Cómo los diffusion models generan imágenes
Parte del curso de Prompt Engineering
Hasta ahora, todos los prompts que has escrito producían texto. Esta lección abre la parte 3, donde el mismo prompt produce una imagen. El medio cambia, pero la mentalidad de la parte 1 no: sigues dirigiendo un modelo con palabras, y las palabras vagas te siguen dando resultados vagos.
Mucha gente supone que un modelo de imágenes busca en una biblioteca enorme y cose trozos de fotos ya existentes. No es eso lo que pasa. No hay collage ni búsqueda. El modelo construye cada imagen desde cero, y la materia prima de la que parte es ruido puramente aleatorio. ...
¿Quieres aprender Prompt Engineering Cómo los diffusion models generan imágenes en un entorno real?
Haz clic abajo, recibe una máquina Linux con Prompt Engineering listo, y practica Cómo los diffusion models generan imágenes con un tutor de IA que conoce tu código.
Empezar esta lecciónCómo los diffusion models generan imágenesLo que vas a aprender
- Diffusion as iterative denoising
- Text conditioning of the image
- Seeds and reproducibility
- Sampling steps and guidance scale
Lee esta lección en tu idioma
Todas las lecciones de este curso
11 lecciones- 1Qué es un prompt20 min
- 2Cómo los Large Language Models generan texto30 min
- 3Los cinco principios del prompting30 min
- 4Prácticas estándar para la generación de texto35 min
- 5Prompt Templates and Function Calling35 min
- 6Vector Databases y Retrieval-Augmented Generation40 min
- 7Autonomous Agents: memory y tools40 min
- 8Cómo los diffusion models generan imágenes30 min
- 9Prácticas estándar para la generación de imágenes35 min
- 10Técnicas avanzadas de imagen: inpainting, outpainting y ControlNet35 min
- 11Construyendo aplicaciones impulsadas por AI40 min
