擴散模型從原理到實戰(zhàn)

定　價：￥79.80

作　者：	李忻瑋蘇步升徐浩然余海銘
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥63.20)

ISBN：	9787115618870	出版時間：	2023-08-01	包裝：	平裝-膠訂
開本：	128開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　AIGC的應用領域日益廣泛，而在圖像生成領域，擴散模型則是AIGC技術的一個重要應用。本書以擴散模型理論知識為切入點，由淺入深地介紹了擴散模型的相關知識，并以大量生動有趣的實戰(zhàn)案例幫助讀者理解擴散模型的相關細節(jié)。全書共8章，詳細介紹了擴散模型的原理，以及擴散模型退化、采樣、DDIM反轉等重要概念與方法，此外還介紹了Stable Diffusion、ControlNet與音頻擴散模型等內(nèi)容。最后，附錄提供由擴散模型生成的高質量圖像集以及Hugging Face社區(qū)的相關資源。本書既適合所有對擴散模型感興趣的AI研究人員、相關科研人員以及在工作中有繪圖需求的從業(yè)人員閱讀，也可以作為計算機等相關專業(yè)學生的參考書。

作者簡介

　　李忻瑋，碩士畢業(yè)于美國常春藤盟校之一的哥倫比亞大學數(shù)據(jù)科學專業(yè)，現(xiàn)任聲網(wǎng)人工智能算法工程師；主要研究方向是生成式人工智能、計算機視覺、自然語言處理、提示工程等。蘇步升，擴散模型算法工程師，AIGC創(chuàng)業(yè)者，Hugging Face中國社區(qū)本地化工作組成員。徐浩然，畢業(yè)于中國海洋大學電子信息工程專業(yè)，現(xiàn)任聲網(wǎng)音頻算法工程師，從事?lián)P聲器聲學設計、音頻增強算法、音頻質量評估算法等研究工作。余海銘，本科畢業(yè)于暨南大學，碩士畢業(yè)于加州大學爾灣分校；先后在中國科學院深圳先進技術研究院、愛奇藝、美團等單位工作；主要研究方向是圖像識別、圖像生成、多模態(tài)及自動駕駛等領域。

圖書目錄

第 1章　擴散模型簡介　1
1.1　擴散模型的原理　1
1.1.1　生成模型　1
1.1.2　擴散過程　2
1.2　擴散模型的發(fā)展　5
1.2.1　開始擴散：基礎擴散模型的提出與改進　6
1.2.2　加速生成：采樣器　6
1.2.3　刷新紀錄：基于顯式分類器引導的擴散模型　7
1.2.4　引爆網(wǎng)絡：基于CLIP的多模態(tài)圖像生成　8
1.2.5　再次“出圈”：大模型的“再學習”方法——DreamBooth、LoRA和ControlNet　8
1.2.6　開啟AI作畫時代：眾多商業(yè)公司提出成熟的圖像生成解決方案　10
1.3　擴散模型的應用　12
1.3.1　計算機視覺　12
1.3.2　時序數(shù)據(jù)預測　14
1.3.3　自然語言　15
1.3.4　基于文本的多模態(tài)　16
1.3.5　AI基礎科學　19
第 2章　Hugging Face簡介　21
2.1　Hugging Face核心功能介紹　21
2.2　Hugging Face開源庫　28
2.3　Gradio工具介紹　30
第3章　從零開始搭建擴散模型　33
3.1　環(huán)境準備　33
3.1.1　環(huán)境的創(chuàng)建與導入　33
3.1.2　數(shù)據(jù)集測試　34
3.2　擴散模型之退化過程　34
3.3　擴散模型之訓練　36
3.3.1　 UNet網(wǎng)絡　36
3.3.2　開始訓練模型　38
3.4　擴散模型之采樣過程　41
3.4.1　采樣過程　41
3.4.2　與DDPM的區(qū)別　44
3.4.3　UNet2DModel模型　44
3.5　擴散模型之退化過程示例　57
3.5.1　退化過程　57
3.5.2　最終的訓練目標　59
3.6　拓展知識　60
3.6.1　時間步的調(diào)節(jié)　60
3.6.2　采樣（取樣）的關鍵問題　61
3.7　本章小結　61
第4章　Diffusers實戰(zhàn)　62
4.1　環(huán)境準備　62
4.1.1　安裝Diffusers庫　62
4.1.2　DreamBooth　64
4.1.3　Diffusers核心API　66
4.2　實戰(zhàn)：生成美麗的蝴蝶圖像　67
4.2.1　下載蝴蝶圖像集　67
4.2.2　擴散模型之調(diào)度器　69
4.2.3　定義擴散模型　70
4.2.4　創(chuàng)建擴散模型訓練循環(huán)　72
4.2.5　圖像的生成　75
4.3　拓展知識　77
4.3.1　將模型上傳到Hugging Face Hub 　77
4.3.2　使用Accelerate庫擴大訓練模型的規(guī)?！?9
4.4　本章小結　81
第5章　微調(diào)和引導　83
5.1　環(huán)境準備　86
5.2　載入一個預訓練過的管線　87
5.3　DDIM——更快的采樣過程　88
5.4　擴散模型之微調(diào)　91
5.4.1　實戰(zhàn)：微調(diào)　91
5.4.2　使用一個最小化示例程序來微調(diào)模型　96
5.4.3　保存和載入微調(diào)過的管線　97
5.5　擴散模型之引導　98
5.5.1　實戰(zhàn)：引導　100
5.5.2　CLIP引導　104
5.6　分享你的自定義采樣訓練　108
5.7　實戰(zhàn)：創(chuàng)建一個類別條件擴散模型　111
5.7.1　配置和數(shù)據(jù)準備　111
5.7.2　創(chuàng)建一個以類別為條件的UNet模型　112
5.7.3　訓練和采樣　114
5.8　本章小結　117
第6章　Stable Diffusion　118
6.1　基本概念　118
6.1.1　隱式擴散　118
6.1.2　以文本為生成條件　119
6.1.3　無分類器引導　121
6.1.4　其他類型的條件生成模型：Img2Img、Inpainting與Depth2Img模型　122
6.1.5　使用DreamBooth進行微調(diào)　123
6.2　環(huán)境準備　124
6.3　從文本生成圖像　125
6.4　Stable Diffusion Pipeline　128
6.4.1　可變分自編碼器　128
6.4.2　分詞器和文本編碼器　129
6.4.3　UNet　131
6.4.4　調(diào)度器　132
6.4.5　DIY采樣循環(huán)　134
6.5　其他管線介紹　136
6.5.1　Img2Img　136
6.5.2　Inpainting　138
6.5.3　Depth2Image　139
6.6　本章小結　140
第7章　DDIM反轉　141
7.1　實戰(zhàn)：反轉　141
7.1.1　配置　141
7.1.2　載入一個預訓練過的管線　142
7.1.3　DDIM采樣　143
7.1.4　反轉　147
7.2　組合封裝　153
7.3　ControlNet的結構與訓練過程　158
7.4　ControlNet示例　162
7.4.1　ControlNet與Canny Edge　162
7.4.2　ControlNet與M-LSD Lines　162
7.4.3　ControlNet與HED Boundary　163
7.4.4　ControlNet與涂鴉畫　164
7.4.5　ControlNet與人體關鍵點　164
7.4.6　ControlNet與語義分割　164
7.5　ControlNet實戰(zhàn)　165
7.6　本章小結　174
第8章　音頻擴散模型　175
8.1　實戰(zhàn)：音頻擴散模型　175
8.1.1　設置與導入　175
8.1.2　在預訓練的音頻擴散模型管線中進行采樣　176
8.1.3　從音頻到頻譜的轉換　177
8.1.4　微調(diào)管線　180
8.1.5　訓練循環(huán)　183
8.2　將模型上傳到Hugging Face Hub　186
8.3　本章小結　187
附錄A　精美圖像集展示　188
附錄B　Hugging Face相關資源　202