آموزش برنامه نویسی AI: از اتوآنمان های متغیر گرفته تا انتشار پایدار با Pytorch و بغل کردن صورت - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• برنامه نویسی AI: مقدمه Programming generative AI: Introduction

1. چه ، چرا و چگونه AI مولد 1. The What, Why, and How of Generative AI

• موضوعات موضوعاتی Topics

• سه گانه مدل سازی مولد The generative modeling trilemma

• مدل های تولیدی رسمی Formalizing generative models

• هوش مصنوعی تولیدی در طبیعت Generative AI in the wild

• چگونه ماشین آلات ایجاد می کنند How machines create

• مولد در مقابل مدلهای تبعیض آمیز Generative versus discriminative models

• آشنایی با Google Colab Introduction to Google Colab

• بسیاری از رسانه ها Multitudes of media

• تعریف هوش مصنوعی Defining generative AI

2. Pytorch برای بی تاب 2. PyTorch for the Impatient

• Treilemma نرم افزار یادگیری عمیق The deep learning software trilemma

• مقایسه نزول شیب و SGD Comparing gradient descent and SGD

• تنسورها در پیتورچ Tensors in PyTorch

• شبکه های عصبی چند لایه (MLP) Multi-layer feedforward neural networks (MLP)

• رگرسیون خطی با Pytorch Linear regression with PyTorch

• مقدمه ای برای نزول شیب Introduction to gradient descent

• مؤلفه های یک الگوریتم یادگیری Components of a learning algorithm

• Pytorch چیست؟ What is PyTorch?

• Perceptrons و Neurons Perceptrons and neurons

• کار با دستگاه ها Working with devices

• لایه ها و فعال سازی با torch.nn Layers and activations with torch.nn

• رسیدن به نزول شیب تصادفی (SGD) Getting to stochastic gradient descent (SGD)

• انتزاع دستگاه Pytorch (یعنی GPU) PyTorch's device abstraction (i.e., GPUs)

• آشنایی با نمودارهای محاسباتی Introduction to computational graphs

• موضوعات موضوعاتی Topics

• Backpropagation فقط قانون زنجیره ای است Backpropagation is just the chain rule

• کیک لایه Pytorch The PyTorch layer cake

• واقعاً تانسور چیست؟ What are tensors, really?

• بازگرداندن بی دردسر با Torch.Autograd Effortless backpropagation with torch.autograd

3. فضای نهفته همه چیز را در اطراف من حاکم می کند 3. Latent Space Rules Everything Around Me

• نگاه کنید به MA ، بدون ویژگی! Look ma, no features!

• خودرو فروتن The humble autoencoder

• کاوش در فضای نهفته Exploring latent space

• مجموعه داده های مد روز The Fashion-MNIST dataset

• تنظیم یک حلقه تمرینی Setting up a training loop

• Desiderata برای دید رایانه Desiderata for computer vision

• استنباط متنوع: نه فقط برای خودروها Variational inference: Not just for autoencoders

• اجزای یک مدل متغیر نهفته (LVM) Components of a latent variable model (LVM)

• درون یابی فضای نهفته و بردارهای ویژگی Latent space interpolation and attribute vectors

• کار با تصاویر در پایتون Working with images in Python

• موضوعات موضوعاتی Topics

• تبدیل یک autoencoder به یک VAE Transforming an autoencoder into a VAE

• نمایندگی تصاویر به عنوان تنش Representing images as tensors

• تعریف یک AutoEncoder با Pytorch Defining an autoencoder with PyTorch

• شبکه های عصبی حلقوی در پیتورچ Convolutional neural networks in PyTorch

• استنتاج با یک AutoEncoder Inference with an autoencoder

• اضافه کردن احتمال به AutoEncoders (VAE) Adding probability to autoencoders (VAE)

• ویژگی های شبکه های عصبی حلقوی Features of convolutional neural networks

• آموزش VAE با Pytorch Training a VAE with PyTorch

4. انتشار تغییر شکل 4. Demystifying Diffusion

• مدل های انتشار درون یابی Interpolating diffusion models

• تولید تصاویر با خطوط لوله Diffuser Generating images with diffusers pipelines

• نسل به عنوان یک فرایند برگشت پذیر Generation as a reversible process

• ترجمه تصویر به تصویر با sdedit Image-to-image translation with SDEdit

• نمونه برداری به عنوان deoising تکرار شونده Sampling as iterative denoising

• موضوعات موضوعاتی Topics

• فرآیند رو به جلو به عنوان رمزگذار Forward process as encoder

• تجزیه فرآیند انتشار Deconstructing the diffusion process

• فرآیند معکوس به عنوان رمزگشایی Reverse process as decoder

• ترمیم و تقویت تصویر Image restoration and enhancement

• دیفیوزرها و اکوسیستم صورت بغل کردن Diffusers and the Hugging Face ecosystem

5. تولید و رمزگذاری متن با ترانسفورماتورها 5. Generating and Encoding Text with Transformers

• جستجوی معنایی با تعبیه Semantic search with embeddings

• تولید متن با خطوط لوله ترانسفورماتور Generating text with transformers pipelines

• موضوعات موضوعاتی Topics

• تجسم و درک توجه Visualizing and understanding attention

• ترانسفورماتورها فقط مدل های متغیر نهفته برای توالی هستند Transformers are just latent variable models for sequences

• استراتژی های رمزگشایی Decoding strategies

• مدل های تولیدی زبان Generative models of language

• توالی تعبیه شده با ترانسفورماتورها Embedding sequences with transformers

• مدل فضایی بردار The vector space model

• تبدیل کلمات به بردارها Turning words into vectors

• ساخت مجدد خطوط لوله ترانسفورماتور Deconstructing transformers pipelines

• تعبیهات متضاد با ترانسفورماتورهای جمله Contrastive embeddings with sentence transformers

• محاسبه شباهت بین تعبیه Computing the similarity between embeddings

• خط لوله پردازش زبان طبیعی The natural language processing pipeline

6. اتصال متن و تصاویر 6. Connecting Text and Images

• نوشتن خط لوله انتشار پایدار خود Writing your own stable diffusion pipeline

• آشنایی با مدل های انتشار نهفته Introduction to latent diffusion models

• مدل های تولیدی مشروط Conditional generative models

• معماری مدل انتشار نهان The latent diffusion model architecture

• طبقه بندی تصویر صفر با کلیپ Zero-shot image classification with CLIP

• بهبود نسل با راهنمایی Improving generation with guidance

• تعبیه متن و تصاویر با کلیپ Embedding text and images with CLIP

• موضوعات موضوعاتی Topics

• انتشار پایدار تجزیه شده Stable diffusion deconstructed

• بازی با اعلان ها Playing with prompts

• حالت های خرابی و ابزارهای اضافی Failure modes and additional tools

• اجزای یک مدل چند مدلی Components of a multimodal model

• درک بینایی زبان Vision-language understanding

• پیش فرض زبان متضاد Contrastive language-image pretraining

• جستجوی تصویر معنایی با کلیپ Semantic image search with CLIP

• رمزگشایی تصاویر از فضای پنهان انتشار پایدار Decoding images from the stable diffusion latent space

7. روشهای پس از آموزش برای مدل های انتشار 7. Post-Training Procedures for Diffusion Models

• تولید زیرنویس های اتوماتیک با blip-2 Generating automatic captions with BLIP-2

• ارزیابی دستی انتشار پایدار با Drawbench Manual evaluation of stable diffusion with DrawBench

• درک و آزمایش با پارامترهای کنترل Understanding and experimenting with ControlNet parameters

• ایجاد نقشه های لبه و عمق برای تهویه Creating edge and depth maps for conditioning

• نمای کلی از روش های تنظیم دقیق مدل های انتشار Overview of methods for fine-tuning diffusion models

• چند مرحله نسل با تقطیر انتشار مخالف (اضافه کردن) Few step generation with adversarial diffusion distillation (ADD)

• تولید قاب با قاب ویدیویی با SDXL Turbo Video-driven frame-by-frame generation with SDXL Turbo

• Dreambooth در مقابل تنظیم دقیق لورا DreamBooth versus LoRa fine-tuning

• استنباط نزدیک به زمان واقعی با بهینه سازی عملکرد Pytorch Near real-time inference with PyTorch performance optimizations

• افزودن کنترل مشروط به مدل های انتشار متن به تصویر Adding conditional control to text-to-image diffusion models

• موضوعات موضوعاتی Topics

• پارامتر تنظیم دقیق با لورا Parameter efficient fine-tuning with LoRa

• منابع و تهیه مجموعه داده های تصویر برای تنظیم دقیق Sourcing and preparing image datasets for fine-tuning

• انتشار پایدار عمق و لبه با کنترل با کنترل Depth and edge-guided stable diffusion with ControlNet

• نمای کلی از وارونگی متنی Conceptual overview of textual inversion

• دلایل تقطیر Reasons to distill

• استنباط با رویای رویایی برای ایجاد آواتارهای هوش مصنوعی شخصی Inference with DreamBooth to create personalized AI avatars

• مقایسه SDXL و SDXL توربو Comparing SDXL and SDXL Turbo

• شخصی سازی خاص موضوع با Dreambooth Subject-specific personalization with DreamBooth

• استنتاج با LORAS برای نسل خاص سبک Inference with LoRas for style-specific generation

• ترجمه تصویر به تصویر با هدایت متن Text-guided image-to-image translation

• روش ها و معیارهای ارزیابی هوش مصنوعی مولد Methods and metrics for evaluating generative AI

• بازرسی از نتایج تنظیم دقیق Inspecting the results of fine-tuning

• جلوه های متن تولیدی با نقشه های عمق قلم Generative text effects with font depth maps

• ارزیابی کمی از مدل های انتشار با پیش بینی کننده ترجیح انسان Quantitative evaluation of diffusion models with human preference predictors

• Dreambooth خوب تنظیم با بغل کردن صورت DreamBooth fine-tuning with Hugging Face

پایان Conclusion

• برنامه نویسی AI: خلاصه Programming generative AI: Summary