# SkyReelsV2Transformer3DModel

تم تقديم نموذج [SkyReels-V2](https://github.com/SkyworkAI/SkyReels-V2)، وهو نموذج Diffusion Transformer للبيانات المشابهة للفيديو ثلاثي الأبعاد، من قِبل Skywork AI.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import SkyReelsV2Transformer3DModel

transformer = SkyReelsV2Transformer3DModel.from_pretrained("Skywork/SkyReels-V2-DF-1.3B-540P-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

#### diffusers.SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

```python
diffusers.SkyReelsV2Transformer3DModel(patch_size: tuple = (1, 2, 2), num_attention_heads: int = 16, attention_head_dim: int = 128, in_channels: int = 16, out_channels: int = 16, text_dim: int = 4096, freq_dim: int = 256, ffn_dim: int = 8192, num_layers: int = 32, cross_attn_norm: bool = True, qk_norm: str | None = 'rms_norm_across_heads', eps: float = 1e-06, image_dim: int | None = None, added_kv_proj_dim: int | None = None, rope_max_seq_len: int = 1024, pos_embed_seq_len: int | None = None, inject_sample_info: bool = False, num_frame_per_block: int = 1)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L518)

**المعاملات:**

patch_size (`tuple[int]`، القيمة الافتراضية `(1, 2, 2)`) : أبعاد الباتش ثلاثية الأبعاد لتضمين الفيديو (t_patch, h_patch, w_patch).

num_attention_heads (`int`، القيمة الافتراضية `16`) : طول ثابت لتضمينات النص.

attention_head_dim (`int`، القيمة الافتراضية `128`) : عدد القنوات في كل رأس.

in_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المدخلات.

out_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المخرجات.

text_dim (`int`، القيمة الافتراضية `4096`) : بُعد الإدخال لتضمينات النص.

freq_dim (`int`، القيمة الافتراضية `256`) : الأبعاد الخاصة بالتضمينات الزمنية الجيبية.

ffn_dim (`int`، القيمة الافتراضية `8192`) : البُعد الوسيط في الشبكة الأمامية.

num_layers (`int`، القيمة الافتراضية `32`) : عدد طبقات كتل التحويل (transformer blocks) المستخدمة.

window_size (`tuple[int]`، القيمة الافتراضية `(-1, -1)`) : حجم النافذة للانتباه المحلي (القيمة -1 تشير إلى الانتباه العام).

cross_attn_norm (`bool`، القيمة الافتراضية `True`) : تفعيل تطبيع الانتباه المتقاطع.

qk_norm (`str`، *اختياري*، الافتراضي `"rms_norm_across_heads"`) : تفعيل تطبيع الاستعلام/المفتاح.

eps (`float`، القيمة الافتراضية `1e-6`) : قيمة إبسيلون لطبقات التطبيع.

inject_sample_info (`bool`، القيمة الافتراضية `False`) : ما إذا كان سيتم حق معلومات العينة في النموذج.

image_dim (`int`، *اختياري*) : بُعد تمثيلات الصور.

added_kv_proj_dim (`int`، *اختياري*) : بُعد الإسقاط المُضاف للمفتاح/القيمة.

rope_max_seq_len (`int`، القيمة الافتراضية `1024`) : الحد الأقصى لطول التسلسل للتضمينات الدورانية.

pos_embed_seq_len (`int`، *اختياري*) : طول التسلسل للتضمينات الموضعية.

نموذج Transformer لبيانات تشبه الفيديو، يُستخدم في نموذج SkyReels-V2 المبني على Wan.

#### forward[[diffusers.SkyReelsV2Transformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_hidden_states_image: typing.Optional[torch.Tensor] = None, enable_diffusion_forcing: bool = False, fps: typing.Optional[torch.Tensor] = None, return_dict: bool = True, attention_kwargs: dict[str, typing.Any] | None = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L633)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, num_channels, num_frames, height, width)`) : مدخلات `hidden_states`.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

encoder_hidden_states_image (`torch.Tensor`، *اختياري*) : تضمينات الصور الشرطية لتوليد مشروط بالصور.

enable_diffusion_forcing (`bool`، *اختياري*، الافتراضي `False`) : ما إذا كان سيتم تفعيل إجبار الانتشار (إخفاء سببي لكل كتلة).

fps (`torch.Tensor`، *اختياري*) : تضمين تكييف FPS.

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` بدلاً من tuple عادي.

attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [SkyReelsV2Transformer3DModel](/docs/diffusers/main/ar/api/models/skyreels_v2_transformer_3d#diffusers.SkyReelsV2Transformer3DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel).