(Ken Cen出品)Generative AI第24部 使用Pytorch編寫 Stable Diffusion 上部
關於Stable Diffusion， U-NET，Forward Process， Reverse Process，latent，ELBO，Autoencoder，CLIP，VAE， Pytorch，Markov chain，
4.83 (3 reviews)
53
students
4 hours
content
May 2025
last update
$54.99
regular price
What you will learn
深入理解生成模型與概率分布的關係，以及擴散模型的正向（adding noise）與逆向（denoising）過程
掌握 DDPM 論文（Denoising Diffusion Probabilistic Models）中正向與逆向過程的核心數學公式與變分推理方法
學會訓練與採樣新數據的技巧，並能透過無分類器引導（classifier-free guidance）自訂生成結果的風格與品質
熟悉 CLIP 模型在文本—圖像共同嵌入空間中的運作原理與應用場景
掌握潛在擴散模型（Latent Diffusion Model）與變分自動編碼器（VAE）的結合應用，理解潛在空間中圖像生成的高效流程
全面解析 Stable Diffusion 的編碼器（Encoder）與解碼器（Decoder）實現細節，以及整體架構設計
6581529
udemy ID
22/04/2025
course created date
04/05/2025
course indexed date
Bot
course submited by