扩散模型课程文档
Hugging Face 扩散模型课程
并获得增强的文档体验
开始使用
Hugging Face 扩散模型课程
在这门免费课程中,你将:
- 👩🎓 学习扩散模型背后的理论
- 🧨 学习如何使用热门的 🤗 Diffusers 库生成图像和音频
- 🏋️♂️ 从零开始训练自己的扩散模型
- 📻 在新数据集上微调现有的扩散模型
- 🗺 探索条件生成和引导
- 🧑🔬 创建自己的定制扩散模型管道
先决条件
本课程需要学员具备良好的 Python 水平以及深度学习和 Pytorch 的基础。如果尚未达到要求,可以查看这些免费资源:
- Python: https://www.udacity.com/course/introduction-to-python—ud1110
- PyTorch 深度学习入门: https://www.udacity.com/course/deep-learning-pytorch—ud188
- 60分钟 PyTorch 快速入门: https://pytorch.ac.cn/tutorials/beginner/deep_learning_60min_blitz.html
要将你的模型上传到 Hugging Face Hub,你需要一个账户。你可以在以下地址免费创建一个:https://huggingface.co/join。
课程大纲是什么?
本课程包含四个单元。每个单元由理论部分(其中也列出了资源/论文)和两个 notebooks 组成。具体来说,我们有:
- 单元 1:扩散模型简介
🤗 Diffusers 简介以及从零开始实现 - 单元 2:微调与引导
在新数据上微调扩散模型并添加引导。 - 单元 3:Stable Diffusion
探索一个强大的文本条件潜在扩散模型 - 单元 4:深入扩散模型
深入探索扩散模型的高级技术
我们是谁?
关于作者
Jonathan Whitaker 是一位数据科学家/AI研究员,在 answer.ai 从事研发工作。他喜欢教学和制作课程。他目前的重点是生成式AI,涉足多种模态。你可以在这里找到更多信息:johnowhitaker.dev。
Lewis Tunstall 是 Hugging Face 的一名机器学习工程师,专注于开发开源工具并使其为更广泛的社区所用。他也是 O’Reilly 出版的《Natural Language Processing with Transformers》一书的合著者。
常见问题解答
以下是一些常见问题的解答
完成这门课程能获得证书吗? 目前,我们不为本课程提供任何证书。但是,我们正在为 Hugging Face 生态系统开发一个认证项目——敬请期待!
我应该在这门课程上花多少时间? 本课程的每个章节设计为一周内完成,每周大约需要 6-8 小时。但是,你可以根据自己的需要花费任意时间来完成课程。
如果有问题,我可以在哪里提问? 如果你对课程的任何部分有疑问,只需点击页面顶部的“提问”横幅,即可自动重定向到 Hugging Face Discord 的相应版块,在
#diffusion-models-class
频道中提问。我在哪里可以获取课程的代码? 对于每个部分,点击页面顶部的横幅即可运行代码。

我如何为课程做出贡献? 有很多方法可以为课程做贡献!如果你发现拼写错误或 bug,请在
diffusion-models-class
代码库中提交一个 issue。如果你想帮助将课程翻译成你的母语,请查看此处的说明。我可以重复使用这门课程吗? 当然可以!本课程采用宽松的 Apache 2 许可证发布。这意味着你必须给予适当的署名,提供许可证链接,并说明是否进行了修改。你可以以任何合理的方式这样做,但不能以任何方式暗示许可方认可你或你的使用。如果你想引用本课程,请使用以下 BibTeX
@misc{huggingfacecourse,
author = {Hugging Face},
title = {The Hugging Face Diffusion Models Course, 2022},
howpublished = "\url{https://huggingface.co/course}",
year = {2022},
note = "[Online; accessed <today>]"
}
让我们开始吧!
准备好开始了吗?那就进入第一个单元开始课程吧。
< > 在 GitHub 上更新