lucidrains/denoising-diffusion-pytorch

¿Qué es?

Funciones clave

• 01Implementa en PyTorch el objetivo de entrenamiento de DDPM y el procedimiento de muestreo.
• 02Incluye una arquitectura U-Net configurable con atención flash opcional.
• 03La clase `Trainer` gestiona datasets de imágenes organizados en carpetas, checkpoints y el registro de muestras.
• 04Admite entrenamiento con varias GPU mediante Hugging Face Accelerate y precisión mixta.
• 05Incluye muestreo al estilo DDIM con menos pasos y evaluación de FID durante el entrenamiento.
• 06Ofrece una U-Net 1D y una variante de difusión para datos de secuencias.

Casos de uso

• Entrenar un generador de imágenes pequeño con una carpeta personalizada de imágenes.
• Estudiar o modificar el código central de entrenamiento y muestreo de difusión.
• Crear prototipos de modelos de difusión para datos de secuencias unidimensionales.
• Ejecutar experimentos de entrenamiento de difusión con varias GPU mediante Accelerate.

Inicio rápido

1. 1

   Instala el paquete desde PyPI

   pip install denoising_diffusion_pytorch
2. 2

   Crea un modelo y un objeto de difusión, y luego entrena con una carpeta de imágenes usando la clase Trainer

3. 3

   Inicia el entrenamiento

   trainer.train()

Antes de usarlo

• !Entrenar con imágenes de tamaños realistas requiere una GPU y mucho tiempo (el ejemplo utiliza 700000 pasos).

Temas

Preguntas frecuentes

¿Qué es denoising-diffusion-pytorch?

Implementación en PyTorch de modelos probabilísticos de difusión con eliminación de ruido para entrenar modelos generativos de imágenes y secuencias 1D. Este proyecto es una implementación en PyTorch de modelos probabilísticos de difusión con eliminación de ruido (DDPM), un enfoque de modelado generativo que aprende a invertir un proceso gradual de incorporación de ruido. Incluye una arquitectura U-Net y una clase `GaussianDiffusion` que gestiona la incorporación de ruido en el proceso directo, la función de pérdida de entrenamiento y el muestreo con el modelo entrenado.

¿denoising-diffusion-pytorch es gratuito? ¿Qué licencia tiene?

denoising-diffusion-pytorch es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿denoising-diffusion-pytorch sigue mantenido?

Mantenimiento activo. El último commit de denoising-diffusion-pytorch fue el 29 sept 2026.

¿Para qué puedo usar denoising-diffusion-pytorch?

Entrenar un generador de imágenes pequeño con una carpeta personalizada de imágenes. Estudiar o modificar el código central de entrenamiento y muestreo de difusión. Crear prototipos de modelos de difusión para datos de secuencias unidimensionales. Ejecutar experimentos de entrenamiento de difusión con varias GPU mediante Accelerate.

¿Cómo se instala denoising-diffusion-pytorch?

Instala el paquete desde PyPI: pip install denoising_diffusion_pytorch Crea un modelo y un objeto de difusión, y luego entrena con una carpeta de imágenes usando la clase Trainer Inicia el entrenamiento: trainer.train()

¿Dónde consigo denoising-diffusion-pytorch?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/lucidrains/denoising-diffusion-pytorch