Skip to main content

> ML_ALGORITHM // SCORE-BASED-GENERATIVE-MODELING-SDE_v1.0

Stokastik Diferansiyel Denklemlerle Skor Tabanlı Modelleme

Üretici gürültü ekleme ve gidermeyi sürekli ileri ve ters zamanlı SDE'ler olarak modelleyen difüzyon modelleri için birleştirici matematiksel temel.

Diffusion & Score-Based Generative Modelsdeep-generativeblack-boxlarge (>100k)
Tüm Algoritmalara Dön
Hesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size * score_net_pass)
Çıkarım (Inference):O(predictor_corrector_steps * score_net_pass)
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

Tahmin edici-düzeltici örnekleme, sayısal SDE entegrasyonunu Langevin MCMC hata düzeltmesi ile birleştirir.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:
image generationinverse problems mri
Desteklenen Modaliteler:
imagemedical-imaging

Uygulayıcı Kütüphaneler

PyTorchLinux Foundation / PyTorch Foundation · v2.4.1
İncele
diffusers

Temel Literatür & Yayınlar

Score-Based Generative Modeling through Stochastic Differential EquationsYang Song, Jascha Sohl-Dickstein (2020) · International Conference on Learning Representations (ICLR)
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
  • Yetersiz adımlı naif Euler-Maruyama çözücüleri kullanıldığında sayısal SDE çözücü hata birikimi