Hugging Face's logo

Diffusers documentation

RFD4ProteinaScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

RFD4ProteinaScheduler

RFD4ProteinaScheduler es el muestreador de flujo con puntuación temporal reescalada de RFD4-Proteína para una modalidad. El pipeline utiliza dos instancias, una para el backbone (bb_ca, coordenadas en nanómetros) y otra para los latentes locales por token (local_latents), cada una con su propio calendario de tiempo, calendario de ruido y reescalado. Consulte RFD4ProteinaPipeline para el bucle de muestreo.

RFD4ProteinaScheduler

clase diffusers.RFD4ProteinaScheduler

< >

( schedule_mode: strnoise_mode: strtsr_k: floattsr_sigma: floattail_steps: int = 10tail_step_multiplier: int = 2t_lim_ode: float = 0.95t_lim_ode_below: float = 0.02 )

Parámetros

  • schedule_mode (str) — Espaciado de los tiempos entre ruido y datos: "log" o "power".
  • noise_mode (str) — Forma del ruido inyectado en la ventana estocástica: "1/t" o "tan".
  • tsr_k (float) — Hasta qué punto baja la temperatura de muestreo; cuanto mayor sea, más baja será.
  • tsr_sigma (float) — Velocidad a la que se alcanza la temperatura baja; un valor más alto indica una velocidad mayor.
  • tail_steps (int, por defecto 10) — Número de intervalos finales que son más finos que el resto por tail_step_multiplier.
  • tail_step_multiplier (int, por defecto 2) — Qué tan finos son los intervalos finales.
  • t_lim_ode (float, por defecto 0.95) — Por encima de este tiempo, el paso es determinista.
  • t_lim_ode_below (float, por defecto 0.02) — Por debajo de este tiempo, el paso es determinista.

Muestreador de flujo con puntuación temporal reescalada para una modalidad de RFD4-Proteína.

El pipeline integra dos modalidades, el backbone y los latentes locales por token, con un programador cada uno. Difieren en su programación temporal, programación de ruido y reescalado.

Llama a set_timesteps antes de muestrear. Los tiempos aumentan desde el ruido hacia los datos limpios. Un programador (scheduler) rastrea el intervalo actual y no debe compartirse entre generaciones concurrentes.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device, NoneType] = Nonestart_time: float | None = None )

Parámetros

  • num_inference_steps (int) — Número de intervalos de integración.
  • device (str o torch.device, opcional) — Dispositivo para timesteps. Las longitudes de intervalo y los coeficientes de ruido permanecen en la CPU.
  • start_time (float, opcional) — Tiempo de inicio de la difusión parcial en [0, 1). Omitir para una generación completa.

Resuelve el plan y restablece el cursor de integración.

add_noise

< >

( original_samples: Tensornoise: Tensortimesteps: typing.Union[float, torch.Tensor] )

Parámetros

  • original_samples (torch.Tensor) — Estado limpio (batch, tokens, D).
  • noise (torch.Tensor) — Ruido de la misma forma, generado por el llamador.
  • timesteps (float o torch.Tensor) — Tiempo en [0, 1), un escalar o (batch,).

Muestree la marginal hacia adelante (1 - t) * noise + t * clean.

paso

< >

( model_output: Tensortimestep: Tensorsample: Tensoremit_mask: Tensorgenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaSchedulerOutput or tuple

Parámetros

  • model_output (torch.Tensor) — Velocidad predicha, con la misma forma que sample.
  • timestep (torch.Tensor) — El siguiente elemento de timesteps. Se rechazan los pasos fuera de orden.
  • sample (torch.Tensor) — Estado actual (B, N, D).
  • emit_mask (torch.Tensor) — Booleano (B, N), verdadero para los tokens que se actualizan (no son contexto ni relleno).
  • generator (torch.Generator o list[torch.Generator], opcional) — Un generador para una sola fila o generadores distintos para cada fila del lote. Si se omiten, se utiliza el flujo global.
  • return_dict (bool, por defecto True) — Devuelve RFD4ProteinaSchedulerOutput; de lo contrario, una tupla de un elemento que contiene el estado.

Devuelve

RFD4ProteinaSchedulerOutput o tuple

El estado actualizado.

Avance un intervalo de integración y actualice step_index.

RFD4ProteinaSchedulerOutput

clase diffusers.schedulers.scheduling_rfd4_proteina.RFD4ProteinaSchedulerOutput

< >

( prev_sample: Tensor )

Parámetros

  • prev_sample (torch.Tensor) — El estado después del paso, con forma (B, N, D): D es 3 para el backbone (coordenadas en nanómetros) y el ancho latente para los latentes locales.

Estado actualizado de una modalidad.

Update on GitHub

←RePaintScheduler ScoreSdeVeScheduler→