Popular repositories Loading

1. DeepLearning-Basic DeepLearning-Basic Public

   包含对梯度下降、矩阵求导、最小二乘法、图像分类、文本分类、文本生成、seq2seq机器翻译、RNN、LSTM、transformer(位置编码、attention机制)等任务和算法的实现。

   Python

2. DDPM DDPM Public

   1.forward:DDPM的一次性加噪过程。2.backward:Unet根据【a.噪声图像 b.噪声图片的加噪步长】预测【当前图片在上一个加噪步长中添加的噪声含量】。3.sample:从N(0~1)的噪声中，根据末态步长，利用去噪公式逐步预测上一步添加的噪声，生成t=0时的“干净图像”。

   Python

3. Nerf Nerf Public

   1.创建Nerf的dataloader：返回每张图像1024个随机像素位置对应真实三维世界的1024条光线上的64个均匀采样点（1024*64*(x,y,x)) 2.利用MLP，以这些空间位置作为输入，输出每个空间点的体密度和颜色值 3.利用体渲染公式，对一条光线上的点进行加权求和，渲染得到光线对应像素的颜色值 4.使用像素真实的颜色值 和 体渲染加权求和得到的颜色值做损失优化网络参数

   Python

4. Test-On-Diffusers Test-On-Diffusers Public

   利用Diffuser库，对扩散模型的噪声分配、加噪、噪声预测、去噪过程进行实现。（调用封装好的API）

   Jupyter Notebook