🏠 总目录📚 本教程 04 · DDIM 与采样加速 ← →

扩散模型 / 04

减少采样更新次数,具体改了哪条路径?

按网络评估成本→t到s更新→eta→选点代码→复现和步数评估组织长文。

📑 本页目录(点开跳转)

04 · DDIM 与采样加速

⏱ 42 分钟 | 阅读与实验参考,可分次完成 | 先分清步数、随机性和复现条件


🎯 一句话

DDIM 用当前预测和目标噪声水平构造更新,允许选一张更稀疏的采样时间表。 它可以减少模型调用,但不是“去掉随机数就能无损跳步”,也没有所有模型通用的 50 步答案。

先把界面上的三个设置分开:

  • 步数:准备做多少次采样更新。更完整的成本还要数实际网络评估次数。
  • 采样器与调度表:每次怎样更新、选哪些噪声水平。
  • 种子:控制随机数的起点;它不是整套复现参数。

想理解跳步,先看两次计算;只想动手,去时间表或可复算的小实验。公式推导放在折叠里,不必先读完推导才继续。

上一章训练噪声预测器,本章用它生成样本。对于本页的噪声预测参数化,保持训练时的噪声表、时间标记和输入约定一致,可以复用权重来换采样方式;不能把任何预测类型的模型不加转换地代进来。


🐌 一、慢在哪:先数网络评估,再看单次成本

通常一次去噪的结果,是下一次去噪的输入;同一个样本的这条链需要依次执行。减少链上的更新次数,是加速的一条路。

但“步数”不一定等于“网络前向次数”。 某些求解器一次更新需要多次评估;CFG 还要取得有条件和无条件预测,可能合成一个更大的 batch 调用。比较速度时应同时记录这些设置。

一个便于理解的近似是:重复部分的耗时,取决于网络评估次数(NFE)与每次评估成本。最后还要加编码、解码、调度和数据搬运等开销。

同一批图片可以并行处理,这可能提高吞吐量,却不代表一次出 8 张几乎免费。计算量、显存和实际延迟都会受 batch 大小与硬件影响。

你可以从两端节省工作:本章减少或改善采样更新;下一章让反复去噪处理较小的潜变量。图的大小同样会影响单次成本,不能排除在外。


🎲 二、相邻步公式不能只改一个下标

不能直接把相邻步公式里的 t−1 改成 t−20,同时保留原来的系数。 原因是系数描述了特定的时间间隔,不是随机性禁止跳步。

本页用 $\beta_t$ 表示从 t−1 到 t 的加噪量,$\alpha_t=1-\beta_t$,$\bar\alpha_t=\prod_{s=1}^t\alpha_s$。横线表示从起点累计的信号保留比例,不是另一个可随意调的参数。

先看一步由什么组成:当前样本 $x_t$、模型预测的噪声,以及可能新抽取的高斯噪声 $z$。

查看相邻步 DDPM 公式与每一项

把均值单独记作 $\mu_t$,长式就可以分成两行:

$$\mu_t=\frac{1}{\sqrt{\alpha_t}}\left(x_t-\frac{\beta_t}{\sqrt{1-\bar\alpha_t}}\epsilon_\theta(x_t,t)\right).$$

$$x_{t-1}=\mu_t+\sigma_t z,\qquad z\sim\mathcal N(0,I).$$

  • $\epsilon_\theta(x_t,t)$ 是网络的预测,不是已知的真实噪声。
  • $\mu_t$ 是按这一步的系数算出的均值。
  • $\sigma_t z$ 提供新随机量;$\sigma_t$ 是标准差,方差是它的平方。

最后一步可以采用不再注入新噪声的约定。DDPM 也有不同方差选择,所以比较“等价”时必须说明采用哪一种。

若把时间表重新选得稀疏,并为新的间隔重算系数,随机采样仍然可以跳步。例如 OpenAI 的 respacing 实现会保留选中时刻的累计噪声比例、构造新的间隔参数,并映射回模型原来的时间标记。

因此,“按原相邻链完整执行要走完它的步数”是对指定算法的描述;“所有带随机项的算法都必须走 1000 步”则不是。


⏩ 三、DDIM 的一步:先估计,再走向选定的噪声水平

想象你正在 t=1000,准备直接到 t′=500。你需要当前的预测,也需要目标时刻的累计系数;不是简单把原来一个小步执行一半。

本页约定 $t'<t$,数学时间 0 是干净端点,$\bar\alpha_0=1$。为减少重复文字,把当前噪声预测简记为:

$$e_t=\epsilon_\theta(x_t,t).$$

第一个动作:估计干净样本

$$\hat x_0=\frac{x_t-\sqrt{1-\bar\alpha_t}\,e_t}{\sqrt{\bar\alpha_t}}.$$

先减去预测的噪声部分,再除以信号系数。帽子提醒你:这是估计,不是已经拿到了原图。高噪声时分母可能很小,预测误差也会被放大。

第二个动作:组合出目标时刻的样本

先给“沿当前预测方向的系数”起一个短名字,避免把三个根号挤在一行:

$$c=\sqrt{1-\bar\alpha_{t'}-\sigma^2}.$$

$$x_{t'}=\sqrt{\bar\alpha_{t'}}\,\hat x_0+c\,e_t+\sigma z.$$

从左到右读三个部分:

  1. 估计的干净样本,按目标信号比例缩放。
  2. 当前预测方向,按剩余噪声幅度缩放。
  3. 新的随机量,其大小由这段更新的 $\sigma$ 决定。

其中 z 是新抽的标准高斯,不能与前面的网络预测 $e_t$ 混为一谈。$\sigma=0$ 时第三项消失,前两项仍然要计算。

式子允许选择非相邻的 t′,但要求系数合法,例如 $0\leq\sigma^2\leq1-\bar\alpha_{t'}$。能计算一个大步,不等于这个大步与许多个小步有相同的生成质量。

比较的是时间网格,不是“有无随机数”的禁令 密集网格 高噪声干净端点 稀疏网格 每条新间隔:按起点、目标点的累计系数重新构造更新。 η = 0 不加入新的步内噪声;η > 0 也可采用合法的稀疏更新。 节点数量仅示意,不代表本页实验的实际步数。
看两行的节点密度:下方减少了更新次数。再看最下面一句:选哪些时刻、是否加入新噪声,需要分别决定。

为什么通常可以复用训练好的噪声预测器

噪声预测训练可以直接抽一个 t,从干净样本构造 $x_t$,再让网络预测噪声。它使用的是这个时刻的条件边缘分布 $q(x_t\mid x_0)$,不必在训练时模拟整条反向采样链。

DDIM 的构造保留这些边缘分布,改变时刻间的连接方式,从而复用常见的噪声预测训练。这里说的是兼容的预测目标与参数约定,不是所有变分目标的权重都严格相同。原论文 §3–4给出了构造及其代理目标的关系。

选读:保留边缘分布的那族条件分布

先固定每个时刻的边缘:

$$q(x_t\mid x_0)=\mathcal N\!\left(\sqrt{\bar\alpha_t}x_0,(1-\bar\alpha_t)I\right).$$

把给定真实 x₀ 时的标准化残差记作 r,把目标均值记作 m:

$$r=\frac{x_t-\sqrt{\bar\alpha_t}x_0}{\sqrt{1-\bar\alpha_t}}.$$

$$m=\sqrt{\bar\alpha_{t'}}x_0+\sqrt{1-\bar\alpha_{t'}-\sigma^2}\,r.$$

$$q_\sigma(x_{t'}\mid x_t,x_0)=\mathcal N(m,\sigma^2I).$$

给定 x₀ 且 t>0 时,r 的协方差为 I。新增高斯噪声独立于 r,因此两部分噪声的协方差相加为 $(1-\bar\alpha_{t'})I$,与所需边缘匹配;σ=0 时按退化的确定性条件分布理解。

这是知道真实 x₀ 时的构造。实际生成不知道 x₀,所以前面的更新换入预测的 $\hat x_0$;不能把这个替换之后的有限步生成分布直接宣称为精确的数据分布。

DDIM 可以选取较少的时间点,并用同一个更新式跨过中间时刻。下一节介绍怎样调节这一步加入的新噪声。


🎛️ 四、η:控制新噪声,不负责保证质量

常见的选择把这一段的标准差写成:

$$\sigma_{t\to t'}=\eta\sqrt{\frac{1-\bar\alpha_{t'}}{1-\bar\alpha_t}}\sqrt{1-\frac{\bar\alpha_t}{\bar\alpha_{t'}}}.$$

η 读作 eta。它是无量纲的控制系数;另外两项依赖这次更新的起点与目标,不能省略后直接把 η 当噪声标准差。

取值这一步发生什么
η = 0不再引入步内随机量。固定初始噪声、条件与全部计算约定后,数学更新是确定的。
0 < η < 1引入一定新噪声;质量和多样性的变化需要对当前模型实测。
η = 1在完整相邻网格、相同预测与后验方差约定下,对应 DDPM 更新;稀疏网格则是另一条链。

常用范围 0≤η≤1 能使本页系数合法。一般的 σ 仍须满足上一节的方差约束,不能任意调到根号内为负。

例如本页线性噪声表的 1000→500 大步,η=1 时,新增噪声方差约 0.920977,方向系数的平方约 0.000436,两者都合法。这是“随机且能跳步”的具体反例,不是这个大步画质好的证据。

采用其他 DDPM 方差、预测裁剪或额外引导后,“η=1 与某个实现完全等价”还需重新核对。DDIM 官方更新代码可以逐项对照这些系数。

少步数可能影响质量,但不能解释成“新增噪声必然要用后面几百步洗掉”。随机程度与时间网格都是设计选择,没有“少步数与随机性绝对不能兼得”的定律。


🔢 五、动手:从 1000 个噪声水平中选出 50 个

这段程序只打印时间表,不生成图片,也不是完整采样器。 需要 PyTorch,不下载模型,不需要 GPU。

这里保留 0、20、40…980 的数组索引例子。注意它采用零起始下标:代码 abar[0] 已经加过第一步噪声,对应前面数学记号的 $\bar\alpha_1$,不是干净端点 $\bar\alpha_0=1$。

# 从 1000 个已加噪的时间水平中选 50 个;本段仅查看表,不执行采样。
import torch

T = 1000
betas = torch.linspace(1e-4, 0.02, T)
abar = torch.cumprod(1.0 - betas, dim=0)   # 数组索引 t 对应数学时间 t+1

S = 50
tau = torch.arange(0, T, T // S)           # 本例 T 能被 S 整除
print(f"原始 {T} 步 -> 抽成 {len(tau)} 步,步距 {T // S}")
print("前 6 个时间步:", tau[:6].tolist())
print("后 6 个时间步:", tau[-6:].tolist())
print("\n    t     alpha_bar    信号系数     噪声系数")
for t in tau[::7].tolist():
    a = abar[t]
    print(f"{t:5d}   {a.item():10.6f}   {a.sqrt().item():8.4f}   {(1 - a).sqrt().item():8.4f}")

它选到 50 个点:前六个为 0、20、40、60、80、100,后六个为 880、900、920、940、960、980。打印是升序;实际生成通常反向走,并另行处理干净端点。

本例最后一个点是 980,不是 999。也不要把 T // S 当作适用于任意输入的选点器:不能整除时点数可能不是 S,S>T 时步距甚至会为 0。下一节的完整实验另外定义了含两端点的时间表。

下表是此代码打印的系数,四舍五入位数与程序一致。a 表示当前索引取到的累计系数。

数组索引 a 信号系数 √a 噪声系数 √(1−a)
0 0.999900 0.9999 0.0100
140 0.809844 0.8999 0.4361
280 0.443395 0.6659 0.7461
420 0.163926 0.4049 0.9144
560 0.040879 0.2022 0.9793
700 0.006868 0.0829 0.9966
840 0.000777 0.0279 0.9996
980 0.000059 0.0077 1.0000

从索引 980 回到 560,信号系数约从 0.0077 增至 0.2022。它说明不同时间水平的信噪比例不同,没有证明高噪声段无用、细节只在最后形成,或均匀选点一定浪费。

要比较选点方式,应固定模型和评估任务,实际测生成质量与成本。仅看加噪系数不能替代这项实验。


🎰 六、固定轨迹有什么用:复现、图生图与插值

1. 复现:种子之外还要保存什么

η=0 时没有新的步内抽样,但初始噪声仍然是随机的。固定全部输入与计算之后,采样器定义一条确定轨迹。

分享结果时,同时记录模型及版本、提示词和负面提示词、尺寸、初始噪声或种子、采样器、步数、时间表、η、CFG 和其他处理设置。

硬件、精度、软件实现、batch 和浮点运算顺序也可能影响逐位复现。种子相同不意味着任意环境、任意设置都输出同一张图。

随机采样器也能复现,只要其所有随机流和计算条件得到控制。确定性 DDIM 减少了需要管理的步内随机量,不是让“复现”第一次成为可能。

2. 图生图:从选定噪声强度开始

先把参考图加噪到某个中间水平,再从那里去噪;潜空间模型还需要先编码参考图。strength 通常控制起始噪声水平或采样区间,但不同界面映射可能不同。

较小的加噪一般保留更多输入信息,较大的加噪允许更大变化。这是倾向,不是“必然只改细节”或“必然保留大结构”的保证。

比较 strength 时还要控制编码取样、前向加噪、初始随机数、提示词等条件。即使 η=0,若每次加噪用不同随机数,也不能把所有变化归因于这个滑块。

3. 插值:线性中点改变了噪声的尺度

令 A、B 是两个独立的 d 维标准高斯噪声,线性中点为 $(A+B)/2$。它的每维方差是 1/2,不是 1。

在本页 SD 1.x 尺寸例子中,d=4×64×64=16384。原噪声范数的理论均方根为 128,中点为约 90.51,比例为 $1/\sqrt2\approx0.7071$。这是均方根,不是某一次抽样的精确长度。

高维高斯的大部分概率质量集中在典型半径附近,但中心不是“空的”或概率密度为零。中点分布发生变化,不能进一步直接断言模型从未见过它、图一定发灰。

球面插值(SLERP)是控制方向和半径的一种选择。 归一化线性插值也能控制范数;它们都不自动保证完整高斯分布或生成图的语义连续。零向量、近同向与反向端点还需单独处理。

本页只核验噪声统计,没有运行图像插值质量实验。因此可以得出“线性中点收缩了尺度”,不能报告“使用 SLERP 后灰图问题已消失”。


📉 七、怎样判断增加步数有没有用

固定条件比较质量与成本,不预先规定 50 步够用。 下面采用很小的一维分布,能在 CPU 上复算,不需要训练网络。

先明确这次实验在测什么

目标分布有两个峰:一半样本来自均值 −2、标准差 0.5 的高斯,另一半来自均值 2、标准差 0.5 的高斯。

  • 每组 20,000 个样本,1000 个线性 β 从 0.0001 到 0.02。
  • 数学时间 0 是干净端点,abar[0]=1。每种 S 用 rint(linspace(1000, 0, S+1)) 选点,包含两端并执行 S 次更新;本页所列 S 都无重复点。
  • η=0;比较不同 S 时,复用同一初始噪声和同一真实参照样本 A。
  • 使用可解析计算的条件均值 $\mathbb E[\epsilon\mid x_t]$。它只看 xₜ 和 t,不知道当前样本隐藏的真实 x₀ 或 ε。

误差用一维 W1 距离。对于本页相等样本数的两组经验分布,将各自样本排序、逐位相减取绝对值,最后取平均即可;这是这个特殊情形的计算方法。Wasserstein 距离的定义可进一步对照。

它排除了神经网络训练误差,但仍有有限样本评估和有限终端噪声近似的影响,不是纯数值积分误差。

一个固定种子的结果

种子为 20260911,float64、CPU;本次在 Python 3.12.14、NumPy 2.3.5 上独立执行。

更新次数 S生成样本对真实 A 的 W1
21.176438
50.276636
100.134077
200.068328
500.027475
1000.014568
2000.011184

看最后两行:100→200 在这次实验中仍有改善。该表只支持这个玩具模型在这些设置下的观测,不能给图像模型划出“可用”“灾难”或通用饱和点。

还固定运行了另外两个种子 20260912、20260913。三个种子的平均 W1,在 S=50、100、200 时分别为 0.029870、0.018169、0.014903;这三次观测也没有建立某个普遍收敛阈值。

真实样本之间的距离,不是硬下限

同一次实验还独立抽了真实样本 B、C。得到 W1(A,B)=0.056764,而 W1(A,C)=0.027507。C 也是独立真实样本,却比 B 更接近 A。

因此不能把某一对真实样本的距离叫作“谁也低不过的地板”,也不能从生成误差中减去它,就把剩下的数命名为纯模型误差或纯离散误差。

不同种子会改变这些距离;例如种子 20260912 的 A/B 距离为 0.014690,A/C 为 0.041334,大小顺序反了。应报告抽样条件和多次结果,而不是挑一组有利数字。

运行完整小实验:只需 NumPy,复制到一个空文件即可

先看 sample:每轮估计 x₀,再按目标累计系数组合;epsilon_mean 提供本例的解析预测器。最后的三个真实样本来自独立随机流,没有重复用 A 与自己比较。

# New reproducible experiment; not a reproduction of the old table.
# CPU + NumPy only. W1 includes finite-sample and terminal-prior effects.
import numpy as np

T, N, SEED = 1000, 20000, 20260911
STEPS = (2, 5, 10, 20, 50, 100, 200)
betas = np.linspace(1e-4, 0.02, T, dtype=np.float64)
abar = np.r_[1.0, np.cumprod(1.0 - betas)]  # clean t=0: abar[0]=1

def draw_true(rng):
    means = np.where(rng.integers(0, 2, size=N), 2.0, -2.0)
    return means + 0.5 * rng.standard_normal(N)

def epsilon_mean(x, t):
    # Conditional mean E[epsilon | x_t], not a sample's hidden true noise.
    a = abar[t]
    v = a * 0.25 + 1.0 - a
    mean_component = 2.0 * np.tanh(np.sqrt(a) * 2.0 * x / v)
    return np.sqrt(1.0 - a) / v * (x - np.sqrt(a) * mean_component)

def sample(initial, steps):
    x = initial.copy()
    grid = np.rint(np.linspace(T, 0, steps + 1)).astype(int)
    for t, previous in zip(grid[:-1], grid[1:]):
        a, b = abar[t], abar[previous]
        eps = epsilon_mean(x, t)
        x0_hat = (x - np.sqrt(1.0 - a) * eps) / np.sqrt(a)
        x = np.sqrt(b) * x0_hat + np.sqrt(1.0 - b) * eps  # eta=0
    return x

def w1(x, y):
    return np.mean(np.abs(np.sort(x) - np.sort(y)))  # equal sample sizes

streams = np.random.SeedSequence(SEED).spawn(4)
rng_noise, rng_a, rng_b, rng_c = [np.random.default_rng(s) for s in streams]
initial = rng_noise.standard_normal(N)
true_a, true_b, true_c = [draw_true(r) for r in (rng_a, rng_b, rng_c)]
print("steps  W1(generated, true_A)")
for steps in STEPS:
    print(f"{steps:5d}  {w1(sample(initial, steps), true_a):.6f}")
print(f"W1(A,B)={w1(true_a, true_b):.6f}")
print(f"W1(A,C)={w1(true_a, true_c):.6f}")
print(f"W1(B,C)={w1(true_b, true_c):.6f}")

这里的 sample 只用于上面列出的有效 S;把任意步数或别的模型放进来,需要额外检查网格和接口。W1 公式也限本页等样本数的一维比较。

旧结果记录为何不再作为饱和结论的依据

此前本页列过 S=2、5、10、20、50、100、200,对应 W1 为 1.1473、0.2759、0.1326、0.0682、0.0298、0.0225、0.0228,并把另一组真实样本距离 0.0199 叫作地板。

这些旧数字缺少足以还原的完整参数与脚本,本次没有声称复现它们。即使数字来自某次有效运行,100→200 的单次上升也不能独自证明饱和,更不能证明有网络误差时只会更早饱和。

上面的新实验补齐了分布、网格、随机流和完整代码。保留要研究的问题——步数怎样影响质量——同时撤去不成立的“硬地板”和通用阈值推断。


🗓️ 八、步数、时间表和求解器怎样一起选择

先定比较条件,再改一个设置。 时间表决定在哪里评估,求解器决定怎样利用预测更新;两者都可能影响少步数表现。

三种选点思路

均匀选点。 在某个时间参数上等间隔取点,简单且便于比较。要说明是哪一个参数,并检查取整、重复点和端点;不能只写一个 range 就认为任意 S 都正确。

二次选点。 点的位置按索引的平方排布,可以使较低 t 的一端更密;是位置呈平方关系,不是相邻步距本身按平方增长。DDIM 原论文对 CIFAR-10 用过这种选择,对其他数据用了线性选择,不能改写为二次在所有少步数任务上都更好。

Karras 式噪声网格。 直接在噪声尺度上用幂律控制点位。EDM 官方采样实现提供了具体构造。它是一种可选设计,不是所有框架默认、所有 10–20 步设置都必胜的规则。

求解器:不只是换一张时间表

确定性 DDIM 在适当重参数化后,与常微分方程(ODE)的一阶 Euler 离散有关;这个表述有 η=0 和变量约定,不能把所有带随机量的更新都说成普通 ODE 的 Euler 法。

DPM-Solver、DPM-Solver++ 和 UniPC 等方法使用更高阶或多步的信息来改善有限评估预算下的近似。兼容模型的预测参数化后,通常不必为了更换这些求解器重训权重。

但某方法“十几步等于另一方法五十步”需要指定模型、引导、任务和质量指标。比较时同时记录实际 NFE;不能仅凭界面上的 step 数判断成本或精度。

可以先测试 20、50、100 等预算,再用多组固定种子与同一任务比较质量、耗时和显存。这是实验起点,不是合格步数清单。 若后两档仍有值得付费的改善,就继续测,而不是被“50 步足够”拦住。


🔗 这一章连到哪里

去哪 为什么
大模型全景导论 06c · 解码参数怎么调,出问题怎么查 对照数学确定性与工程逐位复现的差别,保存完整环境和设置,不只保存种子。
AI基础设施 19 · 投机解码 对照两种减少串行开销的思路:正确实现的投机采样可在规定假设下保持目标分布;DDIM 的少步近似不能据此声称精确保留有限步原链分布。
大模型全景导论 10b · 图像生成 回到组件总览,再区分采样器与去噪主干。导论已有本站扩散模块入口,本章就是站内深读部分。

✅ 检查点

  1. 为什么不能只把相邻步公式的 t−1 改成 t−20?这是否意味着随机采样绝对不能跳步?
  2. DDIM 为什么能复用常见噪声预测权重?需要保持哪些模型和时间约定?
  3. 一次更新怎样从噪声预测得到干净样本估计,再组合到目标时刻?估计为什么不是真实原图?
  4. η=0 去掉哪部分随机性?η=1 在什么条件下对应 DDPM,为什么不能不看网格就说完全等价?
  5. 时间表例子从索引 980 到 560 的信号系数怎样变化?这张表为什么不能证明均匀选点浪费或所有细节只在后半程形成?
  6. 新实验的 50、100、200 步结果说明什么?真实对真实的 W1 为什么不能作为硬地板或直接减掉的误差分量?
  7. 独立高斯噪声线性中点的方差和典型半径怎样变化?为什么 SLERP 只是一个选择,不能自动保证生成画质?
👀 答案
  1. 相邻步系数对应指定间隔,换目标必须重新构造系数。合法的稀疏随机更新存在,随机项不是禁止跳步的原因。
  2. 构造保留训练使用的条件边缘分布,能复用兼容的噪声预测训练。实际还要对齐噪声表、时间标记、输入尺度、预测类型及必要转换;不能说任意变分损失权重都完全一样。
  3. 先从 xₜ 减去预测噪声、除以信号系数得到 x̂₀,再把目标信号、预测方向和可能的新随机量组合起来。网络只有当前观测,可能预测不准,尤其高噪声下误差会放大;换用估计后不再自动拥有真实条件分布的精确性。
  4. η=0 去掉新增步内噪声,不去掉随机初始噪声。η=1 在完整相邻网格、相同预测与后验方差等约定下对应 DDPM;稀疏网格、不同方差或其他处理会改变比较对象。
  5. 约从 0.0077 变成 0.2022。它描述加噪系数,不描述模型正在学或正在生成的全部结构;判断选点效率需要受控的质量与成本测量。代码索引 0 还不是数学上的干净端点。
  6. 单种子结果依次为 0.027475、0.014568、0.011184;100→200 仍改善,但不支持通用图像阈值。真实样本之间的经验距离会随抽样变化,另一组真实样本就可能更近;它既非下界,也不与生成误差构成可直接相减的分解。
  7. 中点协方差为 I/2,范数的理论均方根缩为原来的 1/√2;d=16384 时由 128 变成约 90.51。高斯中心不是空的。SLERP 或归一化线性插值可控制半径,但完整分布、端点边界和图像语义仍需检查,不能直接保证不发灰或更清楚。

本节回顾

你现在能分清:采样器怎样更新、时间表选哪些点、随机性从哪里来。选择步数时,用当前任务的质量与成本结果,而不是背一个固定数字。

回来时按问题进入:复现、strength 对照、插值尺度、步数实验或时间表与求解器。

⚡ 走神救援

先记住这几件事

  • 跳步要匹配新间隔的系数;随机采样也能采用稀疏网格。
  • DDIM 用预测的干净样本和目标噪声水平构造更新,预测不等于真实原图。
  • η=0 仍有随机初始噪声;复现需保存模型、条件、时间表和计算环境。
  • 步数是否值得增加要实测;真实样本间的一次距离不是误差地板。

下一节 👉 05 · Latent Diffusion

打卡记录保存在你的浏览器里,首页能看到总进度