Kurrikulum Leson 187 van 246 · Module 17: Ruis in, prente uit (diffusion)
Module 17: Ruis in, prente uit (diffusion)

Vertel vir die model watter stap dit is

Waarom dit saak maak Dieselfde raserige punt het 'n klein korreksie nodig by stap 5 en 'n groot een by stap 90. 'n Netwerk wat nie vertel word van die stap nie, moet dit uit die punt alleen raai. Hoe jy dit vertel is 'n ontwerpkeuse, en die bekende keuse is nie altyd die beste een nie.

Drie maniere (difflab.time_input):

  • none: die netwerk sien net die punt.
  • raw: een ekstra nommer, t / T.
  • sine: 8 sines en 8 cosines van t / T by frekwensies van 1 tot 100, wat die embedding transformers vir posisies gebruik. Groot beeldmodelle gebruik dit, want baie frekwensies laat 'n diep netwerk skerp reageer op klein veranderinge in t.

Die opgeneemde runs train elk een op die spiraal, 3 seeds. Vergelyk hulle met Module 9 se reël: 'n instelling wen 'n ander wanneer sy gemiddelde on-shape score ten minste 0.1 hoër is EN dit is hoër op elke seed (3 van 3).

Woorde en simbole in hierdie les
vorm, dekking
die 2D-regter: deel van monsters naby die werklike vorm, en deel van die vorm met 'n monster naby dit
Jou beurt

Skryf sine_time(t, T) wat die 16 nommers per stap teruggee (sinne eerste, dan kosinussen, frekwensies np.exp(np.linspace(0, np.log(100), 8))). Skryf dan beats(a, b) vir twee aangegifde instellingsname, en vul verdicts in vir raw vs none, sine vs none en sine vs raw.

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.