minDiffusion
1.0.0
เป้าหมายของพื้นที่เก็บข้อมูลการศึกษานี้คือการจัดทำแบบจำลองการแพร่กระจายที่มีอยู่ในตัวเองโดยใช้ pytorch
การใช้งานแบบจำลองการแพร่กระจายจำนวนมากอาจเป็นไปได้เล็กน้อย ที่นี่ superminddpm : ต่ำกว่า 200 บรรทัดของรหัสการใช้งาน DDPM ที่มีอยู่ในตัวเองอย่างเต็มที่กับ Pytorch เป็นจุดเริ่มต้นที่ดีสำหรับทุกคนที่ต้องการเริ่มต้นกับแบบจำลองการแพร่กระจายของ denoising โดยไม่ต้องใช้เวลากับรายละเอียด
อย่างง่าย:
$ python superminddpm.py
สคริปต์ด้านบนมีอยู่ในตัวเอง (แน่นอนคุณต้องติดตั้ง Pytorch และ Torchvision เวอร์ชันล่าสุดควรพอเพียงเราไม่ได้ใช้คุณสมบัติที่ทันสมัยใด ๆ )
หากคุณต้องการใช้รหัสที่ Refactored เพิ่มเติมบิตที่เรียกใช้ชุดข้อมูล CIFAR10:
$ python train_cifar10.py
ผลลัพธ์ข้างต้นใช้เวลาประมาณ 2 ชั่วโมงในการฝึกซ้อมใน GPU 3090 เดียว ภาพ 8 อันดับแรกถูกสร้างขึ้นด้านล่าง 8 เป็นความจริงภาคพื้นดิน
นี่เป็นอีกตัวอย่างหนึ่งที่ได้รับการฝึกฝนใน 100 ยุค (ประมาณ 1.5 ชั่วโมง)
ปัจจุบันมี:
โทดอส
