عُقدة `UNetCrossAttentionMultiply` تطبق عوامل ضرب على آلية الانتباه المتقاطع في نموذج UNet. تتيح لك تغيير مقياس مكونات الاستعلام والمفتاح والقيمة والمخرجات لطبقات الانتباه المتقاطع لتجربة سلوكيات وتأثيرات انتباه مختلفة.

## المدخلات

| المعامل | الوصف | نوع البيانات | إلزامي | النطاق |
| --- | --- | --- | --- | --- |
| `النموذج` | نموذج UNet المراد تعديله بعوامل تغيير مقياس الانتباه | MODEL | نعم | - |
| `q` | عامل تغيير المقياس لمكونات الاستعلام في الانتباه المتقاطع (القيمة الافتراضية: 1.0) | FLOAT | لا | 0.0 - 10.0 |
| `k` | عامل تغيير المقياس لمكونات المفتاح في الانتباه المتقاطع (القيمة الافتراضية: 1.0) | FLOAT | لا | 0.0 - 10.0 |
| `v` | عامل تغيير المقياس لمكونات القيمة في الانتباه المتقاطع (القيمة الافتراضية: 1.0) | FLOAT | لا | 0.0 - 10.0 |
| `الناتج` | عامل تغيير المقياس لمكونات المخرجات في الانتباه المتقاطع (القيمة الافتراضية: 1.0) | FLOAT | لا | 0.0 - 10.0 |

## المخرجات

| اسم المخرج | الوصف | نوع البيانات |
| --- | --- | --- |
| `النموذج` | نموذج UNet المعدل بمكونات انتباه متقاطع ذات مقياس مُغيّر | MODEL |

> تم إنشاء هذه الوثيقة بواسطة الذكاء الاصطناعي. إذا وجدت أي أخطاء أو لديك اقتراحات للتحسين، فلا تتردد في المساهمة! [تحرير على GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/UNetCrossAttentionMultiply/ar.md)

---
**Source fingerprint (SHA-256):** `2623858c11e93ab5952194670c9e4ea74bba4e2ea32089540665eea361dc1491`