خطوات أقل (DDIM)
لماذا هذا مهم إجراء 100 استدعاء للشبكة لكل صورة هو أمر بطيء، والنماذج الحقيقية تستخدم 1000. يقوم DDIM (Song, Meng and Ermon, 2021) بتخطي الخطوات: فهو ينتقل من x_t مباشرة إلى خطوة سابقة بكثير، دون ضوضاء جديدة، باستخدام نفس الشبكة المدربة. ما هو أقل عدد من الخطوات التي يمكنك الاكتفاء بها؟
دُرّب نموذج الأرقام في الدورة مرة واحدة (difflab.recorded_digit_model()). يرسم difflab.sample_digits(model, labels, w=2.0, steps=k) صورة واحدة لكل تسمية بـ k خطوة DDIM (يشغّل steps=None خطوات DDPM المئة كلها). يقيّمها الحَكَم من الوحدة 15: القرب من أقرب رقم حقيقي (الأرقام الحقيقية 1.04).
توقّع المنحنى
قبل القياس، خمن القرب عند 2 و 5 و 10 و 20 و 100 خطوة. غالبا ما تقول الأوراق والتدوينات أن الجودة تنخفض بشكل ملحوظ تحت 50 خطوة. قم بقياسها على هذا النموذج.
الكلمات والرموز في هذا الدرس
- x0، x_t
- البيانات النظيفة، والبيانات نفسها بعد t خطوات من الضجيج
- eps
- ضجيج المنحنى الجرس الذي تمت إضافته؛ تتعلم الشبكة التنبؤ به
- DDPM
- أخذ عينات عن طريق العودة عبر كل خطوة، مع ضجيج جديد في كل مرة
- DDIM
- أخذ العينات عن طريق القفز بين خطوات قليلة، بدون ضوضاء جديدة
املأ
بـ my_guess (خمسة أرقام تقارب)، ثم املأ measured بقيمة التقارب الحقيقية عند كل عدد خطوة، واضبط fewest_good على أقل عدد من الخطوات التي يكون تقاربها ضمن 0.05 من نتيجة الـ 100 خطوة.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.