Lehrplan Lektion 190 von 246 · Modul 17: Rauschen rein, Bilder raus (Diffusion)
Modul 17: Rauschen rein, Bilder raus (Diffusion)

Steuerung der Probe (classifier-free guidance)

Warum das wichtig ist "Zeichne eine 7" funktioniert wegen einer Zeile Arithmetik. Jedes Text-zu-Bild-Modell nutzt sie, um Bilder dem Prompt folgen zu lassen, und dieselbe Zeile erklärt, warum das zu stark Erhöhen die Bilder schlechter macht.

Das Ziffernmodell wurde mit seinem Label trainiert, und zu 15% der Zeit mit dem versteckten Label (ein "no label" Token, difflab.NULL). So kann ein Netzwerk das Rauschen in beide Richtungen vorhersagen. Classifier-free guidance (Ho und Salimans, 2022) mischt sie:

eps = (1 + w) eps_with_label - w eps_without_label

Der Unterschied eps_with_label - eps_without_label deutet auf "mehr wie dieses Label" hin. w = 0 ist einfaches bedingtes Sampling; ein größeres w drückt stärker. Schau dir die Szene an: der gleiche Noise, gezogen mit w = 0, 1, 2 und 4.

Wörter und Symbole in dieser Lektion
eps
das Glockenkurven-Rauschen, das hinzugefügt wurde; das Netzwerk lernt es vorherzusagen
DDIM
Sampling durch Springen zwischen einigen Schritten, ohne frisches Rauschen
classifier-free guidance
(1 + w) x Rauschen vorhergesagt mit dem Label - w x Rauschen vorhergesagt ohne es
Du bist dran

Schreibe guided(model, x, t, labels, w). Fülle dann table: für w in 0, 1, 2 und 4, den Anteil von 500 samples (20 DDIM steps, die laut der letzten Lektion genauso gut sind wie 100 DDIM steps), die als die angeforderte Ziffer gelesen wurden, und ihre Nähe. Setze best_w auf das w mit der besten (niedrigsten) Nähe unter denen, die mindestens 0.99 angeforderte erreichen.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.