|
# 《从零开始学扩散模型》 |
|
|
|
## 术语表 |
|
|
|
| 词汇 | 翻译 | |
|
| :---------------------- | :--- | |
|
| Corruption Process | 退化过程 | |
|
| Pipeline | 管线 | |
|
| Timestep | 时间步 | |
|
| Scheduler | 调度器 | |
|
| Gradient Accumulation | 梯度累加 | |
|
|
|
# 目录 |
|
|
|
## 第一部分 基础知识 |
|
|
|
### 第一章 扩散模型的原理、发展和应用 |
|
|
|
#### 1.1 扩散模型的原理 |
|
#### 1.2 扩散模型的发展 |
|
#### 1.3 扩散模型的应用 |
|
|
|
### 第二章 HuggingFace介绍与环境准备 |
|
|
|
#### 2.1 HuggingFace Space |
|
#### 2.2 Transformer 与 diffusers 库 |
|
#### 2.3 环境准备 |
|
|
|
## 第二部分 扩散模型实战 |
|
|
|
### 第三章 从零开始做扩散模型 |
|
|
|
#### 3.1 章节概述 |
|
#### 3.2 环境准备 |
|
#### 3.2.1 环境的创建与导入 |
|
#### 3.2.2 数据集测试 |
|
#### 3.3 扩散模型-退化过程 |
|
#### 3.4 扩散模型训练 |
|
#### 3.4.1 Unet模型 |
|
#### 3.4.2 开始训练模型 |
|
#### 3.5 扩散模型-采样(取样)过程 |
|
#### 3.5.1 采样(取样)过程 |
|
#### 3.5.2 与DDPM的区别 |
|
#### 3.5.3 UNet2DModel模型 |
|
#### 3.6 扩散模型-退化过程示例 |
|
#### 3.6.1 退化过程 |
|
#### 3.6.2 最终的训练目标 |
|
#### 3.7 拓展知识 |
|
#### 3.7.1 迭代周期(Timestep)的调节 |
|
#### 3.7.2 采样(取样)的关键问题 |
|
#### 3.8 本章小结 |
|
|
|
### 第四章 Diffusers实战 |
|
#### 4.1 章节概述 |
|
#### 4.2 环境准备 |
|
#### 4.2.1 安装Diffusers库 |
|
#### 4.2.2 Dreambooth-全新的扩散模型 |
|
#### 4.2.3 Diffusers核心API |
|
#### 4.3 实战:生成美丽的蝴蝶图片 |
|
#### 4.3.1 下载蝴蝶图像集 |
|
#### 4.3.2 扩散模型-调度器 |
|
#### 4.3.3 定义扩散模型 |
|
#### 4.3.4 创建扩散模型训练循环 |
|
#### 4.3.5 图像的生成 |
|
#### 4.4 拓展知识 |
|
#### 4.4.1 将模型上传到Hub上 |
|
#### 4.4.2 扩大训练模型的规模 |
|
#### 4.5 本章小结 |
|
|
|
### 第五章 微调和引导 |
|
#### 5.1 章节概述 |
|
#### 5.2 环境准备 |
|
#### 5.3 载入一个预训练过的管线 |
|
#### 5.4 DDIM-更快的采样过程 |
|
#### 5.5 扩散模型-微调 |
|
#### 5.5.1 实战:微调 |
|
#### 5.5.2 使用最小化样例脚本微调模型 |
|
#### 5.5.3 保存和载入微调过的管线 |
|
#### 5.6 扩散模型-引导 |
|
#### 5.6.1 实战:引导 |
|
#### 5.6.2 CLIP 引导 |
|
#### 5.7 分享你的自定义采样训练 |
|
#### 5.7.1 环境准备 |
|
#### 5.7.2 创建一个以类别为条件的UNet |
|
#### 5.7.3 训练与采样 |
|
#### 5.8 本章小结 |
|
#### 5.9 实战:创建一个类别条件扩散模型 |
|
|
|
### 第六章 Stable Diffusion |
|
#### 6.1 章节概述 |
|
#### 6.2 环境准备 |
|
#### 6.3 从文本生成图像 |
|
#### 6.4 Stable Diffusion Pipeline |
|
#### 6.4.1 可变分自编码器(VAE) |
|
#### 6.4.2 分词器(Tokenizer)和文本编码器(Text Encoder) |
|
#### 6.4.3 UNet |
|
#### 6.4.4 调度器(Scheduler) |
|
#### 6.4.5 DIY一个采样循环 |
|
#### 6.5 其他管线介绍 |
|
#### 6.5.1 Img2Img |
|
#### 6.5.2 In-Painting |
|
#### 6.5.3 Depth2Image |
|
#### 6.5.4 拓展:管理你的模型缓存 |
|
#### 6.6 本章小结 |
|
|
|
### 第七章 DDIM反转 |
|
#### 7.1 本章概述 |
|
#### 7.2 实战:反转 |
|
#### 7.2.1 设置 |
|
#### 7.2.2 加载一个已训练的管道 |
|
#### 7.2.3 DDIM采样 |
|
#### 7.2.4 反转 |
|
#### 7.3 组合封装 |
|
#### 7.4 本章小结 |
|
|
|
### 第八章 音频扩散模型 |
|
#### 8.1 本章概述 |
|
#### 8.2 实战:音频扩散模型 |
|
#### 8.2.1 设置与导入 |
|
#### 8.2.2 从预先训练的音频管道采样 |
|
#### 8.2.3 从音频到频谱的转换 |
|
#### 8.2.4 微调管道 |
|
#### 8.2.5 循环训练 |
|
#### 8.3 将模型上传到Hub上 |
|
#### 8.4 本章小结 |
|
|
|
### 第九章 ControlNet和LoRa |
|
#### 9.1 ControlNet |
|
#### 9.2 LoRa |
|
|
|
## 附录 精美图像集展示 |