昇思25天学习打卡营第13天|Diffusion扩散模型

DDPM 是一种基于马尔科夫链的生成模型。其基本思想是将数据生成视为一个逐步去噪的过程，即从纯噪声逐渐生成真实数据。它通过两个过程实现：

前向扩散过程（Forward Diffusion Process）: 将数据逐步添加噪声，直到得到一个几乎完全是噪声的数据。
逆向生成过程（Reverse Generation Process）: 学习如何逐步去除噪声，以恢复原始数据。
步骤:

前向过程从原始数据开始，通过一系列加噪步骤，将数据转换为高斯噪声。
逆向过程从纯噪声开始，通过一系列去噪步骤，逐步恢复原始数据。

DDPM 是一种基于马尔科夫链的生成模型。其基本思想是将数据生成视为一个逐步去噪的过程，即从纯噪声逐渐生成真实数据。它通过两个过程实现：

前向扩散过程（Forward Diffusion Process）: 将数据逐步添加噪声，直到得到一个几乎完全是噪声的数据。
逆向生成过程（Reverse Generation Process）: 学习如何逐步去除噪声，以恢复原始数据。
步骤:

前向过程从原始数据开始，通过一系列加噪步骤，将数据转换为高斯噪声。
逆向过程从纯噪声开始，通过一系列去噪步骤，逐步恢复原始数据。