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:
- 估计的干净样本,按目标信号比例缩放。
- 当前预测方向,按剩余噪声幅度缩放。
- 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。
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 |
|---|---|
| 2 | 1.176438 |
| 5 | 0.276636 |
| 10 | 0.134077 |
| 20 | 0.068328 |
| 50 | 0.027475 |
| 100 | 0.014568 |
| 200 | 0.011184 |
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
- 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?
- 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?
- 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?
- 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?
- 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?
- 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?
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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