Self-Attention-Guidance 项目使用教程

Self-Attention-Guidance 项目使用教程

1. 项目目录结构及介绍

Self-Attention-Guidance/
├── evaluations/
│   └── ...
├── guided_diffusion/
│   ├── gaussian_diffusion.py
│   ├── unet.py
│   └── ...
├── models/
│   └── ...
├── .gitignore
├── LICENSE
├── README.md
├── SAG_Stable.ipynb
├── classifier_sample.py
├── image_sample.py
└── ...

目录结构说明

• evaluations/: 包含评估相关文件。
• guided_diffusion/: 包含扩散模型的核心实现文件，如 gaussian_diffusion.py 和 unet.py。
• models/: 存放预训练模型的权重文件。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• SAG_Stable.ipynb: Jupyter Notebook 文件，用于演示和实验。
• classifier_sample.py: 分类器采样脚本。
• image_sample.py: 图像采样脚本。

2. 项目启动文件介绍

classifier_sample.py

该脚本用于从预训练的扩散模型中进行分类器引导的采样。主要参数包括：

• --batch_size: 批处理大小。
• --num_samples: 采样数量。
• --timestep_respacing: 时间步长重采样。
• --guide_scale: 引导尺度。
• --guide_start: 引导开始时间步。
• --sel_attn_block: 选择的注意力块。
• --sel_attn_depth: 选择的注意力深度。
• --blur_sigma: 模糊标准差。
• --classifier_guidance: 是否使用分类器引导。

image_sample.py

该脚本用于从预训练的扩散模型中进行图像采样。主要参数与 classifier_sample.py 类似，但专注于图像生成。

3. 项目的配置文件介绍

README.md

README.md 文件是项目的核心配置和使用说明文档。它包含了项目的安装步骤、环境配置、模型下载、采样命令等详细信息。

环境配置

conda create -n sag python=3.8 anaconda
conda activate sag
conda install mpi4py
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html
pip install blobfile

模型下载

预训练模型的权重可以从项目的 models/ 目录中下载并放置。

采样命令示例

mpiexec -n $NUM_GPUS python classifier_sample.py \
  --guide_scale 1.1 \
  --guide_start 250 \
  --sel_attn_block output \
  --sel_attn_depth 8 \
  --blur_sigma 3 \
  --classifier_guidance True \
  --classifier_scale 0.5 \
  --classifier_path models/128x128_classifier.pt \
  --model_path models/128x128_diffusion.pt \
  --batch_size 64 \
  --num_samples 10000 \
  --timestep_respacing 250

以上是 Self-Attention-Guidance 项目的基本使用教程，涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用该项目。