หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

PyTorch denoising การสาธิตการแพร่กระจาย

พื้นที่เก็บข้อมูลประกอบด้วยการสาธิตแบบจำลองการกระจายสัญญาณรบกวนที่ใช้ PyTorch อย่างง่าย มันมีจุดมุ่งหมายเพื่อให้ความเข้าใจครั้งแรกเกี่ยวกับแนวทางการสร้างแบบจำลองเชิงกำเนิดนี้

สามารถดูข้อมูลเบื้องต้นทางทฤษฎีสั้นๆ เกี่ยวกับ DDPM มาตรฐานได้ที่นี่ DDIM สำหรับการสุ่มตัวอย่างแบบเร่งมีการกล่าวถึงในสมุดบันทึกที่แสดงร่วม แอปพลิเคชันตัวอย่างสองตัวสร้างสนามเด็กเล่นการทดลองขนาดเล็ก จัดทำในลักษณะที่สามารถแก้ไขและขยายได้ง่าย

โน๊ตบุ๊ค

  • ความรู้เบื้องต้นเกี่ยวกับ DDPM

  • ความรู้เบื้องต้นเกี่ยวกับ DDIM

  • ตัวอย่างม้วนสวิส

  • โมเดลที่ไม่มีเงื่อนไขใน MNIST

  • โมเดลแบบมีเงื่อนไขใน MNIST

สวิสโรล

ตามตัวอย่างแรก DDPM แบบกำเนิดได้รับการฝึกอบรมเกี่ยวกับการกระจายม้วนสวิสแบบ 2 มิติ สคริปต์การฝึกหลักสามารถเรียกไปยังจุดสิ้นสุดนั้นได้ด้วยไฟล์ปรับแต่งที่อนุญาตให้ปรับการตั้งค่าปัญหาและคำจำกัดความของโมเดล: 

 python scripts/main.py fit --config config/swissroll.yaml

หลังจากเสร็จสิ้นการฝึกอบรมแล้ว ก็สามารถทดสอบและวิเคราะห์แบบจำลองสุดท้ายได้ในสมุดบันทึกนี้

สำหรับการตรวจสอบการทดลอง เราสามารถเรียกใช้เซิร์ฟเวอร์ TensorBoard ภายในเครื่องได้โดยใช้ tensorboard --logdir run/swissroll/ สามารถเข้าถึงได้ภายใต้ localhost:6006 ตามค่าเริ่มต้นในเบราว์เซอร์ของคุณ อีกทางเลือกหนึ่ง ผู้ใช้อาจใช้ MLfLow ในการจัดการการทดลองได้ ในกรณีนี้ เราสามารถเริ่มการฝึกอบรมด้วยการตั้งค่าที่เหมาะสมและตั้งค่าเซิร์ฟเวอร์การติดตามโดย mlflow server --backend-store-uri file:./run/mlruns/ จากนั้นสามารถเข้าถึงได้ภายใต้ localhost:5000

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด