Improved Diffusion代码

DDPM的代码分两个部分：diffusion、神经网络

一、diffusion分两个过程：forward process前向过程（无参）和reverse process反向过程（含参，即有需要模型更新的参数）

（1）forward process前向过程：主要是将原始的数据分布一步一步加噪声，最后变成标准的正态分布

                ①beta schedule:加噪的方案，即每一步是如何加噪的。整个加噪过程是由beta决定的

                ②基于x0和t采样出t时刻加噪后的样本xt

                ③后验分布：基于x0、xt、t计算出前一时刻的分布，即xt-1的均值与方差，根据重参数 的技巧采样出xt-1去噪后的样本

                ④xT服从标准分布

生成模型是反过来的，一开始是噪声，经过一步步的迭代生成我们想要的图片

（2）reverse process过程：推理的过程，生成全新的样本，且生成同样含义不同风格的照片

神经网络的作用：预测xt-1.即我们将xt与t输入到神经网络去得到xt-1的分布，得到的分布与在forward过程中的后验分布距离越接近越好

reverse process过程分两部分：train、infer</