昇思25天学习打卡营第十九天|Diffusion扩散模型（上）

        由于本章内容较多，所以分为上下两篇。

       关于扩散模型有很多种理解，本文介绍的是在基于PyTorch框架的重现的基础上（而他本身又基于TensorFlow实现），迁移到mind spore AI框架上实现的。

       实验中我们采用离散时间（潜在变量模型）的观点，另外，读者也可以查看有关于扩散模型的其他几个观点。实验开始前请确保安装并导入所需的库。

 

 

        如果将Diffusion与其他生成模型进行比较，它并没有那么复杂。它们都将噪声从一些简单分布转换为数据样本，Diffusion也是从纯噪声开始通过一个精神网络学习逐步去噪，最终得到一个实际图像。其对图像的处理包括以下两个过程：一是选择固定正向扩散过程q，二是一个学习的反向去噪的扩散过程p。

       下面我们逐步构建Diffusion模型。首先，我们定义了一些帮助函数和类，这些函数和类将在实现神经网络时使用。