minDiffusion

사고 방식

이 교육 저장소의 목표는 Pytorch를 사용하여 확산 모델의 자체 포함 된 최소한의 구현을 제공하는 것입니다.

확산 모델의 많은 구현은 약간 압도적 일 수 있습니다. 여기서, superminddpm : 200 줄의 코드 미만, Pytorch와 함께 DDPM을 완전히 자체적으로 포함하는 것은 세부 사항에 시간을 보내지 않고 확산 모델을 비난하기를 원하는 사람에게는 좋은 출발점입니다.

간단히:

 $ python superminddpm.py

위의 스크립트는 독립적입니다. (물론 Pytorch 및 Torchvision이 설치되어 있어야합니다. 최신 버전으로 충분해야합니다. 최첨단 기능을 사용하지 않습니다.)

CIFAR10 데이터 세트를 실행하는 비트보다 리팩토링 된 코드를 사용하려면 다음과 같습니다.

 $ python train_cifar10.py

상기 결과는 단일 3090 GPU에서 약 2 시간의 훈련이 걸렸습니다. 상위 8 개 이미지가 생성되고 하단 8은 지상 진실입니다.

다음은 100 개의 에포크 (약 1.5 시간)에 대해 훈련 된 또 다른 예입니다.

현재 :

• DDPM의 작은 구현
• MNIST, CIFAR 데이터 세트.
• 간단한 UNET 구조. + 간단한 시간 임베딩.
• Celeba 데이터 세트.

토 도스

• ddim
• 분류기 안내
• 다분위

업데이트!

• 더 많은 매개 변수를 사용하면 MNIST에 더 나은 결과를 얻을 수 있습니다.
• superminddpm.py에서 더 많은 의견