ddim-denoising-diffusion-pytorch

复现论文 Denoising Diffusion Implicit Models, in Pytorch。

• 论文 | Denoising Diffusion Implicit Models

• 复现代码 | https://github.com/FMsunyh/ddim-denoising-diffusion-pytorch

python环境

• torch 1.13.0
• python 3.10

训练数据

• celeba数据集 | https://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

百度云盘下载: CelebA/Img/img_align_celeba.zip

cp img_align_celeba.zip ./data/celebA/
cd ./data/celebA/
unzip img_align_celeba.zip

开启训练

• MNIST

python train.py --dataset mnist --epochs 6 --channels 1

• celebA

python train.py --dataset CelebA --epochs 100 --channels 3

输出路径

可以查看每一轮的预测结果

./outputs

测试效果

• MNIST数据集，训练6轮后的测试效果

• celebA数据集，训练50轮后的测试效果

参考

• 官方代码 | https://github.com/ermongroup/ddim/tree/main
• Denoising Diffusion Implicit Models (DDIM) Sampling | https://nn.labml.ai/diffusion/stable_diffusion/sampler/ddim.html
• labmlai | https://github.com/labmlai/annotated_deep_learning_paper_implementations
• CelebA Dataset | https://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
• U-Net model for Denoising Diffusion Probabilistic Models (DDPM) | https://nn.labml.ai/diffusion/ddpm/unet.html

AIGC学习交流