【扩散模型】学习笔记9.14-9.18

博客参考链接：

• https://zhuanlan.zhihu.com/p/650394311
• https://blog.youkuaiyun.com/qq_42722197/article/details/127081620
• https://blog.youkuaiyun.com/jdcdev_/article/details/129839346
• https://blog.youkuaiyun.com/zhL816/article/details/127990163
• 【大白话AI | 图像生成模型DDPM | 扩散模型 | 生成模型 | 概率扩散去噪生成模型-哔哩哔哩】 https://b23.tv/uNwAnpq

前置知识：

生成模型：
生成模型的本质是通过一个已知的概率模型来拟合所给的数据样本，也就是说，我们往往需要通过模型得到一个带参数的分布。我们希望得到的生成样本的分布和训练数据的分布尽可能相似。

生成模型目前有四个流派，分别是生成对抗网络（Generative Adversarial Models，GAN），变分自编码器（Variance Auto-Encoder，VAE），标准化流模型（Normalization Flow， NF）以及扩散模型（Diffusion Models，DM）。

GAN:通过判别器和生成器的互相博弈来让生成器生成足以以假乱真的图像。
VAE:通过一个编码器将输入图像编码成特征向量，它用来学习高斯分布的均值和方差，而解码器