今天，我们发布了名为《从深度学习基础到Stable Diffusion》的新课程，这是《程序员实用深度学习》课程的第二部分。
这个课程包含了超过30小时的视频内容，我们将从零开始实现令人惊叹的Stable Diffusion算法！正是这款杀手级应用让互联网为之轰动，并导致媒体宣称“你可能再也无法相信在网上看到的东西了”。
我们与来自某机构和某机构（Diffusers库的创建者）的专家密切合作，确保对最新技术进行严谨的覆盖。课程涵盖了Stable Diffusion发布后推出的论文——因此其内容实际上已远超Stable Diffusion本身的范围！我们还解释了如何阅读研究论文，并在整个课程中通过研究和实现许多论文来实践这一技能。感谢所有帮助完成本课程的出色人士。要特别感谢Tanishq Mathew Abraham（某机构）和Jonathan Whitaker（即将出版的O’Reilly扩散书籍合著者）帮助讲授了部分课程，同时感谢Pedro Cuenca（某机构）在幕后的巨大贡献。此外，还要感谢Kat Crowson，她的k-diffusion库在课程中被大量使用，也感谢她解答了我们所有问题，以及Francisco Mussari为大部分课程制作了文字稿。
稳定扩散以及广义的扩散方法，是一个绝佳的学习目标，原因有很多。当然，其一就是你可以用这些算法创造出惊人的作品！要真正将这项技术推向新高度，创造出前所未有的东西，你需要深刻理解其内在原理。有了这种理解，你就能设计自己的损失函数、初始化方法、多模型混合等，从而创造出前所未见的全新应用。同样重要的是：它是一个很好的学习目标，因为几乎所有现代深度学习的关键技术都在这些方法中汇集。对比学习、Transformer模型、自编码器、CLIP嵌入、潜在变量、U-Nets、ResNets等等，都参与了单个图像的生成。
为了从本课程中获得最大收益，你应该是一名相当自信的深度学习实践者。如果你已经完成了fast.ai的《实用深度学习》课程，那么你就准备好了！如果你没有上过那门课，但能够用Python从零构建SGD训练循环，在Kaggle竞赛中具有竞争力，使用现代NLP和计算机视觉算法解决实际问题，并且熟悉PyTorch和fastai，那么你也可以开始这门课程。（如果不确定，我们强烈建议从《实用深度学习》开始。）
内容摘要
在本课程中，我们将探索扩散方法，例如去噪扩散概率模型和去噪扩散隐式模型。我们将动手实践，从零开始实现无条件和有条件的扩散模型，构建并试验不同的采样器，并深入研究文本反演和Dreambooth等最新技巧。我们还将研究并实现Karras等人在2022年发表的论文《阐明基于扩散的生成模型的设计空间》，该论文使用预条件来确保模型的输入和目标被缩放到单位方差。Karras模型根据输入中存在的噪声量，预测干净图像和噪声的插值版本。
在此过程中，我们将涵盖必要的深度学习主题，包括各种神经网络架构、数据增强方法（包括极其有效但被严重低估的TrivialAugment策略）以及各种损失函数，包括感知损失和风格损失。我们将从零开始构建自己的模型，如多层感知机、ResNets和U-Nets，同时尝试自编码器和Transformer等生成式架构。
在整个课程中，我们将使用PyTorch来实现我们的模型（但前提是我们先用纯Python实现所有需要的功能！），并创建一个名为miniai的自有深度学习框架。我们将掌握迭代器、生成器和装饰器等Python概念，以保持代码的简洁和高效。我们还将探索深度学习优化器，如AdamW和RMSProp，学习率退火，并学习如何实验不同初始化器、批大小和学习率的影响。当然，我们也会使用方便的工具，如Python调试器和用于从Jupyter笔记本构建Python模块的nbdev。
最后，我们将触及张量、微积分和伪随机数生成等基本概念，为我们的探索打下坚实的基础。我们将把这些概念应用于均值漂移聚类和卷积神经网络等机器学习技术，并了解如何使用某跟踪工具进行实验追踪。
我们还将使用某中心的apex库和某机构的Accelerate库来处理混合精度训练。我们将研究各种类型的归一化，如层归一化和批归一化。课程结束时，你将深刻理解扩散模型，并掌握实现尖端深度学习技术的技能。
Tanishq的想法
来自某机构的Tanishq Mathew Abraham帮助讲授了部分课程，以下是他的看法：
fast.ai第二部分课程是独一无二的课程。我认为这门课程的独特之处在于，它教你如何从零开始构建深度学习模型，同时探索扩散模型的前沿研究。没有其他课程能引导你了解扩散领域的最新论文（有时甚至是在它们首次出现几周后），并提供清晰、易于理解的实现。我们甚至在课程中探索了一些新的研究方向，希望这门课程能启发其他人进一步探索自己的想法。
如果你对构建最先进的深度学习模型的高级课程感兴趣，和/或你对最先进的扩散模型的工作原理以及如何构建它们感兴趣，那么这门课程就是为你准备的！即使是作为参与这门课程开发的一员，我也觉得这是一次惊人的学习经历，希望对你也是如此！
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
