Silabus Pelajaran 187 dari 246 · Modul 17: Masukan noise, keluaran gambar (diffusion)
Modul 17: Masukan noise, keluaran gambar (diffusion)

Memberitahu model langkah ke berapa sekarang

Kenapa ini penting Titik berisik yang sama butuh koreksi kecil di langkah 5 dan koreksi besar di langkah 90. Jaringan yang tidak diberi tahu langkahnya harus menebaknya hanya dari titik tersebut. Cara kamu memberitahunya adalah pilihan desain, dan pilihan populer tidak selalu yang terbaik.

Tiga cara (difflab.time_input):

  • none: jaringan hanya melihat titiknya.
  • raw: satu angka tambahan, t / T.
  • sine: 8 sine dan 8 cosine dari t / T pada frekuensi dari 1 sampai 100, yang digunakan embedding transformers untuk posisi. Model gambar besar menggunakannya, karena banyak frekuensi membuat jaringan dalam bereaksi tajam terhadap perubahan kecil pada t.

Hasil rekaman dijalankan pada spiral, 3 seed. Bandingkan dengan aturan Modul 9: sebuah pengaturan mengalahkan yang lain jika skor rata-rata on-shape nya setidaknya 0.1 lebih tinggi DAN lebih tinggi di setiap seed (3 dari 3).

Kata dan simbol di pelajaran ini
Bentuk
, cakupan
hakim 2D: bagian sampel yang dekat dengan bentuk asli, dan bagian bentuk yang memiliki sampel di dekatnya
Giliranku

Tulis sine_time(t, T) yang mengembalikan 16 angka per langkah (sinus dulu, lalu kosinus, frekuensi np.exp(np.linspace(0, np.log(100), 8))). Lalu tulis beats(a, b) untuk dua nama pengaturan yang dicatat, dan isi verdicts untuk raw vs none, sine vs none dan sine vs raw.

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.