Kurrikulum Leson 190 van 246 · Module 17: Ruis in, prente uit (diffusion)
Module 17: Ruis in, prente uit (diffusion)

Stuur die voorbeeld (classifier-free guidance)

Waarom dit saak maak "Teken 'n 7" werk as gevolg van een reël rekenkunde. Elke teks-na-beeld model gebruik dit om prente te laat volg die prompt, en dieselfde reël verduidelik waarom dit te ver opdraai prente slegter maak.

Die siffermodel is met sy etiket opgelei, en 15% van die tyd met die etiket weggesteek ( 'n "geen etiket" token, difflab.NULL). So een netwerk kan die geraas beide weë voorspel. Classifier-free guidance (Ho and Salimans, 2022) meng hulle:

eps = (1 + w) eps_with_label - w eps_without_label

Die verskil eps_with_label - eps_without_label wys na "meer soos hierdie label". w = 0 is eenvoudige voorwaardelike monstering; 'n groter w stoot harder. Kyk na die toneel: dieselfde geraas getrek met w = 0, 1, 2 en 4.

Woorde en simbole in hierdie les
eps
die klokkurwe-geraas wat bygevoeg is; die netwerk leer om dit te voorspel
DDIM
monstering deur tussen 'n paar stappe te spring, sonder nuwe geraas
classifier-vrye leiding
(1 + w) x geraas voorspel met die etiket - w x geraas voorspel sonder dit
Jou beurt

Skryf guided(model, x, t, labels, w). Vul dan table in: vir w in 0, 1, 2 en 4, die deel van 500 monsters (20 DDIM steps, wat die laaste les getoon het is so goed soos 100 DDIM steps) wat as die versoekte syfer gelees word, en hulle nabyheid. Stel best_w in op die w met die beste (laagste) nabyheid onder dié wat ten minste 0.99 versoek bereik.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.