توجيه العينة (classifier-free guidance)
لماذا هذا مهم "ارسم 7" تعمل بسبب سطر واحد من الحسابات. كل نموذج تحويل النص إلى صورة يستخدمه لجعل الصور تتبع الأمر، والسطر نفسه يوضح لماذا يؤدي زيادته بشكل مفرط إلى جعل الصور أسوأ.
تم تدريب نموذج الأرقام مع تسميته، و15% من الوقت مع إخفاء التسمية (رمز "بدون تسمية"، difflab.NULL). لذا يمكن لشبكة واحدة التنبؤ بالضجيج بكلتا الطريقتين. Classifier-free guidance (Ho and Salimans, 2022) يمزج بينهما:
eps = (1 + w) eps_with_label - w eps_without_label
يشير الفرق eps_with_label - eps_without_label نحو "أكثر شبهاً بهذا التصنيف". قيمة w = 0 تعني أخذ عينات شرطية بسيطة؛ بينما تدفع قيمة w الأكبر بقوة أكبر. راقب المشهد: نفس الضجيج المستخرج باستخدام w = 0، 1، 2، و 4.
الكلمات والرموز في هذا الدرس
- eps
- ضجيج المنحنى الجرس الذي تمت إضافته؛ تتعلم الشبكة التنبؤ به
- DDIM
- أخذ العينات عن طريق القفز بين خطوات قليلة، بدون ضوضاء جديدة
- التوجيه الخالي من المصنف
- (1 + w) x الضوضاء المتوقعة مع التسمية - w x الضوضاء المتوقعة بدونها
اكتب guided(model, x, t, labels, w). ثم املأ table: لكل w في 0، 1، 2 و 4، حصة 500 عينة (20 خطوة DDIM، والتي أظهر الدرس الأخير أنها جيدة مثل 100 خطوة DDIM) التي قرئت كالهضم المطلوب، وقربها. اضبط best_w على w ذات القرب الأفضل (الأقل) بين تلك التي تصل إلى 0.99 مطلوب على الأقل.
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.