DiffusionModels专栏文章汇总：入门与实战前言：这个系列曾经写过三篇文章专门讲代码，分别从数据集、超参数、loss设计、参数计算、Unet结构、正向过程、逆向过程等部分详细介绍了如何搭建DDPM。Diffusionmodels领域发展神速，最近半年代表作品有OpenAI的GLIDE、DALL-E2，GoogleBrain的ImageGen，海森堡大学的LatentDiffusion。这篇博客针对入门新手讲解一下如何利用已有的资源快速搭建自己的Diffusionmodels。来自博客《DiffusionModels专栏文章汇总：入门与实战》目录

扩散模型DDPM开源代码的剖析【对应公式与作者给的开源项目，diffusionmodel】一、简介二、扩散过程：输入是x_0和时刻num_steps，输出是x_t三、逆扩散过程：输入x_t，不断采样最终输出x_0四、具体参考算法流程图五、模型model和损失函数（最重要！）1、先看损失函数2、model（看解释）六、损失函数的推导一、简介论文地址：https://proceedings.neurips.cc/paper/2020/hash/4c5bcfec8584af0d967f1ab10179ca4b-Abstract.html项目地址：https://github.com/hojonath

扩散模型DDPM开源代码的剖析【对应公式与作者给的开源项目，diffusionmodel】一、简介二、扩散过程：输入是x_0和时刻num_steps，输出是x_t三、逆扩散过程：输入x_t，不断采样最终输出x_0四、具体参考算法流程图五、模型model和损失函数（最重要！）1、先看损失函数2、model（看解释）六、损失函数的推导一、简介论文地址：https://proceedings.neurips.cc/paper/2020/hash/4c5bcfec8584af0d967f1ab10179ca4b-Abstract.html项目地址：https://github.com/hojonath

✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。🍎个人主页：小嗷犬的个人主页🍊个人网站：小嗷犬的技术小站🥭个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。本文目录图像生成stable-diffusion-webuiStableDiffusionModel本地部署安装git项目下载项目部署模型导入中文支持其他内容的安装一些生成图片的展示不同采样方法之间的比较图像生成StableDiffusionModel是一个基于扩散模型的图像生成模型。早在模型刚刚兴起的时候，博主就有所关注，尝试过本地部署，但是由于设备硬件配置限制，最终也没有能够真正的在本地跑起来。

✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。🍎个人主页：小嗷犬的个人主页🍊个人网站：小嗷犬的技术小站🥭个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。本文目录图像生成stable-diffusion-webuiStableDiffusionModel本地部署安装git项目下载项目部署模型导入中文支持其他内容的安装一些生成图片的展示不同采样方法之间的比较图像生成StableDiffusionModel是一个基于扩散模型的图像生成模型。早在模型刚刚兴起的时候，博主就有所关注，尝试过本地部署，但是由于设备硬件配置限制，最终也没有能够真正的在本地跑起来。

?课程学习中心|?深度学习课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍深度学习是一个专门研究发现和提取大型非结构化数据集中复杂结构的领域，用于对多层人工神经网络进行参数化。由于深度学习推动了许多研究和应用领域的最新发展，它已成为现代技术不可或缺的部分。STAT453课程的重点是通过将人工神经网络与统计学中的相关概念（如广义线性模型和最大似然估计）联系起来，深入理解人工神经网络。除了涵盖预测建模的深度学习模型外，本课程的后一部分将侧重于深度生成模型和基于随机变分推理的模型，这允许学习定向概率模型。除了在数学和概念层面上涵盖和解释深度学习和生成模型外，本课程还强调深度学习的实践方面

?课程学习中心|?深度学习课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍深度学习是一个专门研究发现和提取大型非结构化数据集中复杂结构的领域，用于对多层人工神经网络进行参数化。由于深度学习推动了许多研究和应用领域的最新发展，它已成为现代技术不可或缺的部分。STAT453课程的重点是通过将人工神经网络与统计学中的相关概念（如广义线性模型和最大似然估计）联系起来，深入理解人工神经网络。除了涵盖预测建模的深度学习模型外，本课程的后一部分将侧重于深度生成模型和基于随机变分推理的模型，这允许学习定向概率模型。除了在数学和概念层面上涵盖和解释深度学习和生成模型外，本课程还强调深度学习的实践方面

来源：zhihu.com/question/58410621/answer/156868800一为什么需要一个好的代码结构好的代码结构并不仅仅是为了看上去清晰，它更像是我们对一个系统的拆解和组装。好的代码结构可以让你在遇到代码交接这种天理不容的情况时，减少提刀砍人的可能性。好的代码结构可以让多人协作开发更容易，而不会缠缠绵绵到天涯，再相爱相杀。我们经常形容一个坏的代码结构，像屎一样。我们称它为一坨，说真的，接手过烂代码之后，真的找不到比屎更能描述自己感受的词了。“屎”代表着混乱，一坨，各种杂质。接手一堆烂代码的难度就像是用一坨屎来做沙画。有时候我们还会用一团毛线来形容代码，大概是这样的。对的，

来源：zhihu.com/question/58410621/answer/156868800一为什么需要一个好的代码结构好的代码结构并不仅仅是为了看上去清晰，它更像是我们对一个系统的拆解和组装。好的代码结构可以让你在遇到代码交接这种天理不容的情况时，减少提刀砍人的可能性。好的代码结构可以让多人协作开发更容易，而不会缠缠绵绵到天涯，再相爱相杀。我们经常形容一个坏的代码结构，像屎一样。我们称它为一坨，说真的，接手过烂代码之后，真的找不到比屎更能描述自己感受的词了。“屎”代表着混乱，一坨，各种杂质。接手一堆烂代码的难度就像是用一坨屎来做沙画。有时候我们还会用一团毛线来形容代码，大概是这样的。对的，

总结将NER视作是word-word间的RelationClassification。这个word-word间的工作就很像是TPlinker那个工作，那篇工作是使用token间的link。推荐指数：★★★☆☆值得学习的点：（1）用关系抽取的方法做NER抽取（2）用空洞卷积解决词间交互问题（3）CLN（conditionalLayerNorma）的使用1.动机统一三类任务（flat、overlapped、nestedNER）的处理span-based的方法只关注边界识别。sequence-to-sequence的模型有暴露偏差的影响2.想法建模实体词间的简单邻接关系（用NNW,THW-*）mul