ConditionedTransitionBlock类的核心功能是对输入特征进行非线性变换，并通过条件输入（s）自适应地调整特征的表示。
主要模块包括：

1. 自适应层归一化（ada_ln）：用于动态调整特征分布。
2. 两组线性变换（hidden_gating_linear 和 hidden_linear）：用于构造特征空间中的非线性变化。
3. 输出线性变换（output_linear 和 output_gating_linear）：控制最终输出特征，并加入门控机制（Gating）。

源代码：

class ConditionedTransitionBlock(nn.Module):"""SwiGLU transition block with adaptive layer norm."""def __init__(self,input_dim: int,n: int = 2):"""Args:input_dim:Channels of the input tensorn:channel expansion factor for hidden dimensions"""super(ConditionedTransitionBlock, self).__init__()self.ada_ln = AdaLN(input_dim)self.hidden_gating_linear = LinearNoBias(input_dim, n * input_dim, init='relu')self.hidden_linear = LinearNoBias(input_dim, n * input_dim, init='default')self.output_linear = Linear(input_dim * n, input_dim, init='default')self.output_gating_linear = Linear(input_dim, input_dim, init='gating')self.output_gating_linear.bias = nn.Parameter(torch.ones(input_dim) * -2.0)  # gate values will be ~0.11def forward(self, a, s):a = self.ada_ln(a, s)b = F.silu(self.hidden_gating_linear(a)) * self.hidden_linear(a)# Output projection (from adaLN-Zero)a = F.sigmoid(self.output_gating_linear(s)) * self.output_linear(b)return a

源码解读：

__init__ 方法：初始化模块