【全2册】正版书籍 扩散模型从原理到实战扩散模型：生成式AI模型的理论、应用与代码实践李忻玮苏步升徐浩然余海铭AIGC与大模型 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

扩散模型从原理到实战

定价

79.80

出版社

人民邮电出版社

出版时间

2023年07月

开本

16

作者

李忻玮，苏步升，徐浩然，余海铭

页数

ISBN编码

9787115618870

内容介绍

AIGC的应用领域日益广泛，而在图像生成领域，扩散模型则是AIGC技术的一个重要应用。本书以扩散模型理论知识为切入点，由浅入深地介绍了扩散模型的相关知识，并以大量生动有趣的实战案例帮助读者理解扩散模型的相关细节。全书共8章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM反转等重要概念与方法，此外还介绍了Stable Diffusion、ControlNet与音频扩散模型等内容。*，附录提供由扩散模型生成的高质量图像集以及Hugging Face社区的相关资源。

本书既适合所有对扩散模型感兴趣的AI研究人员、相关科研人员以及在工作中有绘图需求的从业人员阅读，也可以作为计算机等相关专业学生的参考书。

作者简介

李忻玮，硕士毕业于美国常春藤盟校之一的哥伦比亚大学数据科学专业，现任声网人工智能算法工程师；主要研究方向是生成式人工智能、计算机视觉、自然语言处理、

提示工程等。

苏步升，扩散模型算法工程师，AIGC创业者，Hugging Face中国社区本地化工作组成员。

徐浩然，毕业于中国海洋大学电子信息工程专业，现任声网音频算法工程师，从事扬声器声学设计、音频增强算法、音频质量评估算法等研究工作。

余海铭，本科毕业于暨南大学，硕士毕业于加州大学尔湾分校；先后在中国科学院深圳先进技术研究院、爱奇艺、美团等单位工作；主要研究方向是图像识别、图像生成、

多模态及自动驾驶等领域。

目录

1章　扩散模型简介　1

1.1　扩散模型的原理　1

1.1.1　生成模型　1

1.1.2　扩散过程　2

1.2　扩散模型的发展　5

1.2.1　开始扩散：基础扩散模型的提出与改进　6

1.2.2　加速生成：采样器　6

1.2.3　刷新纪录：基于显式分类器引导的扩散模型　7

1.2.4　引爆网络：基于CLIP的多模态图像生成　8

1.2.5　再次“出圈”：大模型的“再学习”方法——DreamBooth、LoRA和ControlNet　8

1.2.6　开启AI作画时代：众多商业公司提出成熟的图像生成解决方案　10

1.3　扩散模型的应用　12

1.3.1　计算机视觉 　12

1.3.2　时序数据预测　14

1.3.3　自然语言　15

1.3.4　基于文本的多模态　16

1.3.5　AI基础科学　19

2章　Hugging Face简介　21

2.1　Hugging Face核心功能介绍　21

2.2　Hugging Face开源库　28

2.3　Gradio工具介绍　30

3章　从*开始搭建扩散模型　33

3.1　环境准备　33

3.1.1　环境的创建与导入　33

3.1.2　数据集　34

3.2　扩散模型之退化过程　34

3.3　扩散模型之训练　36

3.3.1　 UNet网络　36

3.3.2　开始训练模型　38

3.4　扩散模型之采样过程　41

3.4.1　采样过程　41

3.4.2　与DDPM的区别　44

3.4.3　UNet2DModel模型　44

3.5　扩散模型之退化过程示例　57

3.5.1　退化过程　57

3.5.2　* 的训练目标　59

3.6　拓展知识　60

3.6.1　时间步的调节　60

3.6.2　采样（取样）的关键问题　61

3.7　本章小结　61

4章　Diffusers实战　62

4.1　环境准备　62

4.1.1　安装Diffusers库　62

4.1.2　DreamBooth　64

4.1.3　Diffusers核心API　66

4.2　实战：生成美丽的蝴蝶图像　67

4.2.1　下载蝴蝶图像集　67

4.2.2　扩散模型之调度器　69

4.2.3　定义扩散模型　70

4.2.4　创建扩散模型训练循环　72

4.2.5　图像的生成　75

4.3　拓展知识　77

4.3.1　将模型上传到Hugging Face Hub 　77

4.3.2　使用Accelerate库扩大训练模型的规模　79

4.4　本章小结　81

5章　微调和引导　83

5.1　环境准备　86

5.2　载入一个预训练过的管线　87

5.3　DDIM——更快的采样过程　88

5.4　扩散模型之微调　91

5.4.1　实战：微调　91

5.4.2　使用一个*小化示例程序来微调模型　96

5.4.3　保存和载入微调过的管线　97

5.5　扩散模型之引导　98

5.5.1　实战：引导　100

5.5.2　CLIP引导　104

5.6　分享你的自定义采样训练　108

5.7　实战：创建一个类别条件扩散模型　111

5.7.1　配置和数据准备　111

5.7.2　创建一个以类别为条件的UNet模型　112

5.7.3　训练和采样　114

5.8　本章小结　117

6章　Stable Diffusion　118

6.1　基本概念　118

6.1.1　隐式扩散　118

6.1.2　以文本为生成条件　119

6.1.3　无分类器引导　121

6.1.4　其他类型的条件生成模型：Img2Img、Inpainting与Depth2Img模型 　122

6.1.5　使用DreamBooth进行微调　123

6.2　环境准备　124

6.3　从文本生成图像　125

6.4　Stable Diffusion Pipeline　128

6.4.1　可变分自编码器　128

6.4.2　分词器和文本编码器　129

6.4.3　UNet　131

6.4.4　调度器　132

6.4.5　DIY采样循环　134

6.5　其他管线介绍　136

6.5.1　Img2Img　136

6.5.2　Inpainting　138

6.5.3　Depth2Image　139

6.6　本章小结　140

7章　DDIM反转　141

7.1　实战：反转　141

7.1.1　配置　141

7.1.2　载入一个预训练过的管线　142

7.1.3　DDIM采样　143

7.1.4　反转　147

7.2　组合封装　153

7.3　ControlNet的结构与训练过程　158

7.4　ControlNet示例　162

7.4.1　ControlNet与Canny Edge　162

7.4.2　ControlNet与M-LSD Lines　162

7.4.3　ControlNet与HED Boundary　163

7.4.4　ControlNet与涂鸦画　164

7.4.5　ControlNet与人体关键点　164

7.4.6　ControlNet与语义分割　164

7.5　ControlNet实战　165

7.6　本章小结　174

8章　音频扩散模型　175

8.1　实战：音频扩散模型　175

8.1.1　设置与导入　175

8.1.2　在预训练的音频扩散模型管线中进行采样　176

8.1.3　从音频到频谱的转换　177

8.1.4　微调管线　180

8.1.5　训练循环　183

8.2　将模型上传到Hugging Face Hub　186

8.3　本章小结　187

附录A　精美图像集展示　188

附录B　Hugging Face相关资源　202

扩散模型：生成式AI模型的理论、应用与代码实践

定价 

89.00

出版社 

电子工业出版社

出版时间 

2023年07月

开本 

作者 

页数 

ISBN编码 

9787121459856

内容介绍

1章介绍AIGC与相关技术， 2章从三个视角介绍扩散模型的基本理论、算法，此外介绍了扩散模型的神经网络架构和代码实现。 3章、 4章、 5章分别从高效采样、似然 大化、数据结构三个方面系统介绍了扩散模型的特点，以及后续的改进工作。 6章讨论了扩散模型与其他生成模型的关联，包括变分自编码器、生成对抗网络、归一化流、自回归模型和基于能量的模型。 7章介绍了扩散模型的应用，包括计算机视觉、自然语言处理、时间数据建模、多模态学习、鲁棒学习和跨学科应用。 8章讨论了扩散模型的未来，以及与GPT和大模型的关联。

《扩散模型：生成式AI模型的理论、应用与代码实践》适合高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读

作者简介

杨灵

北京大学博士在读，研究兴趣是机器学习和生成式AI，作为 作者在ICML、CVPR等人工智能 会、 刊发表过多篇论文，长期担任TPAMI、ICML、NeurIPS、CVPR、KDD、AAAI等多个 级学术会议或期刊的程序委员会成员、审稿人。现与OpenAI、斯坦福大学等AI研究机构进行长期的科研合作。曾获北京大学国家奖学金、学术创新奖、三好学生等奖项。

张至隆

北京大学硕士在读，本科毕业于北京大学数学科学学院，研究兴趣是扩散模型。曾获北京大学国琴奖学金、 毕业生、三好学生等奖项。

张文涛

蒙特利尔学习算法研究所（Mila）博士后研究员。博士毕业于北京大学计算机学院，师从崔斌教授。研究兴趣为大规模图学习，作为 作者在机器学习、数据挖掘和数据库等领域发表论文10余篇。曾获Apple PhD Fellowship、WAIC云帆奖和北京大学 博士学位论文等奖项。

崔斌

北京大学计算机学院教授、博士生导师、北京大学计算机学院副院长。担任中国计算机学会数据库专委会副主任，VLDB理事会理事，IEEE TKDE、VLDB Journal、DAPD等国际期刊编委。中国计算机学会杰出会员、IEEE 会员、ACM会员，2016年入选 长江学者特聘教授。

目录

1 章 AIGC 与相关技术 ....................................................................... 1

1.1 AIGC 简介 ................................................................................................... 2

1.2 扩散模型简介 .............................................................................................. 4

2 章 扩散模型基础 ............................................................................ 6

2.1 去噪扩散概率模型 ...................................................................................... 9

2.2 基于分数的生成模型 ................................................................................ 18

2.3 随机微分方程 ............................................................................................ 21

2.4 扩散模型的架构 ........................................................................................ 28

3 章 扩散模型的高效采样 ..................................................................42

3.1 微分方程 .................................................................................................... 43

3.2 确定性采样 ................................................................................................ 44

3.2.1 SDE 求解器 ................................................................................... 45

3.2.2 ODE 求解器 .................................................................................. 50

3.3 基于学习的采样 ........................................................................................ 55

3.3.1 离散方式 ....................................................................................... 55

3.3.2 截断扩散 ....................................................................................... 57

3.3.3 知识蒸馏 ....................................................................................... 61

4 章 扩散模型的似然 大化 ...............................................................66

4.1 似然函数 大化 ........................................................................................ 67

4.2 加噪策略优化 ............................................................................................ 68

4.3 逆向方差学习 ............................................................................................ 71

4.4 精确的对数似然估计 ................................................................................ 82

5 章 将扩散模型应用于具有特殊结构的数据 ......................................... 86

5.1 离散数据 .................................................................................................... 87

5.2 具有不变性结构的数据 ............................................................................ 90

5.3 具有流形结构的数据 ................................................................................ 97

5.3.1 流形已知 ....................................................................................... 97

5.3.2 流形未知 ....................................................................................... 97

6 章 扩散模型与其他生成模型的关联 ................................................. 102

6.1 变分自编码器与扩散模型 ...................................................................... 103

6.2 生成对抗网络与扩散模型 ...................................................................... 105

6.3 归一化流与扩散模型 ............................................................................... 110

6.4 自回归模型与扩散模型 ........................................................................... 113

6.5 基于能量的模型与扩散模型 ................................................................... 114

7 章 扩散模型的应用 ...................................................................... 117

7.1 无条件扩散模型与条件扩散模型 ........................................................... 118

7.2 计算机视觉 ............................................................................................... 119

7.2.1 图像超分辨率、图像修复和图像翻译 ...................................... 119

7.2.2 语义分割 ..................................................................................... 124

7.2.3 视频生成 ..................................................................................... 127

7.2.4 点云补全和点云生成 ................................................................. 130

7.2.5 异常检测 ..................................................................................... 133

7.3 自然语言处理 .......................................................................................... 135

7.4 时间数据建模 .......................................................................................... 140

7.4.1 时间序列插补 ............................................................................. 140

7.4.2 时间序列预测 ............................................................................. 142

7.5 多模态学习 .............................................................................................. 144

7.5.1 文本到图像的生成 ..................................................................... 144

7.5.2 文本到音频的生成 ..................................................................... 152

7.5.3 场景图到图像的生成 ................................................................. 154

7.5.4 文本到3D 内容的生成 .............................................................. 156

7.5.5 文本到人体动作的生成 ............................................................. 156

7.5.6 文本到视频的生成 ..................................................................... 157

7.6 鲁棒学习 .................................................................................................. 159

7.7 跨学科应用 .............................................................................................. 159

7.7.1 人工智能药物研发 ..................................................................... 159

7.7.2 医学影像 ..................................................................................... 166

8 章 扩散模型的未来——GPT 及大模型 ............................................. 169

8.1 预训练技术简介 ...................................................................................... 171

8.1.1 生成式预训练和对比式预测练 ................................................. 172

8.1.2 并行训练技术 ............................................................................. 175

8.1.3 微调技术 ..................................................................................... 178

8.2 GPT 及大模型 ......................................................................................... 179

8.2.1 GPT-1 ........................................................................................... 179

8.2.2 GPT-2 ........................................................................................... 182

8.2.3 GPT-3 和大模型 .......................................................................... 184

8.2.4 InstructGPT 和ChatGPT ............................................................ 190

8.2.5 Visual ChatGPT ........................................................................... 193

8.3 基于GPT 及大模型的扩散模型 ............................................................ 196

8.3.1 算法研究 ..................................................................................... 197

8.3.2 应用范式 ..................................................................................... 197

相关资料说明 ..................................................................................... 198

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：【全2册】正版书籍 扩散模型从原理到实战扩散模型：生成式AI模型的理论、应用与代码实践李忻玮苏步升徐浩然余海铭AIGC与大模型在线阅读

在线听书地址：【全2册】正版书籍 扩散模型从原理到实战扩散模型：生成式AI模型的理论、应用与代码实践李忻玮苏步升徐浩然余海铭AIGC与大模型在线收听

在线购买地址：【全2册】正版书籍 扩散模型从原理到实战扩散模型：生成式AI模型的理论、应用与代码实践李忻玮苏步升徐浩然余海铭AIGC与大模型在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！