Hugging Face's logo

Diffusers documentation

MiniMaxH3Scheduler

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

MiniMaxH3Scheduler

MiniMaxH3Scheduler es el planificador Euler de flujo rectificado (eta = 0) con un desplazamiento exponencial de sigma utilizado por MiniMax-H3, sigma' = s * sigma / (1 + (s - 1) * sigma).

Los pipelines de MiniMax-H3 registran dos de ellos, porque los latentes de video y de audio siguen dos agendas diferentes dentro de una sola llamada al transformer por paso: scheduler lleva la agenda de video (shift=12.0 en los puntos de control publicados) y audio_scheduler la de audio (shift=3.0).

MiniMaxH3Scheduler

clase diffusers.MiniMaxH3Scheduler

< >

( shift: float = 12.0stochastic_sampling: bool = Falseshift_provided_sigmas: bool | None = None )

Parámetros

  • shift (float, valor predeterminado 12.0) — Desplazamiento exponencial aplicado a la cuadrícula de sigma, sigma' = s*sigma / (1 + (s-1)*sigma). Los puntos de control publicados utilizan 12.0 para los latentes de video y 3.0 para los latentes de audio.
  • stochastic_sampling (bool, por defecto False) — Sustituye la mezcla de Euler por una actualización de re-ruído: predice la muestra limpia y luego la vuelve a ruidar hasta la siguiente sigma con ruido nuevo. Los adaptadores de pocos pasos de Pika H3 Flex se entrenaron para esta actualización; los puntos de control base no.
  • shift_provided_sigmas (bool, opcional) — Indica si los sigmas explícitos pasados a set_timesteps() son una cuadrícula base que el programador desplaza, como su cuadrícula linspace, o un programa terminado que se toma tal cual. Si no se establece, se toma tal cual con una advertencia de obsolescencia; el valor predeterminado será True en 0.44.0.

Planificador Euler de flujo rectificado (eta = 0) con un desplazamiento exponencial de sigma, tal como lo utiliza MiniMax-H3.

index_for_timestep

< >

( timestep: typing.Union[float, torch.Tensor] ) → int

Parámetros

  • timestep (float o torch.Tensor) — Un valor tomado de self.timesteps. La programación es estrictamente creciente en t, por lo que la coincidencia es única.

Devuelve

int

El índice de timestep.

Mapea un valor de paso de tiempo a su índice en la programación.

scale_noise

< >

( sample: FloatTensortimestep: typing.Union[float, torch.FloatTensor]noise: FloatTensor ) → torch.FloatTensor

Parámetros

  • sample (torch.FloatTensor) — La muestra limpia x_0.
  • timestep (float o torch.FloatTensor) — El tiempo objetivo en [0, 1]; 1 devuelve sample sin cambios.
  • noise (torch.FloatTensor) — El ruido que se va a mezclar.

Devuelve

torch.FloatTensor

La muestra con ruido.

Proceso de avance de flujo rectificado, según la convención de t de MiniMax-H3: x_t = t*x_0 + (1 - t)*noise.

MiniMax-H3 utiliza esto para añadir ruido a sus anclas de condicionamiento, donde t es el nivel noise_aug y no una entrada del programa, por lo que timestep se toma tal cual y no se busca en self.timesteps.

set_begin_index

< >

( begin_index: int = 0 )

Parámetros

  • begin_index (int, por defecto 0) — El índice inicial del programador.

Establece el índice inicial del programador.

set_shift

< >

( shift: float )

Parámetros

  • shift (float) — El desplazamiento exponencial a utilizar para el siguiente programa.

Anula el desplazamiento de sigma configurado; llámalo antes de set_timesteps().

MiniMax-H3 expone esto por solicitud como flow_shift (vídeo) / audio_flow_shift (audio).

set_timesteps

< >

( num_inference_steps: int | None = Nonedevice: typing.Union[str, torch.device, NoneType] = Nonesigmas: typing.Union[list[float], torch.Tensor, NoneType] = None )

Parámetros

  • num_inference_steps (int, opcional) — Número de puntos de la cuadrícula de sigma, incluido el terminal 0. Se ignora cuando se proporciona sigmas.
  • device (str o torch.device, opcional) — Dispositivo al que se mueven los tensores de la programación. La cuadrícula en sí siempre se construye en CPU en float32 para que la programación no dependa del acelerador.
  • sigmas (list[float] o torch.Tensor, opcional) — Una cuadrícula explícita, estrictamente decreciente y que termina en 0.0. Con shift_provided_sigmas=True, es una cuadrícula base en [0, 1] que pasa por el desplazamiento igual que la cuadrícula linspace; de lo contrario, se utiliza tal cual (valor predeterminado obsoleto).

Construir la programación de sigma / timestep.

La cuadrícula es linspace(1, 0, num_inference_steps) pasada a través del desplazamiento exponencial, con los duplicados consecutivos colapsados, o los sigmas explícitos, desplazados también cuando se establece shift_provided_sigmas. El 0 terminal ya forma parte de la cuadrícula: el desplazamiento mapea 0 exactamente a 0, por lo que la programación mantiene num_inference_steps sigmas y dirige num_inference_steps - 1 evaluaciones del modelo, expuestas como self.timesteps = 1 - sigmas[:-1].

paso

< >

( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensorgenerator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → MiniMaxH3SchedulerOutput or tuple

Parámetros

  • model_output (torch.FloatTensor) — La predicción de velocidad del transformer en timestep.
  • timestep (float o torch.FloatTensor) — El paso de tiempo actual, uno de self.timesteps (por lo que timestep == 1 - sigma).
  • sample (torch.FloatTensor) — La muestra actual x_t.
  • generator (torch.Generator, opcional) — El generador del que se extrae el ruido nuevo con stochastic_sampling; no se utiliza en caso contrario.
  • return_dict (bool, por defecto True) — Si se debe devolver un MiniMaxH3SchedulerOutput en lugar de una tupla simple.

Devuelve

MiniMaxH3SchedulerOutput o tuple

la muestra para el siguiente paso.

Realiza un paso de Euler (eta = 0) o un paso de re-ruido con stochastic_sampling.

La salida del modelo es una velocidad data-ward, por lo que la estimación desruidada es x0 = x_t + (1 - t) * v — fíjate en el +, que es lo contrario de la convención habitual de flow-match. La actualización es entonces la mezcla x_next = r*x_t + (1 - r)*x0 con r = sigma_next / sigma, evaluada en float32 para muestras de media precisión. Con stochastic_sampling la actualización es x_next = (1 - sigma_next) * x0 + sigma_next * noise con ruido nuevo de generator, todo en float32, de modo que el último paso (sigma_next = 0) devuelve x0.

MiniMaxH3SchedulerOutput

clase diffusers.schedulers.scheduling_minimax_h3.MiniMaxH3SchedulerOutput

< >

( prev_sample: FloatTensor )

Parámetros

  • prev_sample (torch.FloatTensor) — Muestra calculada x_{t+1} para el siguiente paso del bucle de desruido.

Clase de salida para la función step del programador.

Update on GitHub

←LMSDiscreteScheduler PiflowScheduler→