mindscience.diffuser.DDIMScheduler

class mindscience.diffuser.DDIMScheduler(num_train_timesteps=1000, beta_start=0.0001, beta_end=0.02, beta_schedule='squaredcos_cap_v2', prediction_type='epsilon', clip_sample=True, clip_sample_range=1.0, thresholding=False, sample_max_value=1.0, dynamic_thresholding_ratio=0.995, rescale_betas_zero_snr=False, timestep_spacing='leading', compute_dtype=mstype.float32)[源代码]

DDIMScheduler 实现了去噪扩散概率模型 DDPM 中介绍的去噪过程。具体细节见 Denoising Diffusion Implicit Models 。

参数：

num_train_timesteps (int, 可选) - 训练模型时使用的扩散时间步数。默认 1000。
beta_start (float, 可选) - 噪声控制参数 beta 起始值。默认 0.0001。
beta_end (float, 可选) - 噪声控制参数 beta 终点值。默认 0.02。
beta_schedule (str, 可选) - beta 调度策略，用于将 beta 区间映射为模型逐步使用的 beta 序列。支持以下类型： "squaredcos_cap_v2" 、 "linear" 或 "scaled_linear" 。默认 "squaredcos_cap_v2"。
prediction_type (str, 可选) - 扩散调度器预测类型。支持以下类型： "epsilon" （预测扩散过程的噪声）、 "sample" （直接预测加噪样本）或 "v_prediction" （参考 Imagen Video ）。默认 "epsilon"。
clip_sample (bool, 可选) - 是否为了数值稳定性，裁剪预测的样本。默认 True 。
clip_sample_range (float, 可选) - 样本裁剪最大幅度。仅当 clip_sample=True 时有效。默认 1.0。
thresholding (bool, 可选) - 是否采用动态阈值方法。该方法不适用于潜在空间扩散模型，例如 Stable Diffusion。默认 False。
sample_max_value (float, 可选) - 动态阈值方法中的阈值大小。仅当 thresholding=True 时有效。默认 1.0。
dynamic_thresholding_ratio (float, 可选) - 动态阈值方法中使用的比例参数。仅当 thresholding=True 时有效。默认 0.995。
rescale_betas_zero_snr (bool, 可选) - 是否对 beta 进行重新缩放以使终止信噪比（SNR）为零。启用后，模型可生成非常明亮或非常暗的样本，而不局限于中等亮度样本。该设置与 offset_noise 在概念上存在一定关联。默认 False。
timestep_spacing (str, 可选) - 采样时间步缩放的计算方式。相关说明可参考 Common Diffusion Noise Schedules and Sample Steps are Flawed 的表2了解更多信息。支持以下类型： "linspace" 、 "leading" 或 "trailing"。默认 "leading"。
compute_dtype (mindspore.dtype, 可选) - 计算使用的数据类型。支持 mstype.float32 或 mstype.float16。默认 mstype.float32，表示 mindspore.float32。

样例：

>>> from mindspore import ops, dtype as mstype
>>> from mindscience.diffuser import DDIMScheduler
>>> scheduler = DDIMScheduler(num_train_timesteps=1000,
...                           beta_start=0.0001,
...                           beta_end=0.02,
...                           beta_schedule="squaredcos_cap_v2",
...                           prediction_type='epsilon',
...                           clip_sample=True,
...                           clip_sample_range=1.0,
...                           thresholding=False,
...                           sample_max_value=1.,
...                           dynamic_thresholding_ratio=0.995,
...                           rescale_betas_zero_snr=False,
...                           timestep_spacing="leading",
...                           compute_dtype=mstype.float32)
>>> batch_size, seq_len, in_dim = 4, 256, 16
>>> original_samples = ops.randn([batch_size, seq_len, in_dim])
>>> noise = ops.randn([batch_size, seq_len, in_dim])
>>> timesteps = ops.randint(0, 100, [batch_size, 1])
>>> noised_sample = scheduler.add_noise(original_samples, noise, timesteps)
>>> print(noised_sample.shape)
(4, 256, 16)
>>> sample_timesteps = Tensor(np.array([60]*batch_size), dtype=mstype.int32)
>>> x_prev = scheduler.step(noise, noised_sample, sample_timesteps)
>>> print(x_prev.shape)
(4, 256, 16)

step(model_output, sample, timestep, eta=0.0, use_clipped_model_output=False)[源代码]

DDIM反向去噪步骤。

参数：

model_output (Tensor) - 学习得到的扩散模型的直接输出。
sample (Tensor) - 扩散过程中当前时间步对应的样本实例。
timestep (Tensor) - 扩散链中的当前离散时间步。
eta (float, 可选) - 扩散步骤中附加噪声的权重。当 eta=0 时为 DDIM，当 eta=1 时退化为 DDPM。默认 0.0。
use_clipped_model_output (bool, 可选) - 是否基于裁剪后的原始预测样本 x_0 重新计算噪声 epsilon，以补偿 clip_sample 引入的偏差。该修正仅在采样阶段生效。若为 True，则从裁剪后的 x_0 推导 epsilon，并在去噪步骤中使用修正后的噪声，以提升数值稳定性；若为 False，则直接使用原始 model_output，保持模型未调整的预测结果。默认 False。

返回：

Tensor，去噪后得到前一步的样本。

异常：

ValueError - 当 eta 不在区间 \([0, 1]\) 内时抛出。