参数

• num_train_timesteps (int，默认为 1000) — 用于训练模型的扩散步数。
• beta_start (float，默认为 0.0001) — 推理的起始 beta 值。
• beta_end (float，默认为 0.02) — 最终的 beta 值。
• beta_schedule (str，默认为 "linear") — Beta 调度策略，即将 beta 范围映射为用于模型步进的一系列 beta 值。可选 linear、scaled_linear 或 squaredcos_cap_v2。
• trained_betas (np.ndarray, 可选) — 直接传入 betas 数组到构造函数中，以绕过 beta_start 和 beta_end。
• clip_sample (bool，默认为 True) — 对预测样本进行裁剪，以确保数值稳定性。
• clip_sample_range (float，默认为 1.0) — 样本裁剪的最大幅度。仅在 clip_sample=True 时有效。
• set_alpha_to_one (bool，默认为 True) — 每个扩散步骤都会使用当前步骤和上一步骤的 alpha 乘积值。对于最后一步，不存在上一步的 alpha。当此选项为 True 时，上一步的 alpha 乘积固定为 1，否则使用步骤 0 的 alpha 值。
• steps_offset (int，默认为 0) — 添加到推理步数中的偏移量，某些模型系列需要此参数。
• prediction_type (str, defaults to epsilon, optional) — 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，默认为 False) — 是否使用“动态阈值”方法。此方法不适用于 Stable Diffusion 等潜在空间扩散模型。
• dynamic_thresholding_ratio (float，默认为 0.995) — 动态阈值化方法的比例。仅在 thresholding=True 时有效。
• sample_max_value (float，默认为 1.0) — 动态阈值化的阈值。仅在 thresholding=True 时有效。
• timestep_spacing (str, defaults to "leading") — The way the timesteps should be scaled. Refer to Table 2 of the Common Diffusion Noise Schedules and Sample Steps are Flawed for more information. Choose from leading, linspace or trailing.
• rescale_betas_zero_snr (bool，默认为 False) — 是否重新缩放 betas 以实现零终端 SNR。这使模型能够生成非常明亮和非常暗的样本，而不是将其限制在中等亮度的样本上。与 --offset_noise 大致相关。
• snr_shift_scale (float，默认为 3.0) — SNR 的偏移比例。