Lil'Log(Lilian Weng 个人博客) · Lilian Weng
What are Diffusion Models?(Lil'Log 扩散模型详解)
系统理解扩散模型的数学原理与主流改进方向,能读懂并跟进扩散模型论文与开源实现。
Lil'Log
- 难度
- 见前置条件
- 形式
- 文章
- 语言
- 英文
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 打开即可学习
使用限制
阅读本身只需浏览器,无账号或付费门槛;文中引用的论文与代码仓库均可单独访问。标题虽为单页文章,但未提供可下载的配套环境。
- 练习与作业
- 训练或采样扩散模型通常需要 GPU,原站未说明是否必需
- 补充内容
- 访问论文链接(arXiv/OpenReview)与外链 GitHub 需可正常联网
选择学习环境
浏览器或在线环境
这是一篇 31 分钟量级的系统技术文章,按目录顺序精读即可;公式密集,建议边读边手推关键步骤。
浏览器即可阅读;若想复现文中方法,需自备 Python 与深度学习框架环境(原站未说明具体工具)。
准备工具和账号
标“选用”的可以跳过。
- 浏览器阅读文章与访问文中引用的论文、代码仓库
- 笔记工具(支持 LaTeX 更佳)选用记录前向/反向过程与损失推导
- Python + 深度学习框架选用选做:复现文末引用的扩散模型实现
- 若想复现扩散模型训练/采样,需自备 Python 与深度学习框架环境(原站未说明具体版本)用于练习与作业
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次此提示词尚未实测验证请帮我把「What are Diffusion Models?(Lil'Log 扩散模型详解)」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://lilianweng.github.io/posts/2021-07-11-diffusion-models/ 我的系统:Windows。如果实际不符,先调整方案。 本次路线:浏览器或在线环境。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:建议按文章顺序手推前向/反向公式并整理成笔记;有余力可从文末代码链接中选一个仓库跑通小规模训练或采样。 课节(官方顺序): 1. What are Diffusion Models?(Lil'Log 首页):https://lilianweng.github.io/posts/2021-07-11-diffusion-models/ 1. 环境 - 现代浏览器(可渲染 MathJax 数学公式) - 可选:Python 与深度学习框架环境(复现用) - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方课程页面:只记录链接 https://lilianweng.github.io/posts/2021-07-11-diffusion-models/ 3. 目录(最外层放在我确认的位置) lillog-diffusion-models/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-what-are-diffusion-models-lil/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.md,逐项检查并记录“通过/未通过”: - 按浏览器或在线 notebook 清单检查,不为自检安装本机终端。 - 打开 https://lilianweng.github.io/posts/2021-07-11-diffusion-models/ 并确认目录中出现 Forward diffusion process 与 Model Architecture 等小节 → 页面完整加载且行内数学公式正常渲染 - 随机检查文中一处公式(如 q(x_t|x_0) 的高斯形式)能否在草稿纸上复现 → 能由 x_t = √α_t x_{t-1} + √(1-α_t)ε 逐步推出闭式表达 - 打开文中一个代码链接(如 https://github.com/ermongroup/ddim)确认可访问 → 仓库页面正常打开 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
lillog-diffusion-models/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ └── 01-01-what-are-diffusion-models-lil/
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-15
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。