Hugging Face's logo

Diffusers documentation

RFD4ProteinaScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

RFD4ProteinaScheduler

RFD4ProteinaScheduler est l'échantillonneur de flux à score temporel rééchelonné de RFD4-Proteína pour une modalité. Le pipeline utilise deux instances, l'une pour le squelette (bb_ca, coordonnées en nanomètres) et l'autre pour les latents locaux par jeton (local_latents), chacune avec son propre calendrier temporel, son calendrier de bruit et son rééchelonnement. Voir RFD4ProteinaPipeline pour la boucle d'échantillonnage.

RFD4ProteinaScheduler

classe diffusers.RFD4ProteinaScheduler

< >

( schedule_mode: strnoise_mode: strtsr_k: floattsr_sigma: floattail_steps: int = 10tail_step_multiplier: int = 2t_lim_ode: float = 0.95t_lim_ode_below: float = 0.02 )

Paramètres

  • schedule_mode (str) — Espacement des temps entre le bruit et les données : "log" ou "power".
  • noise_mode (str) — Forme du bruit injecté dans la fenêtre stochastique : "1/t" ou "tan".
  • tsr_k (float) — À quel point la température d'échantillonnage est basse ; plus la valeur est élevée, plus la température est basse.
  • tsr_sigma (float) — Vitesse à laquelle la basse température est atteinte ; plus la valeur est élevée, plus la vitesse est rapide.
  • tail_steps (int, par défaut 10) — Nombre d'intervalles finaux qui sont plus fins que les autres d'un facteur tail_step_multiplier.
  • tail_step_multiplier (int, par défaut 2) — Le niveau de finesse des intervalles finaux.
  • t_lim_ode (float, par défaut 0.95) — Au-delà de ce temps, la étape est déterministe.
  • t_lim_ode_below (float, par défaut 0.02) — En dessous de cette valeur de temps, la étape est déterministe.

Échantillonneur de flux avec score temporel rééchelonné pour une modalité de RFD4-Proteína.

Le pipeline intègre deux modalités, le backbone et les latents locaux par jeton, chacune avec son propre planificateur. Ils diffèrent par leur calendrier temporel, leur calendrier de bruit et leur recalage.

Appel set_timesteps avant l'échantillonnage. Les temps augmentent du bruit vers les données propres. Un planificateur suit l'intervalle actuel et ne doit pas être partagé entre des générations concurrentes.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device, NoneType] = Nonestart_time: float | None = None )

Paramètres

  • num_inference_steps (int) — Nombre d'intervalles d'intégration.
  • device (str ou torch.device, facultatif) — Appareil pour timesteps. Les longueurs d'intervalle et les coefficients de bruit restent sur le CPU.
  • start_time (float, facultatif) — Heure de début de la diffusion partielle dans [0, 1). À omettre pour une génération complète.

Résoudre le planning et réinitialiser le curseur d'intégration.

add_noise

< >

( original_samples: Tensornoise: Tensortimesteps: typing.Union[float, torch.Tensor] )

Paramètres

  • original_samples (torch.Tensor) — État propre (batch, tokens, D).
  • noise (torch.Tensor) — Bruit de la même forme, tiré par l'appelant.
  • timesteps (float ou torch.Tensor) — Temps dans [0, 1), un scalaire ou (batch,).

Échantillonner la marginale avant (1 - t) * noise + t * clean.

étape

< >

( model_output: Tensortimestep: Tensorsample: Tensoremit_mask: Tensorgenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaSchedulerOutput or tuple

Paramètres

  • model_output (torch.Tensor) — Vitesse prédite, de même forme que sample.
  • timestep (torch.Tensor) — L’élément suivant de timesteps. Les étapes hors ordre sont rejetées.
  • sample (torch.Tensor) — État actuel (B, N, D).
  • emit_mask (torch.Tensor) — (B, N) booléen, vrai pour les jetons mis à jour (ni contexte ni bourrage).
  • generator (torch.Generator ou list[torch.Generator], facultatif) — Un générateur pour une seule ligne ou des générateurs distincts pour chaque ligne du lot. S'ils sont omis, le flux global est utilisé.
  • return_dict (bool, par défaut True) — Retourne RFD4ProteinaSchedulerOutput ; sinon, un tuple à un élément contenant l'état.

Retourne

RFD4ProteinaSchedulerOutput ou tuple

L'état mis à jour.

Avancez d'un intervalle d'intégration et mettez à jour step_index.

RFD4ProteinaSchedulerOutput

classe diffusers.schedulers.scheduling_rfd4_proteina.RFD4ProteinaSchedulerOutput

< >

( prev_sample: Tensor )

Paramètres

  • prev_sample (torch.Tensor) — L'état après l'étape, de forme (B, N, D) : D vaut 3 pour le backbone (coordonnées en nanomètres) et la largeur latente pour les latents locaux.

État mis à jour d'une modalité.

Update on GitHub

←RePaintScheduler ScoreSdeVeScheduler→