Conteúdo do curso Lição 189 de 246 · Módulo 17: Ruído entra, imagens saem (difusão)
Módulo 17: Ruído entra, imagens saem (difusão)

Menos passos (DDIM)

Por que isso importa 100 chamadas da rede por imagem é lento, e modelos reais usam 1000. O DDIM (Song, Meng e Ermon, 2021) pula passos: ele salta de x_t direto para um passo muito anterior, sem ruído novo, usando a mesma rede treinada. Com quão poucos passos você consegue se virar?

O modelo de dígitos do curso foi treinado uma vez (difflab.recorded_digit_model()). difflab.sample_digits(model, labels, w=2.0, steps=k) desenha uma imagem por rótulo com k passos de DDIM (steps=None roda todos os 100 passos de DDPM). O juiz do Módulo 15 as pontua: proximidade do dígito real mais próximo (dígitos reais 1.04).

Chame a Curva

Antes de medir, chute a proximidade com 2, 5, 10, 20 e 100 passos. Artigos e posts de blog muitas vezes dizem que a qualidade cai visivelmente abaixo de 50 passos. Meça isso neste modelo.

Palavras e símbolos nesta lição
x0, x_t
os dados limpos, e os mesmos dados depois de t passos de ruído
eps
o ruído em forma de sino que foi acrescentado; a rede aprende a prevê-lo
DDPM
amostrar voltando por todos os passos, com ruído novo a cada vez
DDIM
amostrar saltando entre poucos passos, sem ruído novo
Sua vez

Preencha my_guess (cinco números de proximidade), depois preencha measured com a proximidade real em cada contagem de passos, e defina fewest_good para o menor número de passos cuja proximidade esteja dentro de 0.05 do resultado de 100 passos.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.