Chương trình học Bài 191 trên tổng số 246 · Mô-đun 17: Nhiễu vào, ảnh ra (khuếch tán)
Mô-đun 17: Nhiễu vào, ảnh ra (khuếch tán)

Dạy một mô hình đã huấn luyện điều gì đó mới (tinh chỉnh)

Vì sao điều này quan trọng Không ai huấn luyện một mô hình ảnh lớn từ đầu để có một phong cách mới: họ tinh chỉnh một mô hình đã biết ảnh hoạt động ra sao. Vài trăm bước trên dữ liệu mới có thể là đủ, vì hầu hết những gì mô hình biết vẫn áp dụng được.

Nhiệm vụ mới: chữ viết soi gương. Mọi chữ số huấn luyện đều bị lật từ trái sang phải. Mô hình chữ số đã huấn luyện chưa từng thấy chữ số nào như vậy.

difflab.train_digits(steps=..., model=model, data=(pictures, labels)) tiếp tục huấn luyện một mô hình có sẵn trên dữ liệu của bạn.

Làm sao bạn kiểm tra nó đã học chữ viết soi gương chứ không phải thứ gì khác? Lật các mẫu của nó trở lại: nếu chúng được đọc thành các chữ số được yêu cầu, nó vẽ chữ số soi gương. Và các mẫu chưa lật giờ hầu hết nên bị đọc sai, trừ các chữ số trông giống nhau trong gương (0, 1 và 8 gần như vậy): nếu hầu hết vẫn được đọc đúng, nó chưa thay đổi nhiều.

Từ và ký hiệu trong bài học này
eps
nhiễu hình chuông đã được cộng vào; mạng học cách dự đoán nó
DDIM
lấy mẫu bằng cách nhảy giữa vài bước, không có nhiễu mới
tinh chỉnh
tiếp tục huấn luyện một mô hình đã huấn luyện trên dữ liệu mới
Đến lượt bạn

Viết mirror(pictures) (các hàng 64 điểm ảnh, lật từ trái sang phải), tinh chỉnh mô hình trên các chữ số huấn luyện đã soi gương trong nhiều nhất 400 bước (vài giây; 300 là đủ), và điền after với: tỷ lệ trong 500 mẫu (w = 2, 20 bước DDIM) được đọc thành chữ số được yêu cầu khi lật trở lại, tỷ lệ được đọc đúng khi không lật, và độ gần của các mẫu đã lật trở lại.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.