آموزش برنامه‌نویسی هوش مصنوعی مولد: واحد ۳ - آخرین آپدیت

برنامه‌نویسی هوش مصنوعی مولد: واحد ۳ Programming Generative AI: Unit 3

• سرفصل‌ها Topics

• اجزای یک مدل چندوجهی Components of a Multimodal Model

• درک زبان و بینایی Vision-Language Understanding

• پیش‌آموزش تقابلی زبان-تصویر (CLIP) Contrastive Language-Image Pretraining

• جاسازی (Embedding) متن و تصاویر با CLIP Embedding Text and Images with CLIP

• طبقه‌بندی تصاویر Zero-Shot با CLIP Zero-Shot Image Classification with CLIP

• جستجوی معنایی تصاویر با CLIP Semantic Image Search with CLIP

• مدل‌های مولد شرطی Conditional Generative Models

• مقدمه‌ای بر مدل‌های انتشار نهفته (LDM) Introduction to Latent Diffusion Models

• معماری مدل انتشار نهفته The Latent Diffusion Model Architecture

• حالت‌های شکست و ابزارهای تکمیلی Failure Modes and Additional Tools

• کالبدشکافی Stable Diffusion Stable Diffusion Deconstructed

• نوشتن خط لوله (Pipeline) اختصاصی Stable Diffusion Writing Our Own Stable Diffusion Pipeline

• رمزگشایی تصاویر از فضای نهفته Stable Diffusion Decoding Images from the Stable Diffusion Latent Space

• بهبود تولید تصاویر با استفاده از Guidance Improving Generation with Guidance

• کار با پرامپت‌ها Playing with Prompts

• سرفصل‌ها Topics

• روش‌ها و معیارهای ارزیابی هوش مصنوعی مولد Methods and Metrics for Evaluating Generative AI

• ارزیابی دستی Stable Diffusion با DrawBench Manual Evaluation of Stable Diffusion with DrawBench

• ارزیابی کمی مدل‌های انتشار با پیش‌بین‌های ترجیح انسانی Quantitative Evaluation of Diffusion Models with Human Preference Predictors

• مروری بر روش‌های تنظیم دقیق (Fine Tuning) مدل‌های انتشار Overview of Methods for Fine-Tuning Diffusion Models

• منبع‌یابی و آماده‌سازی مجموعه‌داده‌های تصویری برای تنظیم دقیق Sourcing and Preparing Image Datasets for Fine-Tuning

• تولید کپشن‌های خودکار با BLIP 2 Generating Automatic Captions with BLIP-2

• تنظیم دقیق بهینه پارامتر با LoRA Parameter Efficient Fine-Tuning with LoRA

• بررسی نتایج تنظیم دقیق Inspecting the Results of Fine-Tuning

• استنتاج با LoRA برای تولید تصاویر با سبک‌های خاص Inference with LoRAs for Style-Specific Generation

• مرور مفهومی معکوس‌سازی متنی (Textual Inversion) Conceptual Overview of Textual Inversion

• شخصی‌سازی موضوعی با Dreambooth Subject-Specific Personalization with Dreambooth

• مقایسه Dreambooth و تنظیم دقیق LoRA Dreambooth versus LoRA Fine-Tuning

• تنظیم دقیق Dreambooth با Hugging Face Dreambooth Fine-Tuning with Hugging Face

• استنتاج با Dreambooth برای ساخت آواتارهای شخصی AI Inference with Dreambooth to Create Personalized AI Avatars

• افزودن کنترل شرطی به مدل‌های انتشار متن-به-تصویر Adding Conditional Control to Text-to-Image Diffusion Models

• ایجاد نقشه‌های لبه و عمق برای شرط‌گذاری Creating Edge and Depth Maps for Conditioning

• Stable Diffusion هدایت‌شده با لبه و عمق توسط ControlNet Depth and Edge-Guided Stable Diffusion with ControlNet

• درک و آزمایش پارامترهای ControlNet Understanding and Experimenting with ControlNet Parameters

• افکت‌های متنی مولد با نقشه‌های عمق فونت Generative Text Effects with Font Depth Maps

• تولید سریع در چند گام با ADD Few Step Generation with Adversarial Diffusion Distillation (ADD)

• دلایل تقطیر مدل (Distillation) Reasons to Distill

• مقایسه SDXL و SDXL Turbo Comparing SDXL and SDXL Turbo

• ترجمه تصویر-به-تصویر با هدایت متن Text-Guided Image-to-Image Translation

• تولید فریم-به-فریم ویدئویی با SDXL Turbo Video-Driven Frame-by-Frame Generation with SDXL Turbo

• استنتاج نزدیک به زمان واقعی با بهینه‌سازی‌های عملکرد PyTorch Near Real-Time Inference with PyTorch Performance Optimizations

• برنامه‌نویسی هوش مصنوعی مولد: جمع‌بندی Programming Generative AI: Summary

• خلاصه دوره Course Summary