javomode发布CIFAR-10扩散模型实验仓库
先了解这件事
javomode 发布 diffusion-models-cifar10-mnist 仓库，用 NVIDIA 预训练 EDM 模型生成 CIFAR-10 图像并以标签准确率和 FID 评估，同时在小规模 CIFAR-10 子集上训练带 CFG 的小型 EDM 网络。仓库称 CIFAR-10 部分 1–6 已完成，MNIST CFG 网络仍在进行、尚无结果。 预训练网络 CFG 扫描中 w=1.5 时标签准确率达 98.7%，但 1,000 样本的 FID 远高于 EDM 公布的 1.97 和 1.79。7.0M 参数小网络在 100 和 1,000 张图像上训练 20,000 步后损失持续下降，1,000 张无条件样本 FID 却从 94.1 升至 129.9。 仓库要求使用 GPU；在非 NVIDIA 机器上 notebook 会设 QUICK = True 并缩短每一步，仅用于测试代码。
AI 根据报道生成 · 30 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 3D 生成新仓库javomode/diffusion-models-cifar10-mnist：用 EDM 在 CIFAR-10 上做 CFG 实验
javomode/diffusion-models-cifar10-mnist 仓库发布 DSC 180A checkpoint，用 NVIDIA 预训练 EDM 模型生成 CIFAR-10 图像并以标签准确率和 FID 评估，同时在小规模 CIFAR-10 子集上训练带 CFG 的小型 EDM 网络。预训练网络 CFG 扫描中 w=1.5 时标签准确率达 98.7%，但 1,000 样本的 FID 远高于 EDM 公布的 1.97 和 1.79。7.0M 参数小网络在 100 和 1,000 张图像上训练 20,000 步后损失持续下降，1,000 张无条件样本 FID 却从 94.1 升至 129.9；MNIST CFG 网络仍在进行中，尚无结果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。