中图网(原中国图书网)：网上书店，尾货特色书店，30万种特价书低至2折！

歡迎光臨中圖網 請 | 注冊
> >>
DIFFUSION AI繪圖模型構造與訓練實戰

包郵 DIFFUSION AI繪圖模型構造與訓練實戰

作者：李福林
出版社：清華大學出版社出版時間：2024-03-01
開本： 其他 頁數： 332
中 圖 價:¥56.3(7.1折) 定價  ¥79.0 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

DIFFUSION AI繪圖模型構造與訓練實戰 版權信息

DIFFUSION AI繪圖模型構造與訓練實戰 本書特色

內容全面 本書是一本對Diffusion AI繪圖模型進行綜合性講解的書籍，既有基礎知識，也有實戰示例，還包括底層原理的講解。
語言簡潔 本書盡量以簡潔的語言書寫，每個章節之間的內容盡量獨立，使讀者可以跳躍閱讀而沒有障礙。
代碼清晰 本書的代碼也盡量以簡潔的形式書寫，使讀者閱讀不感吃力。每個代碼塊即是一個測試單元，讀者可以對每個程序的每個代碼塊按從上到下的順序進行測試，從一個個小知識點聚沙成塔，融會貫通。

DIFFUSION AI繪圖模型構造與訓練實戰 內容簡介

本書是對DiffusionAI繪圖模型的綜合性講解書籍，書中包括*基礎的組件的用例演示，也包括具體的項目實戰，以及Diffusion模型的底層設計思路和實現原理的介紹。通過本書的學習，讀者可以快速掌握Diffusion模型的使用方法，掌握AI繪圖模型的訓練、測試過程，并能研發屬于自己的AI繪圖模型。 本書共19章，分為快速上手篇（第1~2章），概述了Diffusion模型的發展歷史，介紹了開發環境的部署方法，以及Diffusion模型的快速上手演示。以文生圖的Diffusion模型的訓練方法篇（第3~7章），通過5個實戰任務演示使用高層API的方法快速訓練Diffusion模型。圖像生成模型的歷史發展篇（第8~12章），演示了前Diffusion時代的幾個代表性的圖像生成模型。以圖生圖的Diffusion模型的訓練方法篇（第13~15章），通過3個實戰項目演示了以圖生圖的Diffusion模型的訓練方法。以圖生圖模型的歷史發展篇（第16~18章），演示了前Diffusion時代的幾個以圖生圖模型。接近手動構造Diffusion模型篇（第19章），演示了從零開始的Diffusion模型的搭建、訓練、測試方法。 本書將使用*簡單淺顯的語言，帶領讀者快速地了解Diffusion模型的訓練、測試方法。通過本書中實戰項目的學習，讀者可以掌握一般的AI繪圖模型的研發流程。通過本書中Diffusion模型底層原理的學習，能夠讓讀者知其然也知其所以然，做到融會貫通。

DIFFUSION AI繪圖模型構造與訓練實戰 目錄

第1章介紹Diffusion模型的發展歷程，以及本書中相關任務的訓練方法。
第2章介紹開發環境的配置，并且快速上手Diffusion模型的使用。
第3章介紹不定圖像的生成任務。
第4章介紹文本訓練方法。
第5章介紹Dream Booth訓練方法。
第6章介紹圖文結合的訓練方法。
第7章介紹使用LoRA技巧加速訓練。
第8章介紹AE模型。
第9章介紹VAE模型。
第10章介紹DCGAN模型。
第11章介紹WGANGP模型。
第12章手動構造一個沒有文本輸入的Diffusion模型。
第13章介紹ControlNet組件。
第14章介紹Instruct Pix2Pix訓練方法。
第15章介紹正負樣本混合訓練方法。
第16章介紹Pix2Pix模型。
第17章介紹CycleGAN模型。
第18章介紹風格遷移任務。
第19章手動構建一個完整的Diffusion模型。
閱讀建議
本書是一本對Diffusion模型進行綜合性講解的書籍，既有基礎知識，也有實戰示例，也包括底層原理的講解。
本書盡量以簡潔的語言書寫，每個章節之間的內容盡量獨立，使讀者可以跳躍閱讀而沒有障礙。
作為一本實戰型書籍，讀者要掌握本書的知識，務必要結合代碼調試，本書的代碼也盡量以簡潔的形式書寫，使讀者閱讀時不感吃力。每個代碼塊即是一個測試單元，讀者可以對每個程序的每個代碼塊按從上到下的順序進行測試，從一個個小知識點聚沙成塔，融會貫通。
資源下載提示
素材（源碼）等資源: 掃描封底的文泉云盤防盜碼，再掃描目錄上方的二維碼下載。
致謝
感謝HuggingFace社區無私的奉獻，因為有了你們的工作成果，本書才得以以簡潔、標準化的API面世。
在書寫本書的過程中，我竭盡所能為讀者呈現*好的內容，錯漏難免會存在，敬請讀者批評指正。 李福林2023年11月
本書源碼 快速上手篇
第1章Diffusion模型3
1.1Diffusion模型介紹3
1.1.1Diffusion模型的演化之路4
1.1.2圖像以外的應用6
1.1.3其他的繪圖模型6
1.2微調預訓練模型6
1.2.1預訓練模型6
1.2.2微調模型以適應新數據7
1.2.3微調相比重新訓練的優勢7
1.3小結8
第2章快速上手9
2.1部署開發環境9
2.2HuggingFace簡介和快速上手11
2.2.1快速上手11
2.2.2加速技巧12
2.3Diffusion模型相關組件介紹13
2.3.1tokenizer13
2.3.2scheduler15
2.3.3Encoder16
2.3.4VAE17
2.3.5UNet18
2.4小結20
訓練方法篇
第3章不定圖像的生成23
3.1任務簡介23
3.2數據集介紹23
3.3測試部分24
3.3.1測試函數24
3.3.2未訓練模型的測試結果25
3.3.3訓練后模型的測試結果27
3.4訓練部分28
3.4.1全局常量28
3.4.2定義數據集28
3.4.3定義模型30
3.4.4初始化工具類31
3.4.5計算loss32
3.4.6訓練34
3.5小結35
第4章文本訓練36
4.1任務簡介36
4.2數據集介紹36
4.3測試部分37
4.3.1測試函數37
4.3.2未訓練模型的測試結果38
4.3.3訓練后模型的測試結果39
4.4訓練部分39
4.4.1全局常量39
4.4.2定義數據集39
4.4.3定義模型44
4.4.4初始化工具類47
4.4.5計算loss47
4.4.6訓練50
4.5小結51
第5章Dream Booth53
5.1任務簡介53
5.2數據集介紹53
5.3測試部分54
5.3.1測試函數54
5.3.2未訓練模型的測試結果55
5.3.3訓練后模型的測試結果55
5.4訓練部分56
5.4.1全局常量56
5.4.2定義數據集56
5.4.3定義模型60
5.4.4初始化工具類61
5.4.5計算loss61
5.4.6訓練62
5.5小結64
第6章圖文結合的訓練65
6.1任務簡介65
6.2數據集介紹65
6.3測試部分66
6.3.1測試函數67
6.3.2未訓練模型的測試結果68
6.3.3訓練后模型的測試結果68
6.4訓練部分69
6.4.1全局常量69
6.4.2定義數據集69
6.4.3定義模型73
6.4.4初始化工具類73
6.4.5計算loss74
6.4.6訓練75
6.5小結77
第7章LoRA Dream Booth78
7.1任務簡介78
7.2數據集介紹79
7.3測試部分79
7.3.1測試函數79
7.3.2未訓練模型的測試結果80
7.3.3訓練后模型的測試結果80
7.4訓練部分81
7.4.1全局常量81
7.4.2定義數據集81
7.4.3定義模型84
7.4.4初始化工具類87
7.4.5計算loss87
7.4.6訓練88
7.5小結89
圖像生成模型的歷史發展篇
第8章AE模型93
8.1模型原理介紹93
8.2鮮花數據集介紹94
8.3定義數據集95
8.4定義神經網絡模型98
8.4.1定義Block工具層98
8.4.2定義Encoder和Decoder100
8.5訓練101
8.5.1訓練前的準備工作101
8.5.2執行訓練102
8.6測試104
8.6.1測試本地訓練的模型104
8.6.2使用訓練好的模型測試105
8.7小結105
第9章VAE模型106
9.1AE模型的缺陷106
9.2定義神經網絡模型107
9.3訓練108
9.3.1訓練前的準備工作108
9.3.2執行訓練109
9.4測試111
9.4.1測試本地訓練的模型111
9.4.2使用訓練好的模型測試111
9.5小結113
第10章DCGAN模型114
10.1模型原理介紹114
10.2定義神經網絡模型115
10.2.1定義CLS模型115
10.2.2定義GEN模型116
10.3訓練117
10.3.1訓練前的準備工作117
10.3.2訓練CLS模型的函數118
10.3.3訓練GEN模型的函數119
10.3.4執行訓練120
10.4測試122
10.4.1測試本地訓練的模型122
10.4.2使用訓練好的模型測試122
10.5小結123
第11章WGANGP模型124
11.1模型原理介紹124
11.2定義神經網絡模型125
11.3訓練126
11.3.1訓練前的準備工作126
11.3.2訓練CLS模型的函數127
11.3.3執行訓練128
11.4測試130
11.4.1測試本地訓練的模型130
11.4.2使用訓練好的模型測試130
11.5小結131
第12章Diffusion模型132
12.1模型原理介紹132
12.2定義神經網絡模型134
12.3定義圖像生成函數142
12.4訓練144
12.5測試146
12.6小結147
訓練方法篇
第13章ControlNet以圖生圖151
13.1任務簡介151
13.2數據集介紹153
13.3測試部分154
13.3.1測試函數155
13.3.2未訓練模型的測試結果156
13.3.3訓練后模型的測試結果158
13.4訓練部分159
13.4.1全局常量159
13.4.2定義數據集159
13.4.3定義ControlNet模型162
13.4.4定義模型168
13.4.5初始化工具類169
13.4.6計算loss169
13.4.7訓練171
13.5小結172
第14章Instruct Pix2Pix圖像調整173
14.1任務簡介173
14.2數據集介紹174
14.3測試部分175
14.3.1加載數據集175
14.3.2測試函數176
14.4訓練部分179
14.4.1全局常量179
14.4.2定義數據集180
14.4.3定義模型181
14.4.4初始化工具類182
14.4.5計算loss183
14.4.6訓練186
14.5小結187
第15章正、負樣本混合訓練188
15.1任務簡介188
15.2數據集介紹188
15.3測試部分190
15.3.1配置環境190
15.3.2測試函數191
15.3.3未訓練模型的測試結果191
15.3.4訓練后模型的測試結果192
15.4訓練部分193
15.4.1全局常量193
15.4.2定義數據集193
15.4.3定義模型200
15.4.4初始化工具類203
15.4.5計算loss203
15.4.6訓練206
15.5小結207
以圖生圖模型的歷史發展篇
第16章Pix2Pix模型211
16.1任務介紹211
16.2數據集介紹212
16.3定義數據集213
16.4定義神經網絡模型216
16.4.1定義CLS模型217
16.4.2定義殘差連接層217
16.4.3定義GEN模型218
16.5訓練220
16.5.1訓練前的準備工作220
16.5.2訓練CLS的函數221
16.5.3訓練GEN的函數222
16.5.4執行訓練223
16.6測試226
16.6.1測試本地訓練的模型226
16.6.2使用訓練好的模型測試228
16.7小結228
第17章CycleGAN模型230
17.1模型原理介紹230
17.2數據集介紹231
17.3定義數據集232
17.4定義神經網絡模型234
17.4.1定義CLS模型234
17.4.2定義GEN模型235
17.5訓練237
17.5.1訓練前的準備工作237
17.5.2訓練CLS的函數238
17.5.3訓練GEN的函數239
17.5.4執行訓練242
17.6測試243
17.6.1測試本地訓練的模型243
17.6.2使用訓練好的模型測試244
17.7小結245
Diffusion模型篇
第18章風格遷移249
18.1模型原理介紹249
18.1.1針對單張圖片的風格遷移249
18.1.2基于神經網絡模型的風格遷移250
18.1.3風格遷移模型的訓練方法250
18.1.4數據部分251
18.2定義神經網絡模型252
18.2.1定義CLS模型254
18.2.2定義抽取內容特征的函數254
18.2.3定義抽取風格特征的函數255
18.2.4加載風格圖片特征256
18.3訓練257
18.3.1訓練前的準備工作257
18.3.2執行訓練257
18.4測試259
18.4.1測試本地訓練的模型259
18.4.2使用訓練好的模型測試260
18.5小結260
第19章手動構建Diffusion模型261
19.1模型原理介紹261
19.2Encoder模型263
19.2.1編碼層263
19.2.2注意力層264
19.2.3編碼器層266
19.2.4Encoder模型268
19.2.5載入參數268
19.2.6試算270
19.3VAE模型270
19.3.1殘差連接層270
19.3.2注意力層272
19.3.3Pad工具層274
19.3.4VAE模型275
19.3.5載入參數278
19.3.6試算280
19.4UNet模型281
19.4.1模型結構281
19.4.2殘差連接層282
19.4.3注意力層284
19.4.4Transformers層286
19.4.5down層289
19.4.6up層290
19.4.7UNet模型291
19.4.8載入參數296
19.4.9試算298
19.5訓練299
19.5.1加載工具類299
19.5.2定義數據集300
19.5.3定義模型303
19.5.4計算loss304
19.5.5執行訓練305
19.6測試306
19.6.1定義生成函數306
19.6.2定義測試函數308
19.6.3測試未訓練的模型309
19.6.4測試訓練好的模型310
19.7小結311
展開全部

DIFFUSION AI繪圖模型構造與訓練實戰 作者簡介

李福林，一個在IT領域摸爬滾打十多年的老程序員、培訓師，精通多種IT技術，具有軟件設計師職稱。分享了多部AI技術教程，受到了讀者的廣泛贊譽，F任職于陽獅集團，擔任算法工程師職位。教學風格追求化繁為簡，務實而不空談，課程設計思路清晰，課程演繹說理透徹，對AI領域技術有自己獨到的見解。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網
在線客服
主站蜘蛛池模板： 金属抛光机-磁悬浮抛光机-磁力研磨机-磁力清洗机 - 苏州冠古科技 | 青岛侦探_青岛侦探事务所_青岛劝退小三_青岛婚外情取证-青岛王军侦探事务所 | 断桥铝破碎机_铝合金破碎机_废铁金属破碎机-河南鑫世昌机械制造有限公司 | 水上浮桥-游艇码头-浮动码头-游船码头-码瑞纳游艇码头工程 | 模具ERP_模具管理系统_模具mes_模具进度管理_东莞市精纬软件有限公司 | 浩方智通 - 防关联浏览器 - 跨境电商浏览器 - 云雀浏览器 | 衬氟止回阀_衬氟闸阀_衬氟三通球阀_衬四氟阀门_衬氟阀门厂-浙江利尔多阀门有限公司 | 洁净化验室净化工程_成都实验室装修设计施工_四川华锐净化公司 | 盘煤仪,盘料仪,盘点仪,堆料测量仪,便携式激光盘煤仪-中科航宇（北京）自动化工程技术有限公司 | 佛山市钱丰金属不锈钢蜂窝板定制厂家|不锈钢装饰线条|不锈钢屏风| 电梯装饰板|不锈钢蜂窝板不锈钢工艺板材厂家佛山市钱丰金属制品有限公司 | WTB5光栅尺-JIE WILL磁栅尺-B60数显表-常州中崴机电科技有限公司 | 天品互联-北京APP开发公司-小程序开发制作-软件开发 | 深圳成考网-深圳成人高考报名网| 艺术涂料|木纹漆施工|稻草漆厂家|马来漆|石桦奴|水泥漆|选加河南天工涂料 | 智能垃圾箱|垃圾房|垃圾分类亭|垃圾分类箱专业生产厂家定做-宿迁市传宇环保设备有限公司 | 体感VRAR全息沉浸式3D投影多媒体展厅展会游戏互动-万展互动 | 百度爱采购运营研究社社群-店铺托管-爱采购代运营-良言多米网络公司 | 办公室家具_板式办公家具定制厂家-FMARTS福玛仕办公家具 | 塑料检查井_双扣聚氯乙烯增强管_双壁波纹管-河南中盈塑料制品有限公司 | 玉米深加工设备-玉米深加工机械-新型玉米工机械生产厂家-河南粮院机械制造有限公司 | 飞扬动力官网-广告公司管理软件,广告公司管理系统,喷绘写真条幅制作管理软件,广告公司ERP系统 | 云南标线|昆明划线|道路标线|交通标线-就选云南云路施工公司-云南云路科技有限公司 | 一体化污水处理设备,一体化污水设备厂家-宜兴市福源水处理设备有限公司 | 清洁设备_洗地机/扫地机厂家_全自动洗地机_橙犀清洁设备官网 | 周易算网-八字测算网 - 周易算网-宝宝起名取名测名字周易八字测算网 | 钢骨架轻型板_膨石轻型板_钢骨架轻型板价格_恒道新材料 | 天津电机维修|水泵维修-天津晟佳机电设备有限公司 | 电磁铁_小型推拉电磁铁_电磁阀厂家-深圳市宗泰电机有限公司 | 棕刚玉-白刚玉厂家价格_巩义市东翔净水材料厂 | 蜘蛛车-高空作业平台-升降机-高空作业车租赁-臂式伸缩臂叉装车-登高车出租厂家 - 普雷斯特机械设备（北京）有限公司 | 聚氨酯复合板保温板厂家_廊坊华宇创新科技有限公司 | 潍坊大集网-潍坊信息港-潍坊信息网 | 济南品牌设计-济南品牌策划-即合品牌策划设计-山东即合官网 | 步进电机_agv电机_伺服马达-伺服轮毂电机-和利时电机 | 玉米深加工设备-玉米深加工机械-新型玉米工机械生产厂家-河南粮院机械制造有限公司 | 电加热导热油炉-空气加热器-导热油加热器-翅片电加热管-科安达机械 | 东莞动力锂电池保护板_BMS智能软件保护板_锂电池主动均衡保护板-东莞市倡芯电子科技有限公司 | YT保温材料_YT无机保温砂浆_外墙保温材料_南阳银通节能建材高新技术开发有限公司 | 世界箱包品牌十大排名,女包小众轻奢品牌推荐200元左右,男包十大奢侈品牌排行榜双肩,学生拉杆箱什么品牌好质量好 - Gouwu3.com | 浙江华锤电器有限公司_地磅称重设备_防作弊地磅_浙江地磅售后维修_无人值守扫码过磅系统_浙江源头地磅厂家_浙江工厂直营地磅 | 坏男孩影院-提供最新电影_动漫_综艺_电视剧_迅雷免费电影最新观看 |