扩散模型实战（一）：基本原理介绍

文章预览

      扩散模型（Diffusion Model）是⼀类⼗分先进的基于 物理热⼒学中的 扩散思想的深度学习⽣成模型 ，主要包括前向扩散和反向扩散两个过 程 。 ⽣成模型除了扩散 模型之外，还有出现较早的VAE（Variational Auto-Encoder，变分⾃编码器）和GAN（Generative  Adversarial Net，⽣成对抗⽹络）等。 生成模型        在深度学习中，⽣成模型的⽬标是根据给定的样本（训练数据）⽣成新样本。⾸先给定⼀批训练数据 X，假设其服从某种复杂的真实分布p(x)，则给定的训练数据可视为从该分布中采样的观测样本x。如果能够 从这些观测样本中估计出训练数据的真实分布，不就可以从该分布中源源不断地采样出新的样本了吗？ ⽣成 模型实际上就是这么做的，它的作⽤是估计训练数据的真实分布，并将其假定为q(x)。 在深度学习中，这个 过程称为拟合⽹络。        那 ………………………………