Meno passi (DDIM)
Perché è importante 100 chiamate alla rete per immagine sono lente, e i modelli veri ne usano 1000. DDIM (Song, Meng ed Ermon, 2021) salta dei passi: salta da x_t direttamente a un passo molto precedente, senza rumore nuovo, usando la stessa rete addestrata. Con quanti pochi passi te la cavi?
Il modello di cifre del corso è stato addestrato una volta (difflab.recorded_digit_model()). difflab.sample_digits(model, labels, w=2.0, steps=k) disegna un'immagine per etichetta con k passi DDIM (steps=None esegue tutti i 100 passi DDPM). Il giudice del Modulo 15 le valuta: vicinanza alla cifra vera più vicina (cifre vere 1.04).
Indovina la curva
Prima di misurare, indovina la vicinanza a 2, 5, 10, 20 e 100 passi. Articoli e blog dicono spesso che la qualità cala visibilmente sotto i 50 passi. Misuralo su questo modello.
Parole e simboli di questa lezione
- x0, x_t
- i dati puliti, e gli stessi dati dopo t passi di rumore
- eps
- il rumore a campana che è stato aggiunto; la rete impara a prevederlo
- DDPM
- campionare tornando indietro attraverso ogni passo, con rumore nuovo ogni volta
- DDIM
- campionare saltando tra pochi passi, senza rumore nuovo
Riempi my_guess (cinque numeri di vicinanza), poi riempi measured con la vicinanza vera per ogni numero di passi, e imposta fewest_good sul minor numero di passi la cui vicinanza è entro 0.05 dal risultato a 100 passi.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.