lucidrains/denoising-diffusion-pytorch

O que é?

Recursos principais

• 01Implementa o objetivo de treinamento e o procedimento de geração de amostras do DDPM em PyTorch.
• 02Oferece uma arquitetura U-Net configurável com opção de flash attention.
• 03A classe Trainer gerencia conjuntos de dados de imagens organizados em pastas, checkpoints e registro de amostras.
• 04Oferece suporte a treinamento em várias GPUs com Hugging Face Accelerate e a precisão mista.
• 05Inclui geração de amostras no estilo DDIM com menos etapas e avaliação de FID durante o treinamento.
• 06Oferece uma U-Net 1D e uma variante de difusão para dados sequenciais.

Casos de uso

• Treinar um pequeno gerador de imagens com uma pasta personalizada de imagens.
• Estudar ou modificar o código central de treinamento e geração de amostras por difusão.
• Prototipar modelos de difusão para dados de sequências unidimensionais.
• Executar experimentos de treinamento de difusão em várias GPUs com Accelerate.

Início rápido

1. 1

   Instale o pacote pelo PyPI

   pip install denoising_diffusion_pytorch
2. 2

   Crie um modelo e um objeto de difusão e, em seguida, treine com uma pasta de imagens usando a classe Trainer

3. 3

   Inicie o treinamento

   trainer.train()

Antes de usar

• !Treinar com imagens de tamanhos realistas requer uma GPU e bastante tempo (o exemplo usa 700000 etapas).

Tópicos

Perguntas frequentes

O que é denoising-diffusion-pytorch?

Implementação em PyTorch de modelos probabilísticos de difusão para treinar modelos generativos de imagens e sequências 1D. Este projeto é uma implementação em PyTorch de modelos probabilísticos de difusão, uma abordagem de modelagem generativa que aprende a reverter um processo gradual de adição de ruído. Ele oferece uma arquitetura U-Net e uma classe GaussianDiffusion, que gerencia a adição de ruído no processo direto, a função de perda do treinamento e a geração de amostras com o modelo treinado.

denoising-diffusion-pytorch é gratuito? Qual é a licença?

denoising-diffusion-pytorch é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.

denoising-diffusion-pytorch ainda é mantido?

Manutenção ativa. O último commit de denoising-diffusion-pytorch foi em 29 de set. de 2026.

Para que posso usar denoising-diffusion-pytorch?

Treinar um pequeno gerador de imagens com uma pasta personalizada de imagens. Estudar ou modificar o código central de treinamento e geração de amostras por difusão. Prototipar modelos de difusão para dados de sequências unidimensionais. Executar experimentos de treinamento de difusão em várias GPUs com Accelerate.

Como instalar denoising-diffusion-pytorch?

Instale o pacote pelo PyPI: pip install denoising_diffusion_pytorch Crie um modelo e um objeto de difusão e, em seguida, treine com uma pasta de imagens usando a classe Trainer Inicie o treinamento: trainer.train()

Onde consigo denoising-diffusion-pytorch?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/lucidrains/denoising-diffusion-pytorch