初始化第51期扩散模型从原理到实战

README.md

@@ -27,6 +27,7 @@ notebook-----------------------------------JupyterNotebook格式笔记
 +---intel_openvino_advanced_learning40-------第40期Intel OpenVINO高级课程
 +---Interpretable_machine_learning44---------第44期可解释性机器学习
 +---cs224w_learning46------------------------第46期CS224W图机器学习
++---diffusion_model_learning51---------------第51期扩散模型从原理到实战
 QASystemOnMedicalGraph---------------------基于医疗领域知识图谱的问答系统源码
 requirements.txt---------------------------运行环境依赖包
 </pre>

docs/README.md

@@ -5,25 +5,37 @@
 在线阅读地址：https://relph1119.github.io/my-team-learning
 
 ## 目录
+- 第46期CS224W图机器学习
+    - Task01 图机器学习导论
+    - Task02 图的基本表示和特征工程
+    - Task03 NetworkX工具包实战
+    - Task04 图嵌入表示学习
+    - Task06 PageRank
+    - Task07 标签传播与节点分类
+    - Task08 图神经网络基础
+    - Task09 图神经网络的表示能力
+    - Task10 GCN
+    - Task11 GraphSAGE
+    - Task12 GAT
 - 第44期可解释机器学习
-  - Task01 预备知识学习 
-  - Task02 【算法】ZFNet 
-  - Task03 【算法】CAM 
-  - Task04 【算法】Grad-CAM 
-  - Task05 【代码实战】CAM、Captum 
-  - Task06 【算法】LIME 
-  - Task07 【代码实战】LIME、shap 
+    - Task01 预备知识学习 
+    - Task02 【算法】ZFNet 
+    - Task03 【算法】CAM 
+    - Task04 【算法】Grad-CAM 
+    - Task05 【代码实战】CAM、Captum 
+    - Task06 【算法】LIME 
+    - Task07 【代码实战】LIME、shap 
 - 第40期共读《计算之魂》
-  - Task01 算法的规范化和量化度量、大数和数量级的概念
-  - Task02 怎样寻找最好的算法
-  - Task03 直观的排序算法和有效的排序算法
-  - Task04 更好的排序算法
+    - Task01 算法的规范化和量化度量、大数和数量级的概念
+    - Task02 怎样寻找最好的算法
+    - Task03 直观的排序算法和有效的排序算法
+    - Task04 更好的排序算法
 - 第40期如何用Intel OpenVINO工具包构建AI应用
-  - Task01 OpenVINO核心组件资源和开发流程
-  - Task02 OpenVINO异构系统编程、视频加速处理
-  - Task03 AI推理中的推理性能
-  - Task04 音频处理、人体姿势识别
-  - Task05 实现AI应用的音视频处理、课程总结
+    - Task01 OpenVINO核心组件资源和开发流程
+    - Task02 OpenVINO异构系统编程、视频加速处理
+    - Task03 AI推理中的推理性能
+    - Task04 音频处理、人体姿势识别
+    - Task05 实现AI应用的音视频处理、课程总结
 - 第39期Intel带你初识视觉识别
     - Task01 初识人工智能视觉应用及OpenVINO工具套件
     - Task02 学习如何使用OpenVINO

docs/_sidebar.md

@@ -1,4 +1,13 @@
 * [目录](README.md)
+    * [第51期扩散模型从原理到实战](diffusion_model_learning51/contents.md)
+        * [第1章 扩散模型简介](diffusion_model_learning51/ch01.md) 
+        * [第2章 Hugging Face简介](diffusion_model_learning51/ch02.md) 
+        * [第3章 从零开始搭建扩散模型](diffusion_model_learning51/ch03.md) 
+        * [第4章 Diffusers实战](diffusion_model_learning51/ch04.md) 
+        * [第5章 微调和引导](diffusion_model_learning51/ch05.md) 
+        * [第6章 Stable Diffusion](diffusion_model_learning51/ch06.md) 
+        * [第7章 DDIM反转](diffusion_model_learning51/ch07.md) 
+        * [第8章 音频扩散模型](diffusion_model_learning51/ch08.md) 
     * 第46期CS224W图机器学习
         * [Task01 图机器学习导论](cs224w_learning46/task01.md)
         * [Task02 图的基本表示和特征工程](cs224w_learning46/task02.md)

docs/cs224w_learning46/task07.md

@@ -13,7 +13,7 @@
 
 - 半监督节点分类问题的求解方法对比
 
-| 方法 | 图嵌入 | 表示学习 | 使用属性特征 | 使用标注 | 直推式 | 归纳式 }
+| 方法 | 图嵌入 | 表示学习 | 使用属性特征 | 使用标注 | 直推式 | 归纳式 |
 | :-: | :-: | :-: | :-: | :-: | :-: | :-: |
 | 人工特征工程 | 是 | 否 | 否 | 否 | / | / |
 | 基于随机游走的方法 | 是 | 是 | 否 | 否 | 是 | 否 |

docs/diffusion_model_learning51/ch01.md

@@ -0,0 +1 @@
+# 第1章 扩散模型简介

docs/diffusion_model_learning51/ch02.md

@@ -0,0 +1 @@
+# 第2章 Hugging Face简介

docs/diffusion_model_learning51/ch03.md

@@ -0,0 +1 @@
+# 第3章 从零开始搭建扩散模型

docs/diffusion_model_learning51/ch04.md

@@ -0,0 +1 @@
+# 第4章 Diffusers实战

docs/diffusion_model_learning51/ch05.md

@@ -0,0 +1 @@
+# 第5章 微调和引导

docs/diffusion_model_learning51/ch06.md

@@ -0,0 +1 @@
+# 第6章 Stable Diffusion

docs/diffusion_model_learning51/ch07.md

@@ -0,0 +1 @@
+# 第7章 DDIM反转

docs/diffusion_model_learning51/ch08.md

@@ -0,0 +1 @@
+# 第8章 音频扩散模型

docs/diffusion_model_learning51/contents.md

@@ -0,0 +1,17 @@
+# 第51期《扩散模型从原理到实战》学习笔记
+
+Task01：
+  - [第1章 扩散模型简介](diffusion_model_learning51/ch01.md) 
+  - [第2章 Hugging Face简介](diffusion_model_learning51/ch02.md)
+  - [第3章 从零开始搭建扩散模型](diffusion_model_learning51/ch03.md)
+
+Task02：
+  - [第4章 Diffusers实战](diffusion_model_learning51/ch04.md) 
+  - [第5章 微调和引导](diffusion_model_learning51/ch05.md) 
+
+Task03：
+  - [第6章 Stable Diffusion](diffusion_model_learning51/ch06.md)
+
+Task04：
+  - [第7章 DDIM反转](diffusion_model_learning51/ch07.md) 
+  - [第8章 音频扩散模型](diffusion_model_learning51/ch08.md) 

notebook/cs224w_learning46/my_homework/task07.ipynb

@@ -41,7 +41,7 @@
    "source": [
     "- 半监督节点分类问题的求解方法对比\n",
     "\n",
-    "| 方法 | 图嵌入 | 表示学习 | 使用属性特征 | 使用标注 | 直推式 | 归纳式 }\n",
+    "| 方法 | 图嵌入 | 表示学习 | 使用属性特征 | 使用标注 | 直推式 | 归纳式 |\n",
     "| :-: | :-: | :-: | :-: | :-: | :-: | :-: |\n",
     "| 人工特征工程 | 是 | 否 | 否 | 否 | / | / |\n",
     "| 基于随机游走的方法 | 是 | 是 | 否 | 否 | 是 | 否 |\n",

notebook/diffusion_model_learning51/my_homework/ch01.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第1章 扩散模型简介"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "caa6ec1a6ad8f84f"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch02.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第2章 Hugging Face简介"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "2e03c6c3d41cc6d8"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch03.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第3章 从零开始搭建扩散模型"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "8c3336777f770394"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch04.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第4章 Diffusers实战"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "5b253f6140e05731"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch05.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第5章 微调和引导"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "709cc55ed0a0944f"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch06.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第6章 Stable Diffusion"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "d9ad5b03bb376ddd"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

notebook/diffusion_model_learning51/my_homework/ch07.ipynb

@@ -0,0 +1,35 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "source": [
+    "# 第7章 DDIM反转"
+   ],
+   "metadata": {
+    "collapsed": false
+   },
+   "id": "77a8f608412ef338"
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 2
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython2",
+   "version": "2.7.6"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}