Silabus Pelajaran 191 dari 246 · Modul 17: Masukan noise, keluaran gambar (diffusion)
Modul 17: Masukan noise, keluaran gambar (diffusion)

Mengajarkan hal baru ke model yang sudah dilatih (fine-tuning)

Kenapa ini pentingTidak ada yang melatih model gambar besar dari awal untuk mendapatkan gaya baru: mereka fine-tune model yang sudah tahu cara kerja gambar. Beberapa ratus langkah pada data baru bisa cukup, karena sebagian besar hal yang diketahui model masih berlaku.

Tugas baru: penulisan cermin. Setiap angka pelatihan dibalik dari kiri ke kanan. Model angka yang dilatih belum pernah melihatnya.

difflab.train_digits(steps=..., model=model, data=(pictures, labels)) terus melatih model yang sudah ada dengan data kamu.

Bagaimana cara kamu mengecek kalau dia belajar tulisan cermin dan bukan hal lain? Balikkan sampelnya: jika terbaca sebagai angka yang diminta, berarti dia menggambar angka cermin. Dan sampel yang tidak dibalik seharusnya sekarang sebagian besar gagal terbaca dengan benar, kecuali untuk angka yang terlihat sama di cermin (0, 1 dan 8 hampir sama): jika sebagian besar masih terbaca dengan benar, berarti dia belum banyak berubah.

Kata dan simbol di pelajaran ini
eps
noise bell-curve yang ditambahkan; jaringan belajar untuk memprediksinya
DDIM
sampling dengan melompat di antara beberapa langkah, tanpa noise baru
fine-tuning
melanjutkan pelatihan model yang sudah dilatih pada data baru
Giliranku

Tulis mirror(pictures) (baris berisi 64 piksel, dibalik kiri ke kanan), lakukan fine-tune model pada angka pelatihan yang dicerminkan maksimal 400 langkah (beberapa detik; 300 sudah cukup), dan isi after dengan: bagian dari 500 sampel (w = 2, 20 DDIM steps) yang terbaca sebagai angka yang diminta saat dibalik kembali, bagian yang terbaca benar tanpa dibalik, dan kedekatan dari sampel yang dibalik kembali.

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.