Temario Lección 190 de 246 · Módulo 17: Entra ruido, salen imágenes (difusión)
Módulo 17: Entra ruido, salen imágenes (difusión)

Dirigir la muestra (guía sin clasificador)

Por qué importa "Dibuja un 7" funciona gracias a una línea de aritmética. Todos los modelos de texto a imagen la usan para que las imágenes sigan la instrucción, y la misma línea explica por qué subirla demasiado empeora las imágenes.

El modelo de dígitos se entrenó con su etiqueta, y un 15% de las veces con la etiqueta oculta (un token de "sin etiqueta", difflab.NULL). Así que una sola red puede predecir el ruido de las dos maneras. La guía sin clasificador (Ho y Salimans, 2022) las mezcla:

eps = (1 + w) eps_with_label - w eps_without_label

La diferencia eps_with_label - eps_without_label apunta hacia "más parecido a esta etiqueta". w = 0 es el muestreo condicional normal; una w más grande empuja con más fuerza. Mira la escena: el mismo ruido dibujado con w = 0, 1, 2 y 4.

Palabras y símbolos de esta lección
eps
el ruido en forma de campana que se añadió; la red aprende a predecirlo
DDIM
muestrear saltando entre unos pocos pasos, sin ruido nuevo
guía sin clasificador
(1 + w) x el ruido predicho con la etiqueta - w x el ruido predicho sin ella
Tu turno

Escribe guided(model, x, t, labels, w). Luego rellena table: para w de 0, 1, 2 y 4, la proporción de 500 muestras (20 pasos de DDIM, que la lección anterior mostró que valen lo mismo que 100 pasos de DDIM) que se leen como el dígito pedido, y su cercanía. Pon en best_w la w con la mejor cercanía (la más baja) entre las que llegan al menos a 0.99 de pedidos.

¿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.