Autor: Victor v. Hobe-Gelting
Diffusion-LM verbessert die kontrollierbare Textgenerierung
Repository: https://github.com/xiangli1999/diffusion-lm
Papier: https://arxiv.org/pdf/2205.14217.pdf
Denoising diffusion probabilistische Modelle
Repository: https://github.com/hojonathanho/diffusion
Papier: https://arxiv.org/abs/2006.11239
Verbesserte demoising diffusion probabilistische Modelle
Repository: https://github.com/openai/impreved-diffusion
Papier: https://arxiv.org/abs/2102.09672
Diffusionsmodelle schlagen Gans zur Bildsynthese
Repository: https://github.com/openai/guided-diffusion
Papier: https://arxiv.org/abs/2105.05233
Gleit: Auf dem Weg zu fotorealistischer Bildgenerierung und -bearbeitung mit textgesteuerten Diffusionsmodellen
Repository: https://github.com/openai/glide-text2im
Papier: https://arxiv.org/abs/2112.10741
Glid-3
Repository: https://github.com/jack000/glid-3
conda install - c conda - forge mpi4py
conda install pytorch torchvision torchaudio cudatoolkit = 11.3 - c pytorch
pip install - e improved - diffusion /
pip install - e transformers /
pip install spacy == 3.2 . 4
pip install datasets == 1.8 . 0
pip install huggingface_hub == 0.4 . 0
pip install wandb cd improved-diffusion;
python scripts/run_train.py --diff_steps 2000 --model_arch transformer --lr 0.0001 --lr_anneal_steps 400000 --save_interval 50000 --seed 101 --noise_schedule sqrt --in_channel 128 --modality roc-free --submit no --padding_mode pad --app "--predict_xstart True --training_mode e2e --vocab_size 11043 --roc_train datasets/ROCstory " --notes xstart_e2e --bsz 64
python scripts/infill_free.py --model_path 'diffusion_models/diff_roc-free_pad_rand128_transformer_lr0.0001_0.0_2000_sqrt_Lsimple_h128_s2_d0.1_sd101_xstart_e2e/model{model epochs}.pt' --eval_task_ 'free_emotion' --use_ddim True --notes "tree_adagrad" --eta 1. --verbose pipe