lucidrains/denoising-diffusion-pytorch

Что это?

Ключевые возможности

• 01Реализует целевую функцию обучения DDPM и процедуру генерации на PyTorch.
• 02Предоставляет настраиваемую основу U-Net с опциональной flash attention.
• 03Класс Trainer обрабатывает наборы изображений из папки, чекпойнты и сохранение примеров.
• 04Поддерживает обучение на нескольких GPU через Hugging Face Accelerate и смешанную точность.
• 05Включает генерацию в стиле DDIM с меньшим числом шагов и оценку FID во время обучения.
• 06Предлагает одномерные варианты U-Net и diffusion для последовательностей.

Сценарии использования

• Обучение небольшой модели генерации изображений на собственном наборе файлов.
• Изучение или модификация основного кода обучения diffusion-моделей и генерации.
• Создание прототипов diffusion-моделей для одномерных последовательностей.
• Запуск экспериментов по обучению diffusion-моделей на нескольких GPU с Accelerate.

Быстрый старт

1. 1

   Установите пакет из PyPI

   pip install denoising_diffusion_pytorch
2. 2

   Создайте модель и объект диффузии, затем обучите модель на изображениях из папки с помощью класса Trainer

3. 3

   Начните обучение

   trainer.train()

Что важно знать

• !Для обучения на изображениях реалистичного размера требуются GPU и много времени (в примере используется 700000 шагов).

Темы

Частые вопросы

Что такое denoising-diffusion-pytorch?

Реализация Denoising Diffusion Probabilistic Models на PyTorch для обучения генеративных моделей изображений и одномерных последовательностей. Проект представляет собой реализацию Denoising Diffusion Probabilistic Models на PyTorch — подхода к генеративному моделированию, который учится обращать постепенный процесс зашумления. В основе лежит U-Net, а класс GaussianDiffusion отвечает за прямое зашумление, функцию потерь при обучении и генерацию с помощью обученной модели.

denoising-diffusion-pytorch можно использовать бесплатно? Какая у него лицензия?

denoising-diffusion-pytorch распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.

denoising-diffusion-pytorch всё ещё поддерживается?

Активно поддерживается. Последний коммит в denoising-diffusion-pytorch — 29 сент. 2026 г..

Для чего можно использовать denoising-diffusion-pytorch?

Обучение небольшой модели генерации изображений на собственном наборе файлов. Изучение или модификация основного кода обучения diffusion-моделей и генерации. Создание прототипов diffusion-моделей для одномерных последовательностей. Запуск экспериментов по обучению diffusion-моделей на нескольких GPU с Accelerate.

Как установить denoising-diffusion-pytorch?

Установите пакет из PyPI: pip install denoising_diffusion_pytorch Создайте модель и объект диффузии, затем обучите модель на изображениях из папки с помощью класса Trainer Начните обучение: trainer.train()

Где скачать denoising-diffusion-pytorch?

Исходный код и инструкции по установке — на GitHub: https://github.com/lucidrains/denoising-diffusion-pytorch