扩散模型(Diffusion Models)

        扩散模型是生成模型，在过去几年中受到广泛欢迎，这是有充分理由的。 仅在 2020 年代发表的几篇开创性论文就向世界展示了扩散模型的能力，例如在图像合成方面击败 GAN。 最近，从业者将看到 DALL-E 2中使用的扩散模型，这是 OpenAI 上个月发布的图像生成模型。

标题

鉴于最近扩散模型的成功浪潮，许多机器学习从业者肯定对其内部运作感兴趣。 在本文中，我们将研究扩散模型的理论基础，然后演示如何在 PyTorch 中使用扩散模型生成图像。 让我们开始吧！

Diffusion Models - Introduction

        扩散模型是生成模型，这意味着它们用于生成与训练它们的数据相似的数据。 从根本上说，扩散模型的工作原理是通过连续添加高斯噪声来破坏训练数据，然后通过逆转这个噪声过程来学习恢复数据。 训练后，我们可以使用扩散模型通过学习的去噪过程简单地传递随机采样的噪声来生成数据。

https://arxiv.org/pdf/2006.11239.pdf