Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa do Curso
Introdução a Stable Diffusion
- Visão geral de Stable Diffusion e das suas aplicações
- Comparação da Stable Diffusion com outros modelos de geração de imagens (por exemplo, GANs, VAEs)
- Características avançadas e arquitetura do Stable Diffusion
- Para além do básico: Stable Diffusion para tarefas complexas de geração de imagens
Construção Stable Diffusion Modelos
- Configurar o ambiente de desenvolvimento
- Preparação e pré-processamento de dados
- Treinar Stable Diffusion modelos
- Ajuste de Stable Diffusion hiperparâmetros
Técnicas avançadas Stable Diffusion
- Inpainting e outpainting com Stable Diffusion
- Tradução de imagem para imagem com Stable Diffusion
- Utilização de Stable Diffusion para aumento de dados e transferência de estilos
- Trabalhar com outros modelos de aprendizagem profunda juntamente com Stable Diffusion
Otimizar Stable Diffusion Modelos
- Melhorar o desempenho e a estabilidade
- Tratamento de conjuntos de dados de imagens em grande escala
- Diagnosticar e resolver problemas com modelos Stable Diffusion
- Técnicas avançadas de visualização de Stable Diffusion
Estudos de caso e melhores práticas
- Aplicações do mundo real de Stable Diffusion
- Melhores práticas para a geração de imagens Stable Diffusion
- Métricas de avaliação para modelos Stable Diffusion
- Direcções futuras para a investigação Stable Diffusion
Resumo e próximas etapas
- Revisão dos principais conceitos e tópicos
- Sessão de perguntas e respostas
- Próximos passos para utilizadores avançados Stable Diffusion
Requisitos
- Experiência em aprendizagem profunda e visão computacional
- Familiaridade com modelos de geração de imagens (por exemplo, GANs, VAEs)
- Proficiência em Python programação
Público
- Cientistas de dados
- Engenheiros de aprendizagem de máquinas
- Computer Investigadores no domínio da visão
21 horas
Declaração de Clientes (4)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Very flexible
Frank Ueltzhöffer
Curso - Artificial Neural Networks, Machine Learning and Deep Thinking
The structure from first principles, to case studies, to application.
Margaret Webb - Department of Jobs, Regions, and Precincts
Curso - Introduction to Deep Learning
I was benefit from the passion to teach and focusing on making thing sensible.