Paramètres

• num_train_timesteps (int, par défaut 1000) — Le nombre d'étapes de diffusion pour entraîner le modèle.
• beta_start (float, par défaut 0.0001) — Valeur de départ de beta pour l'inférence.
• beta_end (float, par défaut 0.02) — La valeur finale de beta.
• beta_schedule (str, par défaut "linear") — Le planning des bêtas, une correspondance entre une plage de bêtas et une séquence de bêtas pour faire avancer le modèle. Choisissez parmi linear, scaled_linear ou squaredcos_cap_v2.
• trained_betas (np.ndarray, facultatif) — Transmettez un tableau de betas directement au constructeur pour contourner beta_start et beta_end.
• solver_order (int, par défaut 2) — L’ordre du DPMSolver, qui peut être 1 ou 2 ou 3. Il est recommandé d’utiliser solver_order=2 pour l’échantillonnage guidé et solver_order=3 pour l’échantillonnage non conditionnel.
• prediction_type (str, defaults to epsilon, optional) — Prediction type of the scheduler function; can be epsilon (predicts the noise of the diffusion process), sample (directly predicts the noisy sample) or v_prediction` (see section 2.4 of Imagen Video paper).
• thresholding (bool, par défaut False) — Indique s'il faut utiliser la méthode de « seuillage dynamique ». Cette méthode n'est pas adaptée aux modèles de diffusion en espace latent tels que Stable Diffusion.
• dynamic_thresholding_ratio (float, par défaut 0,995) — Le ratio pour la méthode de seuillage dynamique. Valable uniquement lorsque thresholding=True.
• sample_max_value (float, par défaut 1.0) — La valeur de seuil pour le seuillage dynamique. Valable uniquement lorsque thresholding=True et algorithm_type="dpmsolver++".
• algorithm_type (str, par défaut dpmsolver++) — Type d’algorithme pour le solveur ; peut être dpmsolver, dpmsolver++, sde-dpmsolver ou sde-dpmsolver++. Le type dpmsolver implémente les algorithmes de l’article DPMSolver, et le type dpmsolver++ implémente les algorithmes de l’article DPMSolver++. Il est recommandé d’utiliser dpmsolver++ ou sde-dpmsolver++ avec solver_order=2 pour un échantillonnage guidé, comme dans Stable Diffusion.
• solver_type (str, par défaut midpoint) — Type de solveur pour le solveur du second ordre ; peut être midpoint ou heun. Le type de solveur affecte légèrement la qualité de l’échantillonnage, en particulier pour un petit nombre d’étapes. Il est recommandé d’utiliser les solveurs midpoint.
• lower_order_final (bool, par défaut True) — Indique s'il faut utiliser des solveurs d'ordre inférieur aux étapes finales. Valable uniquement pour moins de 15 étapes d'inférence. Cela peut stabiliser l'échantillonnage de DPMSolver pour moins de 15 étapes, en particulier pour 10 étapes ou moins.
• euler_at_final (bool, par défaut False) — Indique s'il faut utiliser la méthode d'Euler à la dernière étape. Il s'agit d'un compromis entre la stabilité numérique et la richesse des détails. Cela peut stabiliser l'échantillonnage de la variante SDE de DPMSolver pour un petit nombre d'étapes d'inférence, mais peut parfois entraîner un flou.
• use_karras_sigmas (bool, facultatif, valeur par défaut False) — Indique s'il faut utiliser les sigmas de Karras pour les tailles de pas dans le calendrier de bruit pendant le processus d'échantillonnage. Si True, les sigmas sont déterminés selon une séquence de niveaux de bruit {σi}.
• use_exponential_sigmas (bool, facultatif, valeur par défaut False) — Indique s'il faut utiliser des sigmas exponentiels pour les tailles de pas dans le calendrier de bruit pendant le processus d'échantillonnage.
• use_beta_sigmas (bool, facultatif, par défaut False) — Indique s'il faut utiliser des sigmas bêta pour les tailles de pas dans le calendrier de bruit pendant le processus d'échantillonnage. Consultez Beta Sampling is All You Need pour plus d'informations.
• use_flow_sigmas (bool, facultatif, valeur par défaut False) — Indique s'il faut utiliser les sigmas de flux pour les tailles de pas dans le calendrier de bruit pendant le processus d'échantillonnage.
• flow_shift (float, facultatif, valeur par défaut 1.0) — Le facteur de décalage de flux. Valable uniquement lorsque use_flow_sigmas=True.
• lambda_min_clipped (float, par défaut -inf) — Seuil de rognage pour la valeur minimale de lambda(t) afin d'assurer la stabilité numérique. Ce paramètre est essentiel pour le calendrier de bruit cosinus (squaredcos_cap_v2).
• variance_type (str, facultatif) — À définir sur « learned » ou « learned_range » pour les modèles de diffusion qui prédisent la variance. Si défini, la sortie du modèle contient la variance gaussienne prédite.
• timestep_spacing (str, par défaut "linspace") — La manière dont les timesteps doivent être mis à l'échelle. Reportez-vous au Tableau 2 de l'article Common Diffusion Noise Schedules and Sample Steps are Flawed pour plus d'informations.
• steps_offset (int, par défaut 0) — Un décalage ajouté aux étapes d'inférence, tel que requis par certaines familles de modèles.

Paramètres

• prev_sample (torch.Tensor de forme (batch_size, num_channels, height, width) pour les images) — Échantillon calculé (x_{t-1}) de l'étape temporelle précédente. prev_sample doit être utilisé comme entrée du modèle suivante dans la boucle de débruitage.