강의 계획 레슨 246개 중 191번째 · 모듈 17: 잡음을 넣으면 그림이 나와요(확산)
모듈 17: 잡음을 넣으면 그림이 나와요(확산)

훈련된 모델에게 새것 가르치기(미세 조정)

왜 중요한가 새 스타일을 얻으려고 큰 이미지 모델을 처음부터 훈련하는 사람은 없어요: 그림이 어떻게 작동하는지 이미 아는 모델을 미세 조정해요. 새 데이터로 몇백 걸음이면 충분할 수 있어요, 모델이 아는 것 대부분이 여전히 적용되니까요.

새 과제: 거울 글씨. 모든 훈련 숫자가 좌우로 뒤집혔어요. 훈련된 숫자 모델은 한 번도 본 적이 없어요.

difflab.train_digits(steps=..., model=model, data=(pictures, labels))는 기존 모델을 자기 데이터로 계속 훈련해요.

다른 게 아니라 거울 글씨를 배웠는지 어떻게 확인할까요? 샘플을 다시 뒤집으세요: 요청한 숫자로 읽히면 거울 숫자를 그리는 거예요. 그리고 뒤집지 않은 샘플은 이제 대부분 올바르게 읽히지 않아야 해요, 거울에서 같아 보이는 숫자(0, 1, 8은 거의 그래요)를 빼면요: 여전히 대부분 올바르게 읽히면 별로 바뀌지 않은 거예요.

이 레슨의 단어와 기호
eps
더해진 종 모양 잡음. 신경망이 그걸 예측하는 걸 배워요
DDIM
새 잡음 없이 몇 걸음 사이를 뛰어서 샘플링하기
미세 조정
훈련된 모델을 새 데이터로 계속 훈련하기
내 차례

mirror(pictures)(64픽셀 행, 좌우로 뒤집기)를 쓰고, 거울에 비친 훈련 숫자로 모델을 많아야 400걸음(몇 초. 300이면 충분해요) 미세 조정하고, after를 다음으로 채우세요: 샘플 500개(w = 2, DDIM 20걸음) 중 다시 뒤집었을 때 요청한 숫자로 읽히는 비율, 뒤집지 않고 올바르게 읽히는 비율, 그리고 다시 뒤집은 샘플의 가까움.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.