方法（例如加载和保存）的详细信息，请查阅超类文档。
scale_model_input
< 来源 >( sample: Tensor timestep: typing.Optional[int] = None ) → 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。
set_timesteps
< 来源 >( 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
< 来源 >( model_output: Tensor old_pred_original_sample: Tensor timestep: int timestep_back: int sample: Tensor eta: float = 0.0 use_clipped_model_output: bool = False generator = None variance_noise: typing.Optional[torch.Tensor] = None return_dict: bool = False ) → DDIMSchedulerOutput 或 tuple
参数
- model_output (
torch.Tensor) — 从学习扩散模型直接输出。 - timestep (
float) — 扩散链中的当前离散时间步。 - sample (
torch.Tensor) — 扩散过程创建的当前样本实例。 - eta (
float) — 扩散步骤中添加噪声的权重。 - use_clipped_model_output (
bool, 默认为False) — 如果为True，则从裁剪后的预测原始样本计算“校正”后的model_output。这是必需的，因为当self.config.clip_sample为True时，预测的原始样本会被裁剪到 [-1, 1]。如果没有发生裁剪，“校正”后的model_output将与作为输入提供的模型输出一致，并且use_clipped_model_output不会产生任何影响。 - generator (
torch.Generator, 可选) — 随机数生成器。 - variance_noise (
torch.Tensor) — 通过直接提供方差本身的噪声来替代使用generator生成噪声。适用于CycleDiffusion等方法。 - return_dict (
bool, 可选, 默认为True) — 是否返回 DDIMSchedulerOutput 或tuple。
返回
DDIMSchedulerOutput 或 tuple
如果 return_dict 为 True，则返回 DDIMSchedulerOutput，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。