KarrasVeScheduler
KarrasVeScheduler 是一种针对方差扩展 (VE) 模型量身定制的随机采样器。它基于 阐释基于扩散的生成模型的设计空间 和 通过随机微分方程进行基于分数的生成建模 论文。
KarrasVeScheduler
类 diffusers.KarrasVeScheduler
< 源代码 >( sigma_min: float = 0.02 sigma_max: float = 100 s_noise: float = 1.007 s_churn: float = 80 s_min: float = 0.05 s_max: float = 50 )
为方差扩展模型量身定制的随机调度器。
此模型继承自 SchedulerMixin 和 ConfigMixin。请查看超类文档以了解针对所有调度器（例如加载和保存）实现的库中用的通用方法。
有关参数的更多详细信息，请参阅 附录 E。用于为特定模型找到最优 {s_noise, s_churn, s_min, s_max} 的网格搜索值在论文的表 5 中进行了描述。
add_noise_to_input
< 源代码 >( sample: 张量 sigma: float generator: 可选 = 无 )
采用显式朗之万型“搅拌”步骤将噪声添加到样本，得到 gamma_i ≥ 0 以达到噪声等级 sigma_hat = sigma_i + gamma_i*sigma_i。
set_timesteps
< 源代码 >( num_inference_steps: int device: Union = None )
设置用于扩散链（在推理之前运行）的离散时间步长。
step
< source >( model_output: Tensor sigma_hat: float sigma_prev: float sample_hat: Tensor return_dict: bool = True ) → ~schedulers.scheduling_karras_ve.KarrasVESchedulerOutput 或 tuple
参数
- model_output (
torch.Tensor) — 学习扩散模型的直接输出。 - sigma_hat (
float) — - return_dict (
bool, 可选, 默认为True) — 是否返回~schedulers.scheduling_karras_ve.KarrasVESchedulerOutput或tuple。
返回值
~schedulers.scheduling_karras_ve.KarrasVESchedulerOutput 或 tuple
如果 return_dict 为 True，则将返回 ~schedulers.scheduling_karras_ve.KarrasVESchedulerOutput，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 来预测前一时间步的样本。该函数将扩散过程从学习到的模型输出（最常见为预测的噪声）传播出去。
step_correct
< 源代码 >( model_output: 张量 sigma_hat: 浮点 sigma_prev: 浮点 sample_hat: 张量 sample_prev: 张量 derivative: 张量 return_dict: bool = True ) → prev_sample（待处理）
此方法根据网络的 model_output 纠正预测的样本。
KarrasVeOutput
class diffusers.schedulers.deprecated.scheduling_karras_ve.KarrasVeOutput
< 源代码 >( prev_sample: Tensor derivative: Tensor pred_original_sample: Optional = None )
参数
- prev_sample（
torch.Tensor，针对图像，其形状为(batch_size, num_channels, height, width)）—前一时刻的已计算样本 (x_{t-1})。prev_sample应在去噪循环中作为下一个模型输入。 - derivative (
torch.Tensor，针对图像的形状为(batch_size, num_channels, height, width)) – 预测的原始图像样本 (x_0) 的导数。 - pred_original_sample (
torch.Tensor，针对图像的形状为(batch_size, num_channels, height, width)) – 基于当前时间步长的模型输出预测的去噪样本 (x_{0})。pred_original_sample可用于预览进度或提供指导。
调度器的 step 函数输出的输出类。