前言
《Hands-On Generative AI with Transformers and Diffusion Models》是一本关于生成式人工智能的实践指南。
该书介绍了如何使用Transformer和Diffusion Models等先进技术来构建和训练生成模型，从而生成各种类型的数据，如图像、文本和音频。读者将学习如何使用Python和深度学习框架来实现这些模型，并通过丰富的示例和案例了解它们在现实世界中的应用。
这本书旨在帮助读者深入理解生成式AI的工作原理，并掌握实际应用这些技术的技能。对大家一定会有所帮助！
目录
第一章、扩散模型
- 关键见解：迭代细化
- 训练扩散模型
- 深入：噪音时间表
- 深入了解：UNets 和替代方案
- 深入：目标和预处理
- 项目时间：训练您自己的扩散模型
- 摘要
- 参考
第二章、构建稳定扩散
- 添加控制：条件扩散模型
- 提高效率：潜在扩散
- Stable Diffusion：深入组件
- 全部放在一起：带注释的采样文本到图像模型的循环
- 文本到图像模型的训练数据（待定）
- 开放数据，开放模型
作者总结
