AIGC爱好者有福了，快看看这本《扩散模型》
书名：《扩散模型：从原理到实战》
作者： 李忻玮等
适合人群：
对扩散模型感兴趣的AI研究人员；有使用AIGC生成图片需求的从业人员；对stable Diffusion或者midjourney这些AI作图工具感兴趣又想了解原理的朋友
内容介绍
《 扩散模型：从原理到实践》是一本全面深入的书籍，系统性地介绍了扩散模型的基础知识、构建方法、训练技巧以及在多个领域的应用实例。书中首先对扩散模型进行了概述，包括其概念、历史和重要性，随后深入数学基础，详细讲解了扩散方程、随机过程和概率论。接着，探讨了不同类型扩散模型的特点和应用场景。
书中第二部分重点介绍了模型设计、训练方法和实用技巧，如网络结构选择、损失函数、优化算法以及防止过拟合和加速训练的策略。第三部分通过图像生成、自然语言处理等应用实例，展示了扩散模型解决实际问题的能力，并扩展到音频处理、金融预测和生物信息学等领域。
在高级主题部分， 讨论了扩散模型的扩展与改进，包括多模态模型和与其他深度学习方法的结合，同时关注了当前领域的前沿研究和未来趋势。实践指南部分提供了工具与框架的介绍，并结合项目实战案例，指导读者从数据准备到模型部署的全过程。
《扩散模型：从原理到实践》通过结合丰富的理论知识和实践应用，为不同层次的读者提供了宝贵的学习资源，无论是初学者还是有经验的研究人员，都能从中获得指导和启发。
这本大模型《《扩散模型从原理到实战》》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
PDF书籍： 完整版本链接获取
👉[CSDN大礼包🎁：《
《扩散模型从原理到实战》》免费分享（安全链接，放心点击）]👈
书籍目录：
第 1章 扩散模型简介 1
1.1 扩散模型的原理 1
1.1.1 生成模型 1
1.1.2 扩散过程 2
1.2 扩散模型的发展 5
1.2.1 开始扩散：基础扩散模型的提出与改进 6
1.2.2 加速生成：采样器 6
1.2.3 刷新纪录：基于显式分类器引导的扩散模型 7
1.2.4 引爆网络：基于CLIP的多模态图像生成 8
1.2.5 再次“出圈”：大模型的“再学习”方法——DreamBooth、LoRA和ControlNet 8
1.2.6 开启AI作画时代：众多商业公司提出成熟的图像生成解决方案 10
1.3 扩散模型的应用 12
1.3.1 计算机视觉 12
1.3.2 时序数据预测 14
1.3.3 自然语言 15
1.3.4 基于文本的多模态 16
1.3.5 AI基础科学 19
第 2章 Hugging Face简介 21
2.1 Hugging Face核心功能介绍 21
2.2 Hugging Face开源库 28
2.3 Gradio工具介绍 30
第3章 从零开始搭建扩散模型 33
3.1 环境准备 33
3.1.1 环境的创建与导入 33
3.1.2 数据集测试 34
3.2 扩散模型之退化过程 34
3.3 扩散模型之训练 36
3.3.1 UNet网络 36
3.3.2 开始训练模型 38
3.4 扩散模型之采样过程 41
3.4.1 采样过程 41
3.4.2 与DDPM的区别 44
3.4.3 UNet2DModel模型 44
3.5 扩散模型之退化过程示例 57
3.5.1 退化过程 57
3.5.2 最终的训练目标 59
3.6 拓展知识 60
3.6.1 时间步的调节 60
3.6.2 采样（取样）的关键问题 61
3.7 本章小结 61
第4章 Diffusers实战 62
4.1 环境准备 62
4.1.1 安装Diffusers库 62
4.1.2 DreamBooth 64
4.1.3 Diffusers核心API 66
4.2 实战：生成美丽的蝴蝶图像 67
4.2.1 下载蝴蝶图像集 67
4.2.2 扩散模型之调度器 69
4.2.3 定义扩散模型 70
4.2.4 创建扩散模型训练循环 72
4.2.5 图像的生成 75
4.3 拓展知识 77
4.3.1 将模型上传到Hugging Face Hub 77
4.3.2 使用Accelerate库扩大训练模型的规模 79
4.4 本章小结 81
第5章 微调和引导 83
5.1 环境准备 86
5.2 载入一个预训练过的管线 87
5.3 DDIM——更快的采样过程 88
5.4 扩散模型之微调 91
5.4.1 实战：微调 91
5.4.2 使用一个最小化示例程序来微调模型 96
5.4.3 保存和载入微调过的管线 97
5.5 扩散模型之引导 98
5.5.1 实战：引导 100
5.5.2 CLIP引导 104
5.6 分享你的自定义采样训练 108
5.7 实战：创建一个类别条件扩散模型 111
5.7.1 配置和数据准备 111
5.7.2 创建一个以类别为条件的UNet模型 112
5.7.3 训练和采样 114
5.8 本章小结 117
第6章 Stable Diffusion 118
6.1 基本概念 118
6.1.1 隐式扩散 118
6.1.2 以文本为生成条件 119
6.1.3 无分类器引导 121
6.1.4 其他类型的条件生成模型：Img2Img、Inpainting与Depth2Img模型 122
6.1.5 使用DreamBooth进行微调 123
6.2 环境准备 124
6.3 从文本生成图像 125
6.4 Stable Diffusion Pipeline 128
6.4.1 可变分自编码器 128
6.4.2 分词器和文本编码器 129
6.4.3 UNet 131
6.4.4 调度器 132
6.4.5 DIY采样循环 134
6.5 其他管线介绍 136
6.5.1 Img2Img 136
6.5.2 Inpainting 138
6.5.3 Depth2Image 139
6.6 本章小结 140
第7章 DDIM反转 141
7.1 实战：反转 141
7.1.1 配置 141
7.1.2 载入一个预训练过的管线 142
7.1.3 DDIM采样 143
7.1.4 反转 147
7.2 组合封装 153
7.3 ControlNet的结构与训练过程 158
7.4 ControlNet示例 162
7.4.1 ControlNet与Canny Edge 162
7.4.2 ControlNet与M-LSD Lines 162
7.4.3 ControlNet与HED Boundary 163
7.4.4 ControlNet与涂鸦画 164
7.4.5 ControlNet与人体关键点 164
7.4.6 ControlNet与语义分割 164
7.5 ControlNet实战 165
7.6 本章小结 174
第8章 音频扩散模型 175
8.1 实战：音频扩散模型 175
8.1.1 设置与导入 175
8.1.2 在预训练的音频扩散模型管线中进行采样 176
8.1.3 从音频到频谱的转换 177
8.1.4 微调管线 180
8.1.5 训练循环 183
8.2 将模型上传到Hugging Face Hub 186
8.3 本章小结 187
附录A 精美图像集展示 188
附录B Hugging Face相关资源 202 [1]
这本大模型《《扩散模型从原理到实战》》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
PDF书籍： 完整版本链接获取
👉[CSDN大礼包🎁：《
《扩散模型从原理到实战》》免费分享（安全链接，放心点击）]👈
