Diffusers documentation
PiflowScheduler
PiflowScheduler
PiflowScheduler は、蒸留済みの Kandinsky 6 チェックポイント（テキスト/画像から動画と音声への変換モデルおよび動画スーパーリゾリューションモデル）と、蒸留済みの Kandinsky S2V 1.0 チェックポイントで用いられる、ステップ数が少ないスケジューラーです。π-Flow を実装しており、トランスフォーマーが少数のグリッドポイントにおいて、潜在チャネルごとにn_grid 個のノイズ除去推定値を予測し、スケジューラーがそれらの間でネットワークを必要としないポリシーを積分します。
参照実装はLakonik/LakonLabで確認できます。
PiflowScheduler
クラス diffusers.PiflowScheduler
< source >( num_train_timesteps: int = 1000shift: float = 5.0n_grid: int = 10eps: float = 1e-06final_step_size_scale: float = 0.5num_policy_substeps: int = 128 )
パラメータ
- num_train_timesteps (
int、任意、デフォルト値は 1000)— 学習用の拡散ステップ数。 - shift (
float、任意、デフォルト値は 5.0) — Flow-matching のタイムステップシフト。 - n_grid (
int、任意、デフォルトは 10)— 拡張されたモデル出力に含まれる予測の数。 - eps (
float、任意、デフォルト値は 1e-6) — 最小タイムステップおよびポリシーの分母。 - final_step_size_scale (
float、任意、デフォルトは 0.5) — 最終的な生タイムステップ区間の相対的なサイズ。 - num_policy_substeps (
int、任意、デフォルトは 128) — 1 つの raw-timestep 単位あたりの最大 policy 統合サブステップ数。
出力幅を広げた拡散トランスフォーマー向けの、ステップ数が少ないPiFlowスケジューラー。
PiFlowは、少数のグリッドポイントでデノイジングモデルを評価し、それらの評価の間にネットワークフリーのポリシーを積分します。このスケジューラは、蒸留済みのKandinsky 6チェックポイント（メインの動画/音声モデルおよび動画スーパーリゾリューションモデルを含む）用に設計されています。これらのモデルの出力には、サンプルチャネルごとにn_grid個の予測が含まれます。
このスケジューラは SchedulerMixin と ConfigMixin を継承しています。すべてのスケジューラに実装されている汎用的なメソッド（読み込み、保存など）については、スーパークラスのドキュメントを参照してください。
set_timesteps
< source >( num_inference_steps: int | None = Nonedevice: typing.Union[str, torch.device, NoneType] = Nonesigmas: list[float] | None = Nonemu: float | None = Nonetimesteps: list[float] | None = None )
蒸留済み PiFlow のタイムステップスケジュールを設定します。
ステップ
< source >( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensorreturn_dict: bool = True ) → [PiflowSchedulerOutput] or tuple
パラメータ
- model_output (torch.FloatTensor) — サンプルの各チャネルに対して
n_grid個の予測を含む、幅広のモデル出力。 - timestep (float または torch.FloatTensor) — 現在のスケジューラのタイムステップ。
- sample (torch.FloatTensor) — 現在のノイズ付きサンプル。
- return_dict (bool、optional、デフォルトは True) — [PiflowSchedulerOutput] を返すかどうか。
戻り値
[PiflowSchedulerOutput] または tuple
更新されたサンプル。
PiFlow ポリシーを統合して、1ステップ進めます。
PiflowSchedulerOutput
クラス diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput
< source >( prev_sample: Tensor )
スケジューラーのstep関数の出力用のクラス。