Diffusers 文件
ConsistencyDecoderScheduler
並獲得增強的文件體驗
開始使用
ConsistencyDecoderScheduler
此排程器是 ConsistencyDecoderPipeline 的一部分，並於 DALL-E 3 中引入。
原始程式碼庫可在 openai/consistency_models 找到。
ConsistencyDecoderScheduler
class diffusers.schedulers.ConsistencyDecoderScheduler
< source >( num_train_timesteps: int = 1024 sigma_data: float = 0.5 )
縮放模型輸入
< source >( sample: Tensor timestep: typing.Optional[int] = None ) → torch.Tensor
確保與需要根據當前時間步縮放去噪模型輸入的排程器互換使用。
步驟
< source >( model_output: Tensor timestep: typing.Union[float, torch.Tensor] sample: Tensor generator: typing.Optional[torch._C.Generator] = None return_dict: bool = True ) → ~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput 或 tuple
引數
- model_output (
torch.Tensor) — 從學習到的擴散模型中直接輸出的結果。 - timestep (
float) — 擴散鏈中的當前時間步。 - sample (
torch.Tensor) — 擴散過程建立的當前樣本例項。 - generator (
torch.Generator, 可選) — 隨機數生成器。 - return_dict (
bool, 可選, 預設為True) — 是否返回~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput或tuple。
返回
~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput 或 tuple
如果 return_dict 為 True，則返回 ~schedulers.scheduling_consistency_models.ConsistencyDecoderSchedulerOutput，否則返回一個元組，其中第一個元素是樣本張量。
透過逆轉 SDE 預測前一個時間步的樣本。此函式從學習到的模型輸出（通常是預測的噪聲）傳播擴散過程。