> ML_ALGORITHM // DENOISING-DIFFUSION-PROBABILISTIC-MODELS-DDPM_v1.0
Gürültü Giderici Difüzyon Olasılıksal Modelleri (DDPM)
Saf Gauss kaosundan gürültüyü aşamalı olarak kaldıran bir ters difüzyon sürecini öğrenerek örnekler üreten üretici model sınıfı.
Diffusion & Score-Based Generative Modelsdeep-generativeblack-boxlarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size * unet_pass)
Çıkarım (Inference):O(T * unet_pass) where T in [50, 1000]
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:high
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:black-box
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Ara difüzyon yörüngeleri önce kaba yapısal geometrinin ardından ince ayrıntıların kademeli olarak ortaya çıkışını gösterir.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
image generationaudio synthesismolecular generation
Desteklenen Modaliteler:
imageaudio3d-pointclouds
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Deep Unsupervised Learning using Nonequilibrium ThermodynamicsJascha Sohl-Dickstein, Eric A. Weiss (2015) · International Conference on Machine Learning (ICML)
Denoising Diffusion Probabilistic Models (DDPM)Jonathan Ho, Ajay Jain (2020) · Advances in Neural Information Processing Systems (NeurIPS)
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Hızlı örnekleyiciler olmadan ağır bir U-Net üzerinden 1.000 ileri geçiş gerektirmesi çok saniyelik üretim gecikmelerine neden olur