Temario Lección 189 de 246 · Módulo 17: Entra ruido, salen imágenes (difusión)
Módulo 17: Entra ruido, salen imágenes (difusión)

Menos pasos (DDIM)

Por qué importa 100 llamadas a la red por imagen es lento, y los modelos reales usan 1000. DDIM (Song, Meng y Ermon, 2021) se salta pasos: salta de x_t directamente a un paso mucho anterior, sin ruido nuevo, usando la misma red entrenada. ¿Con qué pocos pasos te puedes apañar?

El modelo de dígitos del curso se entrenó una vez (difflab.recorded_digit_model()). difflab.sample_digits(model, labels, w=2.0, steps=k) dibuja una imagen por etiqueta con k pasos de DDIM (steps=None ejecuta los 100 pasos de DDPM). El juez del Módulo 15 las puntúa: la cercanía al dígito real más cercano (los dígitos reales, 1.04).

Predice la curva

Antes de medir, adivina la cercanía con 2, 5, 10, 20 y 100 pasos. Los artículos y las entradas de blog suelen decir que la calidad cae de forma visible por debajo de 50 pasos. Mídelo con este modelo.

Palabras y símbolos de esta lección
x0, x_t
los datos limpios, y los mismos datos después de t pasos de ruido
eps
el ruido en forma de campana que se añadió; la red aprende a predecirlo
DDPM
muestrear volviendo hacia atrás por todos los pasos, con ruido nuevo cada vez
DDIM
muestrear saltando entre unos pocos pasos, sin ruido nuevo
Tu turno

Rellena my_guess (cinco números de cercanía), luego rellena measured con la cercanía real para cada número de pasos, y pon en fewest_good el menor número de pasos cuya cercanía queda a menos de 0.05 del resultado con 100 pasos.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.