详细内容或原文请订阅后点击阅览
使用 torch 进行去噪扩散
目前，在生成式深度学习中，似乎没有其他方法能胜过扩散模型系列。 你想亲自尝试一下吗？ 如果是这样，我们的去噪扩散的 torch 实现提供了一个易于使用、易于配置的界面。
来源:RStudio AI博客序言，有点像
序言，有点像当我们写这篇文章时——现在是 2023 年 4 月——很难夸大人们对深度学习驱动的图像和文本生成的关注、与之相关的希望和恐惧。对社会、政治和人类福祉的影响值得用一个简短、尽职尽责的段落来描述。因此，我们将对这个主题的适当处理推迟到专门的出版物上，我们只想说一件事：你知道的越多越好；公众人物过于简单、忽视背景的言论对你的影响越小；你就越容易对这个问题采取自己的立场。话虽如此，我们开始了。
在我们撰写本文时——现在是 2023 年 4 月——很难夸大人们对深度学习驱动的图像和文本生成的关注、与之相关的希望和恐惧。对社会、政治和人类福祉的影响值得用一段简短、尽职尽责的文字来描述。因此，我们将对这个主题的适当处理推迟到专门的出版物上，只想说一件事：你知道的越多越好；公众人物的过度简化、忽视背景的言论对你的影响越小；你就越容易对这个问题采取自己的立场。话虽如此，我们开始了。在这篇文章中，我们介绍了降噪扩散隐式模型 (J. Song、Meng 和 Ermon (2020)) 的 R torch 实现。代码在 GitHub 上，并附带一份详尽的 README，详细介绍了从数学基础到实现选择和代码组织，再到模型训练和样本生成的所有内容。在这里，我们给出了一个高层次的概述，将算法置于生成式深度学习的更广泛背景中。如果您特别感兴趣，请随时查阅 README！
torch
去噪扩散隐式模型
J. Song, Meng, and Ermon (2020)
J. Song, Meng, and Ermon
2020
GitHub
上下文中的扩散模型：生成式深度学习
扩散模型 信息丢失.
.