سرفصل‌ها درس 190 از 246 · ماژول 17: نویز وارد، تصویر خارج (انتشار)
ماژول 17: نویز وارد، تصویر خارج (انتشار)

هدایت نمونه (هدایت بدون طبقه‌بند)

چرا مهم است «یک 7 بکش» به خاطر یک خط حساب کار می‌کند. هر مدل متن به تصویری از آن استفاده می‌کند تا تصاویر از درخواست پیروی کنند، و همان خط توضیح می‌دهد چرا بالا بردن بیش از حد آن تصاویر را بدتر می‌کند.

مدل رقم با برچسبش، و 15% مواقع با برچسب پنهان (یک توکن «بدون برچسب»، difflab.NULL)، آموزش دید. پس یک شبکه می‌تواند نویز را به هر دو شکل پیش‌بینی کند. هدایت بدون طبقه‌بند (Ho و Salimans، 2022) آن‌ها را می‌آمیزد:

فرمول: eps = (1 + w) eps_with_label - w eps_without_label

تفاوت eps_with_label - eps_without_label به سوی «بیشتر شبیه این برچسب» اشاره می‌کند. w = 0 نمونه‌گیری شرطی ساده است؛ w بزرگ‌تر شدیدتر هل می‌دهد. صحنه را تماشا کنید: همان نویز که با w = 0، 1، 2 و 4 کشیده شده.

واژه‌ها و نمادهای این درس
eps
نویز زنگوله‌ای که اضافه شد؛ شبکه پیش‌بینی آن را یاد می‌گیرد
DDIM
نمونه‌گیری با پرش میان چند گام، بدون نویز تازه
هدایت بدون طبقه‌بند
(1 + w) x نویز پیش‌بینی‌شده با برچسب - w x نویز پیش‌بینی‌شده بدون آن
نوبت شما

guided(model, x, t, labels, w) را بنویسید. سپس table را پر کنید: برای w در 0، 1، 2 و 4، سهمی از 500 نمونه (20 گام DDIM، که درس قبل نشان داد به خوبی 100 گام DDIM است) که به‌صورت رقم درخواست‌شده خوانده می‌شوند، و نزدیکی‌شان. best_w را برابر wی با بهترین (کمترین) نزدیکی در میان آن‌هایی که دست‌کم به 0.99 درخواست‌شده می‌رسند قرار دهید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.