扩散模型DDPM详解（四）：CIFAR-10图像生成实战指南

1次阅读

共计 2142 个字符，预计需要花费 6 分钟才能阅读完成。

扩散模型（Denoising Diffusion Probabilistic Models, DDPM）是一种基于马尔可夫链的生成模型，通过逐步添加和去除噪声来学习数据分布。相比 GAN，DDPM 训练更稳定，生成样本多样性更好，且理论保障更强。在 CIFAR-10 这类小尺寸图像生成任务上表现优异。

Python 3.8+
PyTorch 1.12+
torchvision
matplotlib
numpy

推荐使用 conda 创建虚拟环境：

conda create -n ddpm python=3.8
conda activate ddpm
pip install torch torchvision matplotlib numpy

CIFAR-10 包含 6 万张 32×32 彩色图像，分为 10 类。预处理关键步骤：

标准化：将像素值从 [0,255] 线性缩放至[-1,1]
数据增强：随机水平翻转（训练时）
分批加载：常用 batch_size=128

PyTorch 实现代码：

from torchvision import datasets, transforms

transform = transforms.Compose([transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

train_set = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_set, batch_size=128, shuffle=True)

DDPM 包含两个核心过程：

定义噪声调度表 β_t，逐步添加高斯噪声：

# 线性噪声调度
def linear_beta_schedule(timesteps):
    beta_start = 0.0001
    beta_end = 0.02
    return torch.linspace(beta_start, beta_end, timesteps)

使用 U -Net 预测噪声：

import torch.nn as nn

class Block(nn.Module):
    def __init__(self, in_ch, out_ch, time_emb_dim):
        super().__init__()
        self.time_mlp = nn.Linear(time_emb_dim, out_ch)
        self.conv1 = nn.Conv2d(in_ch, out_ch, 3, padding=1)
        self.conv2 = nn.Conv2d(out_ch, out_ch, 3, padding=1)

    def forward(self, x, t):
        h = self.conv1(x)
        time_emb = self.time_mlp(t)[:, :, None, None]
        return self.conv2(h + time_emb)

关键超参数设置：

学习率：2e-4
迭代次数：1000
时间步：1000
优化器：Adam

完整训练代码框架：

model = UNet()
optimizer = torch.optim.Adam(model.parameters(), lr=2e-4)

for epoch in range(1000):
    for batch in train_loader:
        optimizer.zero_grad()

        # 随机采样时间步
        t = torch.randint(0, timesteps, (batch.shape[0],))

        # 前向加噪
        noise = torch.randn_like(batch)
        noisy = q_sample(batch, t, noise)

        # 预测噪声
        pred_noise = model(noisy, t)

        # 计算损失
        loss = F.mse_loss(pred_noise, noise)
        loss.backward()
        optimizer.step()

采样生成新图像：

def sample(model, image_size, batch_size=16):
    # 初始随机噪声
    img = torch.randn((batch_size, 3, image_size, image_size))

    for t in reversed(range(timesteps)):
        # 逐步去噪
        img = p_sample(model, img, t)

    return img