yang1yu的博客

摘要：扩散模型是一类通过逐步去噪生成图像的生成模型，包含正向加噪和反向去噪两个过程。正向过程将清晰图像逐步变为纯噪声，反向过程则训练神经网络从噪声中重建图像。该模型广泛应用于Stable Diffusion等主流图像生成工具。其核心架构包括U-Net、Latent Diffusion Model和Diffusion Transformer，支持文本、图像等多种条件控制。虽然扩散模型生成质量高、训练稳定，但存在计算成本高、采样慢等缺点。与GAN和VAE相比，扩散模型更注重逐步去噪过程。学习路径建议从基础理论到

Hugging Face是一个专注于AI和NLP的开源平台，提供Transformers库、Model Hub模型仓库、Datasets数据集和Spaces演示平台等功能。其主要组件包括pipeline（数据处理流水线）、tokenizer（文本分词和向量化工具）、model（预训练模型）和datasets。使用前需安装特定版本的PyTorch和transformers库。文章详细介绍了如何创建虚拟环境、安装依赖以及使用pipeline和tokenizer进行文本处理，包括模型加载、分词和向量化操作。