自己设计扩散模型进行图生图

目录

模拟difussion

预测的时候每阶段结果：

---

方案1

假设steps是100，

目标减去输入是总差异

训练的时候，输入就是图像 差异就目标减去输入，每步的差异(高斯噪声)是最大目标减去差异除以steps，

每次训练时把把目标减去每步差异，用unet去预测差异

预测的时候，输入图像，然后加上时间t，unet预测这个差异，然后加上这个差异，通过每次预测差异，然后就生成出了我们要的图像。

方案2

每步的差异(高斯噪声)是每个目标减去自己的输入差异除以steps。

模拟difussion

把矩阵的值等分100个阶段，矩阵值域0到10000，阶段输入1，那么 大于100的取100，小于100的返回原值，输入阶段2，大于200的返回200，小于200返回原值

import torch


def adjust_matrix_values_torch(matrix, stage):

    threshold = 100 * stage
    adjusted_matrix = torch.where(matrix > threshold, torch.tensor([threshold]), matrix)
    return adjusted_matrix


# 创建一个示例张量
matrix_torch = torch.tensor([[50, 150, 250,300,350,400]])

stage_1_output_torch = adjust_matrix_values_torch(matrix_to