denoising-diffusion-pytorch

收录理由

许多想在自己数据上训练扩散模型的开发者，都会从这份代码起步，而不是去调用现成的云端接口。它把 DDPM 论文里的思想拆成了清晰、可组合的 PyTorch 模块：一个 UNet 主干，外加一个 GaussianDiffusion 封装，负责前向加噪、训练损失和采样循环。你可以直接丢一个图片文件夹进来，或者用原始张量，自带的 Trainer 类会帮你处理剩下的琐事；要是想更精细地控制，底层 API 也允许你换掉架构。除了核心的 DDPM，仓库还跟踪了 cold diffusion 这类较新的研究思路，读一遍基本就能把这项技术的演进脉络摸清楚。对正在学习生成模型、或者需要一个可靠基线来扩展的团队来说，这份代码比原版 TensorFlow 实现更容易消化，也启发了生态里许多后续项目。