# JoyImageEditPlusTransformer3DModel

El modelo se puede cargar con el siguiente fragmento de código.

```python
from diffusers import JoyImageEditPlusTransformer3DModel

transformer = JoyImageEditPlusTransformer3DModel.from_pretrained("jdopensource/JoyAI-Image-Edit-Plus-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

#### diffusers.JoyImageEditPlusTransformer3DModel[[diffusers.JoyImageEditPlusTransformer3DModel]]

```python
diffusers.JoyImageEditPlusTransformer3DModel(patch_size: list[int] = [1, 2, 2], in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 3072, num_attention_heads: int = 24, text_dim: int = 4096, mlp_width_ratio: float = 4.0, num_layers: int = 20, rope_dim_list: list[int] = [16, 56, 56], rope_type: str = 'rope', theta: int = 256)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L317)

**Parámetros:**

patch_size (`list`, por defecto `[1, 2, 2]`) : Tamaño del parche para aplicar patchify a la entrada latente a lo largo de las dimensiones `(t, h, w)`.

in_channels (`int`, por defecto `16`) : El número de canales en el latente de entrada.

out_channels (`int`, *opcional*, valor predeterminado `None`) : El número de canales en la salida. Si no se especifica, el valor predeterminado es `in_channels`.

hidden_size (`int`, por defecto `3072`) : La dimensionalidad de las representaciones ocultas.

num_attention_heads (`int`, por defecto `24`) : El número de cabezas de atención.

text_dim (`int`, por defecto `4096`) : La dimensionalidad de la salida del codificador de texto.

mlp_width_ratio (`float`, por defecto `4.0`) : La proporción de la dimensión oculta de MLP respecto a `hidden_size`.

num_layers (`int`, por defecto `20`) : El número de bloques de transformador de doble flujo.

rope_dim_list (`list[int]`, por defecto `[16, 56, 56]`) : Las dimensiones para los embeddings posicionales rotatorios 3D a lo largo de `(t, h, w)`.

rope_type (`str`, por defecto `"rope"`) : El tipo de incrustación posicional rotativa.

theta (`int`, por defecto `256`) : La frecuencia base para las incrustaciones rotativas.

JoyImage Edit Plus Transformer para la edición de múltiples imágenes.

Utiliza un enfoque de patchify+padding en el que cada imagen de referencia y el ruido objetivo se patchifican de forma independiente y se concatenan en una secuencia plana de parches. Admite imágenes de referencia con resolución variable.

Formato de entrada: `[B, max_patches, C, pt, ph, pw]` (6D parches rellenos).

#### forward[[diffusers.JoyImageEditPlusTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_hidden_states_mask: typing.Optional[torch.Tensor] = None, shape_list: list[list[tuple[int, int, int]]] = None, return_dict: bool = True)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_joyimage_edit_plus.py#L444)

**Parámetros:**

hidden_states : [B, max_patches, C, pt, ph, pw] - entrada latente en parches.

timestep : [B] - paso de difusión.

encoder_hidden_states : [B, L, D] - salidas del codificador de texto.

encoder_hidden_states_mask : [B, L] - máscara de atención para los tokens de texto.

shape_list : Lista por muestra de tuplas (t, h, w) para cada componente (objetivo + referencias).

return_dict : Si se debe devolver un diccionario o una tupla.

**Devuelve:**

Si `return_dict` es True, se devuelve un [Transformer2DModelOutput](/docs/diffusers/v0.43.0/es/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput); en caso contrario, se devuelve una `tuple` cuyo primer elemento es el tensor de la muestra.

## 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)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/modeling_outputs.py#L21)

**Parámetros:**

sample (`torch.Tensor` de forma `(batch_size, num_channels, height, width)` o `(batch size, num_vector_embeds - 1, num_latent_pixels)` si [Transformer2DModel](/docs/diffusers/v0.43.0/es/api/models/transformer2d#diffusers.Transformer2DModel) es discreto): las salidas de estados ocultos condicionadas a la entrada `encoder_hidden_states`. Si es discreto, devuelve distribuciones de probabilidad para los píxeles latentes sin ruido.

La salida de [Transformer2DModel](/docs/diffusers/v0.43.0/es/api/models/transformer2d#diffusers.Transformer2DModel).