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
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.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.