擴(kuò)散模型從原理到實(shí)戰(zhàn)

第 1章　擴(kuò)散模型簡(jiǎn)介　1
1.1　擴(kuò)散模型的原理　1
1.1.1　生成模型　1
1.1.2　擴(kuò)散過(guò)程　2
1.2　擴(kuò)散模型的發(fā)展　5
1.2.1　開(kāi)始擴(kuò)散：基礎(chǔ)擴(kuò)散模型的提出與改進(jìn)　6
1.2.2　加速生成：采樣器　6
1.2.3　刷新紀(jì)錄：基于顯式分類器引導(dǎo)的擴(kuò)散模型　7
1.2.4　引爆網(wǎng)絡(luò)：基于CLIP的多模態(tài)圖像生成　8
1.2.5　再次“出圈”：大模型的“再學(xué)習(xí)”方法——DreamBooth、LoRA和ControlNet　8
1.2.6　開(kāi)啟AI作畫(huà)時(shí)代：眾多商業(yè)公司提出成熟的圖像生成解決方案　10
1.3　擴(kuò)散模型的應(yīng)用　12
1.3.1　計(jì)算機(jī)視覺(jué) 　12
1.3.2　時(shí)序數(shù)據(jù)預(yù)測(cè)　14
1.3.3　自然語(yǔ)言　15
1.3.4　基于文本的多模態(tài)　16
1.3.5　AI基礎(chǔ)科學(xué)　19
第 2章　Hugging Face簡(jiǎn)介　21
2.1　Hugging Face核心功能介紹　21
2.2　Hugging Face開(kāi)源庫(kù)　28
2.3　Gradio工具介紹　30
第3章　從零開(kāi)始搭建擴(kuò)散模型　33
3.1　環(huán)境準(zhǔn)備　33
3.1.1　環(huán)境的創(chuàng)建與導(dǎo)入　33
3.1.2　數(shù)據(jù)集測(cè)試　34
3.2　擴(kuò)散模型之退化過(guò)程　34
3.3　擴(kuò)散模型之訓(xùn)練　36
3.3.1　 UNet網(wǎng)絡(luò)　36
3.3.2　開(kāi)始訓(xùn)練模型　38
3.4　擴(kuò)散模型之采樣過(guò)程　41
3.4.1　采樣過(guò)程　41
3.4.2　與DDPM的區(qū)別　44
3.4.3　UNet2DModel模型　44
3.5　擴(kuò)散模型之退化過(guò)程示例　57
3.5.1　退化過(guò)程　57
3.5.2　最終的訓(xùn)練目標(biāo)　59
3.6　拓展知識(shí)　60
3.6.1　時(shí)間步的調(diào)節(jié)　60
3.6.2　采樣（取樣）的關(guān)鍵問(wèn)題　61
3.7　本章小結(jié)　61
第4章　Diffusers實(shí)戰(zhàn)　62
4.1　環(huán)境準(zhǔn)備　62
4.1.1　安裝Diffusers庫(kù)　62
4.1.2　DreamBooth　64
4.1.3　Diffusers核心API　66
4.2　實(shí)戰(zhàn)：生成美麗的蝴蝶圖像　67
4.2.1　下載蝴蝶圖像集　67
4.2.2　擴(kuò)散模型之調(diào)度器　69
4.2.3　定義擴(kuò)散模型　70
4.2.4　創(chuàng)建擴(kuò)散模型訓(xùn)練循環(huán)　72
4.2.5　圖像的生成　75
4.3　拓展知識(shí)　77
4.3.1　將模型上傳到Hugging Face Hub 　77
4.3.2　使用Accelerate庫(kù)擴(kuò)大訓(xùn)練模型的規(guī)模　79
4.4　本章小結(jié)　81
第5章　微調(diào)和引導(dǎo)　83
5.1　環(huán)境準(zhǔn)備　86
5.2　載入一個(gè)預(yù)訓(xùn)練過(guò)的管線　87
5.3　DDIM——更快的采樣過(guò)程　88
5.4　擴(kuò)散模型之微調(diào)　91
5.4.1　實(shí)戰(zhàn)：微調(diào)　91
5.4.2　使用一個(gè)最小化示例程序來(lái)微調(diào)模型　96
5.4.3　保存和載入微調(diào)過(guò)的管線　97
5.5　擴(kuò)散模型之引導(dǎo)　98
5.5.1　實(shí)戰(zhàn)：引導(dǎo)　100
5.5.2　CLIP引導(dǎo)　104
5.6　分享你的自定義采樣訓(xùn)練　108
5.7　實(shí)戰(zhàn)：創(chuàng)建一個(gè)類別條件擴(kuò)散模型　111
5.7.1　配置和數(shù)據(jù)準(zhǔn)備　111
5.7.2　創(chuàng)建一個(gè)以類別為條件的UNet模型　112
5.7.3　訓(xùn)練和采樣　114
5.8　本章小結(jié)　117
第6章　Stable Diffusion　118
6.1　基本概念　118
6.1.1　隱式擴(kuò)散　118
6.1.2　以文本為生成條件　119
6.1.3　無(wú)分類器引導(dǎo)　121
6.1.4　其他類型的條件生成模型：Img2Img、Inpainting與Depth2Img模型 　122
6.1.5　使用DreamBooth進(jìn)行微調(diào)　123
6.2　環(huán)境準(zhǔn)備　124
6.3　從文本生成圖像　125
6.4　Stable Diffusion Pipeline　128
6.4.1　可變分自編碼器　128
6.4.2　分詞器和文本編碼器　129
6.4.3　UNet　131
6.4.4　調(diào)度器　132
6.4.5　DIY采樣循環(huán)　134
6.5　其他管線介紹　136
6.5.1　Img2Img　136
6.5.2　Inpainting　138
6.5.3　Depth2Image　139
6.6　本章小結(jié)　140
第7章　DDIM反轉(zhuǎn)　141
7.1　實(shí)戰(zhàn)：反轉(zhuǎn)　141
7.1.1　配置　141
7.1.2　載入一個(gè)預(yù)訓(xùn)練過(guò)的管線　142
7.1.3　DDIM采樣　143
7.1.4　反轉(zhuǎn)　147
7.2　組合封裝　153
7.3　ControlNet的結(jié)構(gòu)與訓(xùn)練過(guò)程　158
7.4　ControlNet示例　162
7.4.1　ControlNet與Canny Edge　162
7.4.2　ControlNet與M-LSD Lines　162
7.4.3　ControlNet與HED Boundary　163
7.4.4　ControlNet與涂鴉畫(huà)　164
7.4.5　ControlNet與人體關(guān)鍵點(diǎn)　164
7.4.6　ControlNet與語(yǔ)義分割　164
7.5　ControlNet實(shí)戰(zhàn)　165
7.6　本章小結(jié)　174
第8章　音頻擴(kuò)散模型　175
8.1　實(shí)戰(zhàn)：音頻擴(kuò)散模型　175
8.1.1　設(shè)置與導(dǎo)入　175
8.1.2　在預(yù)訓(xùn)練的音頻擴(kuò)散模型管線中進(jìn)行采樣　176
8.1.3　從音頻到頻譜的轉(zhuǎn)換　177
8.1.4　微調(diào)管線　180
8.1.5　訓(xùn)練循環(huán)　183
8.2　將模型上傳到Hugging Face Hub　186
8.3　本章小結(jié)　187
附錄A　精美圖像集展示　188
附錄B　Hugging Face相關(guān)資源　202