Silabus Pelajaran 189 dari 246 · Modul 17: Masukan noise, keluaran gambar (diffusion)
Modul 17: Masukan noise, keluaran gambar (diffusion)

Langkah lebih sedikit (DDIM)

Kenapa ini penting 100 panggilan jaringan per gambar itu lambat, dan model asli menggunakan 1000. DDIM (Song, Meng and Ermon, 2021) melewati langkah: ia melompat dari x_t langsung ke langkah yang jauh lebih awal, tanpa noise baru, menggunakan jaringan yang sama yang sudah dilatih. Berapa sedikit langkah yang bisa kamu gunakan?

Model digit kursus ini sudah dilatih sekali (difflab.recorded_digit_model()). difflab.sample_digits(model, labels, w=2.0, steps=k) mengambil satu gambar per label dengan k DDIM steps (steps=None menjalankan semua 100 DDPM steps). Juri dari Module 15 memberi skor: kedekatan ke digit asli terdekat (digit asli 1.04).

Tebak Kurvanya

Sebelum mengukur, tebak kedekatannya pada 2, 5, 10, 20 dan 100 langkah. Makalah dan postingan blog sering bilang kualitas turun drastis di bawah 50 langkah. Ukur pada model ini.

Kata dan simbol di pelajaran ini
x0, x_t
data bersih, dan data yang sama setelah t langkah noise
eps
noise bell-curve yang ditambahkan; jaringan belajar untuk memprediksinya
DDPM
sampling dengan mundur ke setiap langkah, dengan noise baru setiap saat
DDIM
sampling dengan melompat di antara beberapa langkah, tanpa noise baru
Giliranku

Isi my_guess (lima angka kedekatan), lalu isi measured dengan kedekatan sebenarnya untuk setiap jumlah langkah, dan atur fewest_good ke jumlah langkah paling sedikit yang kedekatannya dalam 0.05 dari hasil 100 langkah.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.