Характеристики

Лицензия: MIT
Опубликована: 29 авг 2026

Ссылки

diffusion-from-scratch

Генерация изображенийТекст → изображение

Набор учебных DDPM/DDIM-моделей на PyTorch для безусловной генерации изображений MNIST и CIFAR-10, включая условную генерацию CIFAR-10 по классу.

0скачиваний за 30 дней0лайковвеса обновлены29 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это набор из трёх контрольных точек диффузионной модели, созданных автором проекта adimunot21 для реализации DDPM/DDIM с нуля на PyTorch. Модели генерируют изображения безусловно на MNIST и CIFAR-10; отдельная модель CIFAR-10 поддерживает генерацию с заданным классом из 10 категорий.

Архитектура — U-Net с остаточными блоками и механизмом self-attention для моделей CIFAR-10. В репозитории представлены усреднённые EMA-веса, рекомендуемые для генерации, и финальные веса обучения; файлы сохранены в safetensors. Это учебные модели, обученные на одной GPU, а не конкурентные базовые решения; автор указывает FID 34,1 для MNIST и 65,3–71,2 для вариантов CIFAR-10 и отмечает, что значения самооценочные и сопоставимы только внутри проекта. Для загрузки требуется код исходного проекта: веса являются state_dict и не образуют готовый pipeline Diffusers. Лицензия — MIT.

Сценарии применения

генерация изображений, похожих на рукописные цифры MNIST
безусловная генерация изображений CIFAR-10
генерация изображения CIFAR-10 по выбранному классу
изучение реализации DDPM и DDIM на PyTorch
эксперименты с U-Net, EMA-весами и classifier-free guidance

Ограничения

Это учебные контрольные точки с ограниченным бюджетом обучения; качество генерации CIFAR-10 уступает сильным базовым моделям, а указанные FID самооценочные. Для применения необходим код исходного проекта, поскольку веса не являются готовым pipeline Diffusers.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

diffusion-from-scratch — trained checkpoints

Weights for github.com/adimunot21/diffusion-from-scratch, a DDPM/DDIM implementation written from scratch in PyTorch — forward process, noise schedules, U-Net denoiser, samplers and classifier-free guidance, no diffusers dependency.

Three models. Each folder has config.json plus two weight files:

ema.safetensors — exponential moving average of the weights (ema_decay=0.9999). Use these for sampling.
model.safetensors — the raw final training weights, kept for completeness.

Folder	Model	Params	Schedule	Epochs	Final train loss	FID
`mnist/`	MNIST, unconditional	9.53 M	linear, T=1000	50	0.0210	34.1
`cifar10_uncond/`	CIFAR-10, unconditional	46.03 M	cosine, T=1000	100	0.0547	71.2
`cifar10_cond/`	CIFAR-10, class-conditional	46.03 M	cosine, T=1000	100	0.0557	65.3

The CIFAR-10 U-Nets use channels [128, 256, 256, 512], 2 residual blocks per level and 4-head self-attention at the two middle resolutions. The conditional model was trained with classifier-free guidance (uncond_prob=0.1, 10 classes).

Loading

These are plain state_dicts for the UNet class in the source repo — not a diffusers pipeline. Build the model from the repo, then load:

from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

path = hf_hub_download("adimunot/diffusion-from-scratch",
                       "cifar10_uncond/ema.safetensors")
model.load_state_dict(load_file(path))   # model = UNet(**config) from the repo
model.eval()

config.json carries the exact architecture and training hyperparameters each checkpoint was produced with, so it can be fed straight into the constructor.

Notes

FID was computed during the project's evaluation phase; treat the numbers as self-reported and comparable only within this repo.
These are learning-project models trained on a single GPU, not competitive baselines. CIFAR-10 FID in the 65–71 range reflects the small model and 100-epoch budget.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов: 5e0a2a7