StableDiffusion3Backbone 模型

[原始碼]

StableDiffusion3Backbone 類別

keras_hub.models.StableDiffusion3Backbone(
    mmdit_patch_size,
    mmdit_hidden_dim,
    mmdit_num_layers,
    mmdit_num_heads,
    mmdit_position_size,
    mmdit_qk_norm,
    mmdit_dual_attention_indices,
    vae,
    clip_l,
    clip_g,
    t5=None,
    latent_channels=16,
    output_channels=3,
    num_train_timesteps=1000,
    shift=3.0,
    image_shape=(1024, 1024, 3),
    data_format=None,
    dtype=None,
    **kwargs
)

具有超參數的 Stable Diffusion 3 核心網路。

此骨幹網路匯入 CLIP 和 T5 模型作為文字編碼器，並實作 Stable Diffusion 3 模型的基礎 MMDiT 和 VAE 網路。

預設建構子提供完全可自訂、隨機初始化的 MMDiT 和 VAE 模型，並可使用任何超參數。若要載入預設架構和權重，請使用 from_preset 建構子。

引數

• mmdit_patch_size：整數。MMDiT 中輸入影像中每個正方形圖塊的大小。
• mmdit_hidden_dim：整數。MMDiT 中每個 Transformer 層結束時 Transformer 隱藏狀態的大小。
• mmdit_num_layers：整數。MMDiT 中 Transformer 層的數量。
• mmdit_num_heads：整數。MMDiT 中每個 Transformer 的注意力頭數量。
• mmdit_position_size：整數。MMDiT 中位置嵌入的高度和寬度大小。
• mmdit_qk_norm：選用字串。是否正規化 MMDiT 中每個 Transformer 的查詢和鍵張量。可用選項為 None 和 "rms_norm"。通常，3.0 版本設定為 None，3.5 版本設定為 "rms_norm"。
• mmdit_dual_attention_indices：選用元組。指定作為雙重注意力區塊的區塊索引。通常用於 3.5 版本。預設為 None。
• vae：用於像素空間和潛在空間之間轉換的 VAE。
• clip_l：用於編碼輸入的 CLIP 文字編碼器。
• clip_g：用於編碼輸入的 CLIP 文字編碼器。
• t5：選用。用於編碼輸入的 T5 文字編碼器。
• latent_channels：整數。潛在空間中的通道數。預設為 16。
• output_channels：整數。輸出中的通道數。預設為 3。
• num_train_timesteps：整數。訓練模型的擴散步驟數。預設為 1000。
• shift：浮點數。時間步程表的位移值。預設為 3.0。
• image_shape：元組。不含批次大小的輸入形狀。預設為 (1024, 1024, 3)。
• data_format：None 或字串。如果指定，則為 "channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch_size, height, width, channels) 的輸入，而 "channels_first" 對應於形狀為 (batch_size, channels, height, width) 的輸入。預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定，則將為 "channels_last"。
• dtype：字串或 keras.mixed_precision.DTypePolicy。用於模型計算和權重的 dtype。請注意，某些計算（例如 softmax 和層正規化）將始終以 float32 精度完成，而與 dtype 無關。

範例

# Pretrained Stable Diffusion 3 model.
model = keras_hub.models.StableDiffusion3Backbone.from_preset(
    "stable_diffusion_3_medium"
)

# Randomly initialized Stable Diffusion 3 model with custom config.
vae = keras_hub.models.VAEBackbone(...)
clip_l = keras_hub.models.CLIPTextEncoder(...)
clip_g = keras_hub.models.CLIPTextEncoder(...)
model = keras_hub.models.StableDiffusion3Backbone(
    mmdit_patch_size=2,
    mmdit_num_heads=4,
    mmdit_hidden_dim=256,
    mmdit_depth=4,
    mmdit_position_size=192,
    mmdit_qk_norm=None,
    mmdit_dual_attention_indices=None,
    vae=vae,
    clip_l=clip_l,
    clip_g=clip_g,
)

[原始碼]

from_preset 方法

StableDiffusion3Backbone.from_preset(preset, load_weights=True, **kwargs)

從模型預設集例項化 keras_hub.models.Backbone。

預設集是一個組態、權重和其他檔案資產的目錄，用於儲存和載入預訓練模型。preset 可以作為以下其中之一傳遞

1. 內建預設集識別碼，例如 'bert_base_en'
2. Kaggle Models 控制代碼，例如 'kaggle://user/bert/keras/bert_base_en'
3. Hugging Face 控制代碼，例如 'hf://user/bert_base_en'
4. 本機預設集目錄的路徑，例如 './bert_base_en'

此建構子可以透過兩種方式之一呼叫。可以從基底類別呼叫，例如 keras_hub.models.Backbone.from_preset()，也可以從模型類別呼叫，例如 keras_hub.models.GemmaBackbone.from_preset()。如果從基底類別呼叫，則傳回物件的子類別將從預設集目錄中的組態推斷。

對於任何 Backbone 子類別，您可以執行 cls.presets.keys() 以列出類別上可用的所有內建預設集。

引數

• preset：字串。內建預設集識別碼、Kaggle Models 控制代碼、Hugging Face 控制代碼或本機目錄的路徑。
• load_weights：布林值。如果為 True，則權重將載入到模型架構中。如果為 False，則權重將隨機初始化。

範例

# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)