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
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.