huggingface/diffusion-models-class

解决的问题

对于想要理解和构建扩散模型（现代图像和音频生成器背后的技术）的人来说，这门免费课程提供了一条结构化的路径。它通过结合理论、实用笔记本和社区支持，解决了资源分散的问题，使学习者能够从基础到训练自己的模型。

工作原理

该课程分为至少四个单元，每个单元涵盖一个特定主题。每个单元将理论背景与使用 Hugging Face Diffusers 库的动手 Jupyter 笔记本相结合。您从扩散模型和 Diffusers 的介绍开始，然后进行微调和添加引导，探索 Stable Diffusion，最后深入高级技术。在此过程中，您将从零训练模型，在新数据集上微调它们，并创建自定义管道。README 还提到了最佳管道的竞赛和奖励，并且该课程正在由社区翻译成多种语言。

适合人群

具有良好 Python 技能以及深度学习和 PyTorch 基础知识的学习者。该课程完全免费，并且仅当您想将自定义模型和管道推送到 Hub 时才需要 Hugging Face 账户。

亮点

• 免费且向所有人开放
• 涵盖理论、训练、微调和引导
• 使用流行的 Diffusers 库的动手笔记本
• 通过 Discord 和注册表单提供社区支持
• 社区贡献的多种语言翻译
• 计划中的竞赛和最佳管道及演示的奖品