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
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.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.