Parámetros

• num_train_timesteps (int, por defecto 1000) — El número de pasos de difusión para entrenar el modelo.
• beta_start (float, por defecto 0.00085) — El valor inicial de beta para la inferencia.
• beta_end (float, por defecto 0.012) — El valor final de beta.
• beta_schedule (str, por defecto "scaled_linear") — La programación de beta, un mapeo desde un rango de beta hasta una secuencia de betas para dar pasos al modelo. Elija entre linear, scaled_linear o squaredcos_cap_v2.
• trained_betas (np.ndarray o list[float], opcional) — Pase un array de betas directamente al constructor para omitir beta_start y beta_end.
• original_inference_steps (int, por defecto 50) — El número predeterminado de pasos de inferencia utilizados para generar un calendario de pasos de tiempo espaciados linealmente, del cual finalmente tomaremos num_inference_steps pasos de tiempo equiespaciados para formar el calendario de pasos de tiempo final.
• clip_sample (bool, por defecto False) — Recorta la muestra predicha para la estabilidad numérica.
• clip_sample_range (float, por defecto 1.0) — La magnitud máxima para el recorte de muestras. Solo es válido cuando clip_sample=True.
• set_alpha_to_one (bool, por defecto True) — Cada paso de difusión utiliza el valor del producto de alfas en ese paso y en el anterior. En el paso final no hay un alfa anterior. Cuando esta opción es True, el producto del alfa anterior se fija en 1; de lo contrario, se utiliza el valor de alfa del paso 0.
• steps_offset (int, por defecto 0) — Un desplazamiento que se suma a los pasos de inferencia, tal como lo requieren algunas familias de modelos.
• prediction_type (str, defaults to "epsilon") — 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, por defecto False) — Si se debe utilizar el método de “umbral dinámico”. No es adecuado para modelos de difusión en el espacio latente, como Stable Diffusion.
• dynamic_thresholding_ratio (float, por defecto 0.995) — La proporción para el método de umbral dinámico. Solo es válido cuando thresholding=True.
• sample_max_value (float, por defecto 1.0) — El valor umbral para el umbral dinámico. Solo es válido cuando thresholding=True.
• timestep_spacing (str, por defecto "leading") — La forma en que se deben escalar los pasos de tiempo. Consulte la tabla 2 de Common Diffusion Noise Schedules and Sample Steps are Flawed para obtener más información.
• timestep_scaling (float, por defecto 10.0) — El factor por el que se multiplicarán los timesteps al calcular las condiciones de frontera del modelo de consistencia c_skip y c_out. Aumentar este valor reducirá el error de aproximación (aunque el error de aproximación con el valor por defecto de 10.0 ya es bastante pequeño).
• rescale_betas_zero_snr (bool, por defecto False) — Si se deben reescalar los betas para tener un SNR terminal cero. Esto permite al modelo generar muestras muy brillantes y oscuras en lugar de limitarse a muestras con un brillo medio. Relacionado de forma laxa con --offset_noise.

Parámetros

• prev_sample (torch.Tensor de forma (batch_size, num_channels, height, width) para imágenes) — Muestra calculada (x_{t-1}) del paso de tiempo anterior. prev_sample debe usarse como entrada del modelo en el bucle de desruido.
• pred_noised_sample (torch.Tensor de forma (batch_size, num_channels, height, width) para imágenes, opcional) — La muestra con ruido predicha (x_{s}) basada en la salida del modelo del paso de tiempo actual.