Diffusion Models 的 Pytorch 实现 (https://arxiv.org/pdf/2006.11239.pdf)
Diffusion Models 的 Pytorch 实现 (https://arxiv.org/pdf/2006.11239.pdf)
conditional 和 unconditional。此外,条件代码还实现了无分类指导 (Classifier-Free-Guidance, CFG) 和指数移动平均 (Exponential-Moving-Average, EMA)。下面您可以找到两个关于扩散模型背后理论和实现的视频。ddpm.py
2. 在 里设置数据集路径
ddpm.py
3.
python ddpm.py
ddpm_conditional.py
2. 在 里设置数据集路径
ddpm_conditional.py
3.
python ddpm_conditional.py
以下示例展示了如何使用在视频中训练的模型对 Landscape Dataset 中的图像进行采样。您可以在 这里 下载模型的检查点。
n = 10
device = "cuda"
model = UNet_conditional(num_classes=10).to(device)
ckpt = torch.load("conditional_ema_ckpt.pt")
model.load_sta
<a href="https://www.youtube.com/watch?v=HoKDTa5jHvg">
<a href="https://www.youtube.com/watch?v=TBCRlnwJtZU">暂无开放 Issues，或尚未同步最近议题。