本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑UNetTemporalAttentionMultiply 节点对时序 UNet 模型中的不同注意力机制应用乘法因子。它通过调整自注意力和交叉注意力层的权重来修改模型，并区分结构组件和时序组件。这使得可以精细调整每种注意力类型对模型输出的影响程度。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 待使用注意力乘法因子修改的输入模型 |
自我结构 | FLOAT | 否 | 0.0 - 10.0 | 自注意力结构组件的乘法因子（默认值：1.0） |
自我时间 | FLOAT | 否 | 0.0 - 10.0 | 自注意力时序组件的乘法因子（默认值：1.0） |
交叉结构 | FLOAT | 否 | 0.0 - 10.0 | 交叉注意力结构组件的乘法因子（默认值：1.0） |
交叉时间 | FLOAT | 否 | 0.0 - 10.0 | 交叉注意力时序组件的乘法因子（默认值：1.0） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
模型 | MODEL | 经过注意力权重调整后的修改模型 |
Source fingerprint (SHA-256):
98d62fb28a0cdf62154ae4e0b672b3a7bcb9ed61186a164a43992263c1f9439a