学习《扩散模型 从原理到实战》1---扩散模型

已于 2023-10-19 21:15:31 修改
阅读量134 收藏
点赞数
分类专栏： 扩散模型 从原理到实战 文章标签： 学习 AIGC
于 2023-10-19 21:12:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/haidizym/article/details/133935037
版权

这里写自定义目录标题


扩散模型是一种生成模型，从训练数据中学习真实分布 得到估计的分布 ，再从分布中源源不断采样新的样本。训练即是用最大似然估计方法，找到所有数据训练样本采样自 的概率最大。扩散模型应用于计算机视觉、时序数据预测、自然语言、基于文本的多模态、AI for Science。

参考文献
扩散模型 从原理到实战

haidizym
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
扩散模型 Diffusion Models 入门到实践 | 论文、学习资源、课程整理
叶庭云 成为自己的光
01-23 1649
扩散模型 Diffusion Models 入门到实践 | 论文、学习资源、课程整理
扩散模型从原理到实践-第三周
stevensmh的博客
11-02 514
任务三：Stable Diffusion原理与实战打卡内容：学习笔记作业：自行组装stable diffusion 并提交几个生成结果当我们处理的图像尺寸增大时，需要的计算能力也随之增加。特别是在执行一种叫做“自注意力”的操作时，所需的计算量会随着输入数量的增加而平方级增长。例如，一个128像素的正方形图像比64像素的正方形图像有4倍多的像素点，因此在自注意力层中它需要16倍（即4的平方）的内存和计算能力。对于希望生成高分辨率图像的人来说，这是一个大问题！潜在扩散技术通过使用一个名为变分自编码器（VAE）的
《扩散模型 从原理到实战》Hugging Face （一）
HitStuHan的博客
08-25 1292
Hugging Face最近出版了第一本中文书籍《扩散模型 从原理到实战》，其中内容关于扩散模型（Diffusion Model），和AIGC相关的内容较多（Hugging Face的Diffusion课程链接：https://github.com/huggingface/diffusion-models-class）。在这里，记录一下学习过程。文章内容自用，如有侵权请及时与我联系扩散模型（Diffusion Model）是一类十分先进的基于扩散思想的深度学习生成模型。
【扩散模型】ControlNet从原理到实战
小哲的博客
12-07 1951
本文介绍了 ControlNet，这是一种端到端的神经网络架构，用于学习大型预训练文本到图像扩散模型（在我们的实现中为 Stable Diffusion）的条件控制。 **ControlNet 通过锁定大型预训练模型的参数并复制其编码层，保留了该大型模型的质量和能力。这种架构将大型预训练模型视为学习各种条件控制的强大主干网络。**可训练的副本和原始锁定的模型通过零卷积层连接，权重初始化为零，以便在训练过程中逐渐增长。这种架构确保在训练开始时不会向大型扩散模型的深层特征添加有害噪声，并保护可训练副本中的大型预
【Diffusion实战】引导一个diffusion模型根据文字生成图像（Pytorch代码详解）
qq_43426908的博客
05-01 1012
之前的Diffusion实战老老实实按照最基本的diffusion过程完成的，最近学习了一种新的方法，利用文字提示，来引导Diffusion模型生成想要的图像。
扩散模型原理到实战：让AIGC成功破圈的《太空歌剧院》
idol24的博客
08-25 260
福利！免费寄送图书！！公众号【机器学习与AI生成创作】后台回复：168。即可参与免费寄送【扩散模型】图书活动，活动截止日期为2023-08-28晚上10点。公众号后台回复：168（建议选中复制）也可自行购买，戳如下优惠京东专属链接：▲点击专属特价入口，即可5折购书，限50人你能想象吗？下面这些精美绝伦的图片竟然都是AI自动生成的！图：书中插图没想到，AI界已经有如此炫酷的技术！而在整个过程...
【扩散模型从原理到实战】Chapter1 扩散模型简介
m0_61819793的博客
10-16 1062
《扩散模型从原理到实战》共读 第一章学习笔记 datawhale10月组队学习
扩散模型(Diffusion Models)
Vpn_zc的博客
12-06 847
扩散模型(Diffusion Models)
【扩散模型从原理到实战】Chapter2 Hugging Face简介
m0_61819793的博客
10-17 474
《扩散模型从原理到实战》共读 第二章学习笔记 datawhale10月组队学习
【好书推荐-第九期】Sora核心技术相关书籍《扩散模型：从原理到实战》与《GPT 图解：大模型是怎样构建的》：Sora的两大核心技术，都藏在这两本书里！
热门推荐
03-06 1万+
Sora核心技术相关书籍《扩散模型：从原理到实战》与《GPT 图解：大模型是怎样构建的》：Sora的两大核心技术，都藏在这两本书里！
《扩散模型 从原理到实战》Hugging Face （二）
HitStuHan的博客
09-21 526
第三章
【扩散模型】DDIM从原理到实战
小哲的博客
11-27 6613
DDIM论文提出了一种使过程非马尔可夫的方法（如右图所示），允许跳过去噪过程中的步骤，而不需要在当前状态之前访问所有过去的状态。DDIM最好的部分是，它们可以在训练模型后应用，因此DDPM模型可以很容易地转换为DDIM，而无需重新训练新模型。
2023.10DataWhale扩散模型学习笔记——Week4
godlikesun97的博客
11-10 138
推荐阅读材料：《扩散模型-从原理到实战》第七章。
昇思25天学习打卡营第14天|LLM-文本解码原理--以MindNLP为例
wwt72的博客
07-17 793
限制输出序列的最大长度为50个token。top-p=0.95，top-p采样表示在每一步生成token时，只从概率分布中累计概率达到95%的token中进行采样，有助于保持生成文本的流畅性和质量，同时允许一些低概率的token被选中，从而增加多样性。表示禁用了top-k采样，因为在top-k采样中，通常是从概率最高的k个token中随机选择一个token作为下一个输出，而这里设置为0表示不限制token的选择，实际上这将等同于使用 softmax 概率分布直接进行采样。这有助于提高生成文本的多样性。
卷积神经网络学习问题总结
weixin_61681867的博客
07-17 582
均方误差函数（MSE）适用于回归任务，如预测房价、预测股票价格等。
kubernetes学习日志（七）
qq_47037022的博客
07-18 585
本文记录了service管理，ingress管理，Dashboard管理插件，集群鉴权策略，角色与全局角色，赋权与全局角色赋权。
手写简易版Spring IOC容器02【学习】
weixin_44794897的博客
07-19 521
其中applyPropertyValues用于从beanDefinition中读取属性的配置信息然后通过BeanUtil(hutool-all中提供的类)为其赋值@Overridetry {// 创建bean实例Class<?if (null!break;// 设置属性值try {// 从beanDefinition中获取property通过Resource获取文件流。
昇思25天学习打卡营第16天|munger85
最新发布
MungerVC
07-20 374
MobileNet网络是由Google团队于2017年提出的专注于移动端、嵌入式或IoT设备的轻量级CNN网络，相比于传统的卷积神经网络首先安装依赖下载数据。
diffusion扩散模型实战
12-13
扩散模型是指描述物质在空间中的传播过程的数学模型。在环境科学、地理学、工程技术等领域的实际应用中，扩散模型可以用于预测空气中的污染物、水中的溶质、热量或其他物质在空间中的传播过程。下面通过两个实际案例来说明diffusion扩散模型的实战应用。 首先，环境科学中的应用。在某工业区域，由于大量的工业废气排放导致空气中出现了污染物。为了评估这些污染物对周围环境的影响，可以利用扩散模型来模拟和预测这些污染物在大气中的传播范围和浓度分布，以便及时采取控制措施。 其次，地理学中的应用。在城市规划和交通规划中，扩散模型可以用来模拟道路交通中的车辆和行人在不同时间段和不同区域的分布情况。通过模拟交通扩散模式，可以有效评估交通拥堵情况、规划交通路线和优化交通系统。 在工程技术中的应用。在建筑和城市规划设计中，扩散模型可以用于预测建筑内部空气流动和温度分布，以优化建筑设计和空调系统设置，提高室内空气质量和节能效果。 总的来说，diffusion扩散模型在环境科学、地理学和工程技术领域具有重要的实战应用，可以帮助人们更好地理解和预测物质在空间中的传播过程，从而进行科学决策和规划设计。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值