DDPM in Pytorch

Denoising Diffusion Probablistic Model的Pytorch实现。这是一种新的生成模型方法，过程如图所示:

介绍

原理参考苏剑林的博客:

• 生成扩散模型漫谈（一）：DDPM = 拆楼 + 建楼
• 生成扩散模型漫谈（二）：DDPM = 自回归式VAE
• 生成扩散模型漫谈（三）：DDPM = 贝叶斯 + 去噪

代码实现参考:

• Bojone Github
• Lucidrains Github
• 知乎：扩散模型之DDPM

说明

使用CIFAR10训练数据集训练80个epoch，使用Adamw优化器，学习率5e-5，结果如图

1. 训练

在config.yml文件中修改训练所需要的参数

# model_path is the path to save checkpoint
python main.py --mode train --model_path model.pth

2. 推理

在config.yml文件中修改推理所需要的参数，模型配置参数要与训练时所用参数一致

# output_path is the path to save output picture, and the nums is the batch_size of generation
python main.py --mode predict --nums 10 --output_path result.png

环境

Package	Version
opencv-python	4.9.0.80
torch	1.13.1