知识卡片

普通读书笔记卡 · 6473.d.2.e.3.a · 生成模型:未记录

扩散模型的自监督噪声预测

理解等级:中级

训练噪声预测器时,从真实样本构造指定时间步的带噪样本,并保留所采样噪声作为监督目标;网络接收带噪样本和时间步,学习预测噪声。前向加噪产生训练对,反向采样则利用训练后的预测逐步生成数据。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 扩散模型 9.3 训练噪声预测器 · 查看原书依据

      怎么训练噪声预测器呢?去噪模块根据一张带有噪声的图片和代表去噪步数的ID来产生去噪的结果. 去噪模块里的噪声预测器会接收这张图片和ID,产生一个预测出来的噪声. 但要产生一个预测出来的噪声,就需要有标准答案. 在训练网络的时候,需要有成对的数据. 只有告诉噪声预测器这张图片里的噪声是什么样子,它才能够学习怎么把噪声输出. 噪声预测器的训练数据是人为创造的. 怎么创造呢?如图9.4 所示,从数据集里拿一张图片出来,随机地从高斯分布中采样一组噪声并加上去,从而产生有点噪声的图片. 再采样一次,就可以得到噪声更多的图片,以此类推,最后整张图片已经看不出原来是什么样子. 加噪声的过程称为前向过程,也称为扩散过程. 做完扩散过程以后,就有了噪声预测器的训练数据. 噪声预测器的训练数据就是一张加完噪声的图片以及现在是第几步加噪声,而加入的噪声就是网络的输出,这是网络输出的标准答案.

    参考来源

    - 位置:《深度学习详解》第9章《扩散模型》9.3 训练噪声预测器(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter09.xhtml`) - 结论依据:原文分别介绍多步逆过程、人工加噪监督和文本条件训练。 - 原始内容:怎么训练噪声预测器呢?去噪模块根据一张带有噪声的图片和代表去噪步数的ID来产生去噪的结果. 去噪模块里的噪声预测器会接收这张图片和ID,产生一个预测出来的噪声. 但要产生一个预测出来的噪声,就需要有标准答案. 在训练网络的时候,需要有成对的数据. 只有告诉噪声预测器这张图片里的噪声是什么样子,它才能够学习怎么把噪声输出. 噪声预测器的训练数据是人为创造的. 怎么创造呢?如图9.4 所示,从数据集里拿一张图片出来,随机地从高斯分布中采样一组噪声并加上去,从而产生有点噪声的图片. 再采样一次,就可以得到噪声更多的图片,以此类推,最后整张图片已经看不出原来是什么样子. 加噪声的过程称为前向过程,也称为扩散过程. 做完扩散过程以后,就有了噪声预测器的训练数据. 噪声预测器的训练数据就是一张加完噪声的图片以及现在是第几步加噪声,而加入的噪声就是网络的输出,这是网络输出的标准答案.