从零开始学diffusion modles

基本名词概念：

• ground truth
• 噪声：指数据中的随机误差或干扰，它会影响模型的训练和预测结果。噪声可以来自多个方面，如数据收集过程中的测量误差、传感器噪声、数据传输和存储引入的噪声等。了解和处理噪声对于建立准确的模型和取得良好的预测结果至关重要。
• 马尔可夫链：为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作马尔可夫性质。马尔科夫链作为实际过程的统计模型具有许多应用。
• 马尔可夫链 ▏小白都能看懂的马尔可夫链详解
• Embedding: 一种将现实世界的对象和关系表示为向量的密集数值表示形式,可以用于准确地将稀疏数据（如点击流、文本和电子商务购买）表示为下游模型的特征。
• 卷积：
  在数学中，卷积的定义是通过积分来计算的，表示为：

  

  这个公式描述了一个函数f与另一个函数g的卷积。直观上来说，卷积可以看作是在其中一个函数上滑动另一个函数，并在每个位置上进行乘法和积分操作。

        在机器学习中，特别是在卷积神经网络（CNN）中，卷积通常用于处理图像数据。在这里，
卷积是通过将一个小的卷积核滑动到输入图像上，然后计算卷积核与图像局部区域的元素乘积之和。这个过程用于提取图像的局部特征，例如边缘、纹理等。

卷积的计算结果可以利于特征提取，模式识别等。

• 卷积神经网络入门----机器学习
• 似然：不知道模型参数，但是有样本，想通过样本求参数，叫似然
• 动画讲编程：似然

Diffusion models：

Diffusion模型的训练分为两部分：

1.前向扩散过程（Forward Diffusion Process） → 图片中添加噪声

2.反向扩散过程（Reverse Diffusion Process） → 去除图片中的噪声

参考资料：

十分钟读懂Diffusion：图解Diffusion扩散模型（讲的很全面且补充了很多前置知识，但是具体内容比较简要）

由浅入深了解Diffusion Model（讲的很详细，有具体过程和详细的公式推导，看不懂是我的问题）

Diffusion Model代码实践（一个本子-AI实验室，里面既有前置知识的普及，又有入门学习和深入学习两个理论基础讲解，还有很详细的代码实践教程，五星好评）