Diffusers 文件
LMS離散排程器
並獲得增強的文件體驗
開始使用
LMS離散排程器
LMSDiscreteScheduler 是用於離散 beta 排程器的線性多步排程器。該排程器由Katherine Crowson移植和建立，原始實現可在crowsonkb/k-diffusion找到。
LMSDiscreteScheduler
類 diffusers.LMSDiscreteScheduler
< 來源 >( num_train_timesteps: int = 1000 beta_start: float = 0.0001 beta_end: float = 0.02 beta_schedule: str = 'linear' trained_betas: typing.Union[numpy.ndarray, typing.List[float], NoneType] = None use_karras_sigmas: typing.Optional[bool] = False use_exponential_sigmas: typing.Optional[bool] = False use_beta_sigmas: typing.Optional[bool] = False prediction_type: str = 'epsilon' timestep_spacing: str = 'linspace' steps_offset: int = 0 )
引數
- num_train_timesteps (
int, 預設為 1000) — 訓練模型的擴散步數。 - beta_start (
float, 預設為 0.0001) — 推理的起始beta值。 - beta_end (
float, 預設為 0.02) — 最終beta值。 - beta_schedule (
str, 預設為"linear") — beta 排程，一個將 beta 範圍對映到模型步進的一系列 beta 值。可選linear或scaled_linear。 - trained_betas (
np.ndarray, 可選) — 直接向建構函式傳遞一個 beta 陣列，以繞過beta_start和beta_end。 - use_karras_sigmas (
bool, 可選, 預設為False) — 在取樣過程中，是否在噪聲排程中使用 Karras sigma 作為步長。如果為True，sigma 將根據噪聲水平序列 {σi} 確定。 - use_exponential_sigmas (
bool, 可選, 預設為False) — 在取樣過程中，是否在噪聲排程中使用指數 sigma 作為步長。 - use_beta_sigmas (
bool, 可選, 預設為False) — 在取樣過程中，是否在噪聲排程中使用 beta sigma 作為步長。更多資訊請參閱Beta 取樣是你所需的一切。 - prediction_type (
str, 預設為epsilon, 可選) — 排程器函式的預測型別；可以是epsilon(預測擴散過程的噪聲)、sample(直接預測噪聲樣本) 或v_prediction(參見 Imagen Video 論文的 2.4 節)。 - timestep_spacing (
str, 預設為"linspace") — 時間步長的縮放方式。更多資訊請參閱常見擴散噪聲排程和取樣步長存在缺陷的表 2。 - steps_offset (
int, 預設為 0) — 根據某些模型系列的要求，新增到推理步驟中的偏移量。
用於離散 beta 排程器的線性多步排程器。
此模型繼承自SchedulerMixin和ConfigMixin。有關庫為所有排程器（例如載入和儲存）實現的通用方法，請檢視超類文件。
計算線性多步係數。
縮放模型輸入
< 來源 >( sample: Tensor timestep: typing.Union[float, torch.Tensor] ) → 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。
設定排程器的起始索引。此函式應在推理之前從管道中執行。
設定時間步
< 來源 >( num_inference_steps: int device: typing.Union[str, torch.device] = None )
設定用於擴散鏈的離散時間步（在推理之前執行）。
步驟
< 來源 >( model_output: Tensor timestep: typing.Union[float, torch.Tensor] sample: Tensor order: int = 4 return_dict: bool = True ) → 排程器輸出 或 tuple
引數
- model_output (
torch.Tensor) — 從學習到的擴散模型直接輸出。 - timestep (
float或torch.Tensor) — 擴散鏈中的當前離散時間步。 - sample (
torch.Tensor) — 擴散過程建立的樣本的當前例項。 - order (
int, 預設為 4) — 線性多步法的階數。 - return_dict (
bool, 可選, 預設為True) — 是否返回 SchedulerOutput 或元組。
返回
排程器輸出 或 tuple
如果 return_dict 為 True，則返回 SchedulerOutput，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。
LMSDiscreteSchedulerOutput
類 diffusers.schedulers.scheduling_lms_discrete.LMSDiscreteSchedulerOutput
< 源 >( prev_sample: Tensor pred_original_sample: typing.Optional[torch.Tensor] = None )
排程器 step 函式輸出的輸出類。