Diffusers documentation
LMSDiscreteScheduler
Comenzar
Inferencia
Uso de pipelines de difusión
Adaptadores y personalización
Optimizar y escalar
Rendimiento básico
Velocidad y memoria
Inferencia distribuida
Cuantización
Aceleración específica del hardware
Métodos de la comunidad
Diffusers modulares
Entrenar y ajustar
Recursos
Contribuir
API
Clases principales
Modular
Cargadores
Modelos
Pipelines
Planificadores
ResumenBlockRefinementSchedulerCMStochasticIterativeSchedulerCogVideoXDDIMSchedulerCogVideoXDPMSchedulerConsistencyDecoderSchedulerCosineDPMSolverMultistepSchedulerDDIMInverseSchedulerDDIMSchedulerDDPMSchedulerDEISMultistepSchedulerDiscreteDDIMSchedulerDPMSolverMultistepInverseDPMSolverMultistepSchedulerDPMSolverSDESchedulerDPMSolverSinglestepSchedulerEDMDPMSolverMultistepSchedulerEDMEulerSchedulerEntropyBoundSchedulerEulerAncestralDiscreteSchedulerEulerDiscreteSchedulerFlowMapEulerDiscreteSchedulerFlowMatchEulerDiscreteSchedulerFlowMatchHeunDiscreteSchedulerHeliosDMDSchedulerHeliosSchedulerHeunDiscreteSchedulerIPNDMSchedulerKDPM2AncestralDiscreteSchedulerKDPM2DiscreteSchedulerLCMSchedulerLMSDiscreteSchedulerMiniMaxH3SchedulerPiflowSchedulerPNDMSchedulerRePaintSchedulerRFD4ProteinaSchedulerScoreSdeVeSchedulerTCDSchedulerUniPCMultistepSchedulerVQDiffusionScheduler
Clases internas
LMSDiscreteScheduler
LMSDiscreteScheduler es un programador de múltiples pasos lineales para programaciones beta discretas. El programador fue portado y creado por Katherine Crowson, y la implementación original se puede encontrar en crowsonkb/k-diffusion.
LMSDiscreteScheduler
LMSDiscreteSchedulerOutput
clase diffusers.schedulers.scheduling_lms_discrete.LMSDiscreteSchedulerOutput
< source >( prev_sample: Tensorpred_original_sample: typing.Optional[torch.Tensor] = None )
Parámetros
- prev_sample (
torch.Tensorde forma(batch_size, num_channels, height, width)para imágenes) — Muestra calculada(x_{t-1})del paso de tiempo anterior.prev_sampledebe usarse como entrada del modelo en el bucle de desruido. - pred_original_sample (
torch.Tensorde forma(batch_size, num_channels, height, width)para imágenes) — La muestra desruidada predicha(x_{0})basada en la salida del modelo del paso de tiempo actual.pred_original_samplese puede usar para previsualizar el progreso o para la guía.
Clase de salida para la función step del programador.