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（"linear"、"scaled_linear" 或 "squaredcos_cap_v2"，默认为 "linear"）—— beta 调度，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。
• solver_order (int，默认为 2) — UniPC 的阶数，可以是任意正整数。由于 UniC 的存在，有效精度阶数为 solver_order + 1。 建议在有引导采样时使用 solver_order=2，在无引导采样时使用 solver_order=3。
• prediction_type ("epsilon", "sample", "v_prediction", or "flow_prediction", 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), v_prediction(see section 2.4 of [Imagen Video](https://huggingface.co/papers/2210.02303) paper), orflow_prediction`.
• 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 且 predict_x0=True 时有效。
• predict_x0 (bool，默认为 True) — 是否对预测的 x0 使用更新算法。
• solver_type（"bh1" 或 "bh2"，默认为 "bh2"）— UniPC 的求解器类型。当步数 < 10 时，建议对无条件采样使用 bh1，否则使用 bh2。
• lower_order_final (bool，默认值为 True) — 是否在最后几步使用低阶求解器。仅适用于少于 15 个推理步数的情况。这可以稳定 DPMSolver 在少于 15 步时的采样，尤其是在步数小于等于 10 时。
• disable_corrector (list，默认值为 []) — 决定在哪些步骤禁用校正器，以缓解 epsilon_theta(x_t, c) 与 epsilon_theta(x_t^c, c) 之间的错位，这种错位可能会影响较大 guidance scale 下的收敛。通常在前几步中禁用校正器。
• solver_p (SchedulerMixin，默认值为 None) — 如果指定了其他调度器，算法将变为 solver_p + UniC。
• use_karras_sigmas (bool，可选，默认为 False) — 是否在采样过程的噪声调度中使用 Karras sigmas 来确定步长。如果为 True，则 sigmas 将根据噪声水平序列 {σi} 确定。
• use_exponential_sigmas (bool，可选，默认为 False) — 在采样过程中，噪声调度的步长是否使用指数 sigmas。
• use_beta_sigmas (bool, optional, defaults to False) — Whether to use beta sigmas for step sizes in the noise schedule during the sampling process. Refer to Beta Sampling is All You Need for more information.
• use_flow_sigmas (bool，可选，默认为 False) — 在采样过程中，是否在噪声调度中使用 flow sigmas 作为步长。
• timestep_spacing（"linspace"、"leading" 或 "trailing"，默认为 "linspace"） — 时间步的缩放方式。更多信息请参阅 常见的扩散噪声调度和采样步骤存在缺陷 中的表 2。
• 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。
• final_sigmas_type（"zero" 或 "sigma_min"，默认为 "zero"）— 采样过程中噪声调度的最终 sigma 值。如果为 "sigma_min"，则最终 sigma 与训练调度中的最后一个 sigma 相同。如果为 zero，则最终 sigma 设为 0。
• 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。

参数

• prev_sample（对于图像，形状为 (batch_size, num_channels, height, width) 的 torch.Tensor）— 前一时间步的已计算样本 (x_{t-1})。在去噪循环中，应将 prev_sample 用作下一个模型输入。