पाठ्यक्रम 246 में से पाठ 190 · Module 17: शोर अंदर, तस्वीरें बाहर (diffusion)
Module 17: शोर अंदर, तस्वीरें बाहर (diffusion)

sample को दिशा देना (classifier-free guidance)

यह क्यों मायने रखता है "एक 7 बनाओ" अंकगणित की एक line के कारण काम करता है। हर text-to-image model इसे तस्वीरों से prompt का पालन करवाने के लिए इस्तेमाल करता है, और वही line समझाती है कि इसे बहुत ज़्यादा बढ़ाना तस्वीरों को बदतर क्यों बनाता है।

अंक model उसके label के साथ train किया गया, और 15% समय label छिपाकर (एक "no label" token, difflab.NULL)। इसलिए एक network दोनों तरह शोर का अनुमान लगा सकता है। Classifier-free guidance (Ho और Salimans, 2022) उन्हें मिलाता है:

eps = (1 + w) eps_with_label - w eps_without_label

अंतर eps_with_label - eps_without_label "इस label जैसा ज़्यादा" की ओर इशारा करता है। w = 0 सादा conditional sampling है; बड़ा w ज़्यादा ज़ोर से धकेलता है। दृश्य देखें: वही शोर w = 0, 1, 2 और 4 के साथ बनाया।

इस पाठ के शब्द और चिह्न
eps
जोड़ा गया घंटी-वक्र शोर; network इसका अनुमान लगाना सीखता है
DDIM
कुछ steps के बीच छलाँग लगाकर sampling, बिना नए शोर के
classifier-free guidance
(1 + w) x label के साथ अनुमानित शोर - w x उसके बिना अनुमानित शोर
आपकी बारी

guided(model, x, t, labels, w) लिखें। फिर table भरें: w 0, 1, 2 और 4 के लिए, 500 samples (20 DDIM steps, जो पिछले पाठ ने दिखाया 100 DDIM steps जितने अच्छे हैं) का वह हिस्सा जो माँगे अंक के रूप में पढ़ा जाए, और उनकी निकटता। best_w को कम से कम 0.99 माँगे तक पहुँचने वालों में सबसे अच्छी (सबसे कम) निकटता वाले w पर सेट करें।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।