Daha az adım (DDIM)
Neden önemli Resim başına 100 ağ çağrısı yavaştır, ve gerçek modeller 1000 kullanır. DDIM (Song, Meng ve Ermon, 2021) adımları atlar: aynı eğitilmiş ağı kullanarak, yeni gürültü olmadan x_t'den çok daha önceki bir adıma doğrudan sıçrar. Ne kadar az adımla idare edebilirsin?
Kursun rakam modeli bir kez eğitildi (difflab.recorded_digit_model()). difflab.sample_digits(model, labels, w=2.0, steps=k) k DDIM adımıyla etiket başına bir resim çizer (steps=None 100 DDPM adımının hepsini çalıştırır). Modül 15'in hakemi onları puanlar: en yakın gerçek rakama yakınlık (gerçek rakamlar 1.04).
Eğriyi Tahmin Et
Ölçmeden önce 2, 5, 10, 20 ve 100 adımdaki yakınlığı tahmin et. Makaleler ve blog yazıları çoğu zaman kalitenin 50 adımın altında gözle görülür şekilde düştüğünü söyler. Bunu bu model üzerinde ölç.
Bu dersteki kelimeler ve semboller
- x0, x_t
- temiz veri, ve t adım gürültüden sonraki aynı veri
- eps
- eklenen çan eğrisi gürültüsü; ağ onu tahmin etmeyi öğrenir
- DDPM
- her seferinde yeni gürültüyle her adımdan geri geçerek örneklem almak
- DDIM
- yeni gürültü olmadan birkaç adım arasında sıçrayarak örneklem almak
my_guess doldur (beş yakınlık sayısı), sonra measured'ı her adım sayısındaki gerçek yakınlıkla doldur, ve fewest_good'u yakınlığı 100 adımlık sonucun 0.05 yakınında olan en az adıma ayarla.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.