Программа курса Урок 191 из 246 · Модуль 17: На входе шум, на выходе картинки (диффузия)
Модуль 17: На входе шум, на выходе картинки (диффузия)

Научить обученную модель новому (дообучение)

Почему это важно Никто не обучает большую модель изображений с нуля ради нового стиля: дообучают ту, что уже знает, как устроены картинки. Нескольких сотен шагов на новых данных может хватить, потому что большая часть знаний модели по-прежнему применима.

Новая задача: зеркальное письмо. Каждая обучающая цифра отражена слева направо. Обученная модель цифр ни одной такой не видела.

difflab.train_digits(steps=..., model=model, data=(pictures, labels)) продолжает обучать существующую модель на ваших данных.

Как проверить, что она выучила зеркальное письмо, а не что-то другое? Отразите её сэмплы обратно: если они читаются как запрошенные цифры, она рисует зеркальные цифры. А неотражённые сэмплы теперь в основном должны читаться неверно, кроме цифр, которые выглядят одинаково в зеркале (0, 1 и 8 почти такие): если большинство всё ещё читается верно, она изменилась мало.

Слова и символы этого урока
eps
добавленный колоколообразный шум; сеть учится его предсказывать
DDIM
сэмплирование прыжками между несколькими шагами, без свежего шума
дообучение
продолжение обучения обученной модели на новых данных
Твоя очередь

Напишите mirror(pictures) (строки по 64 пикселя, отражённые слева направо), дообучите модель на отражённых обучающих цифрах не более 400 шагов (несколько секунд; 300 хватает) и заполните after: долей из 500 сэмплов (w = 2, 20 шагов DDIM), читающихся как запрошенная цифра после обратного отражения, долей, читающихся верно без отражения, и близостью отражённых обратно сэмплов.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.