自己啃资料捋的，不是科班，平时写底层，说岔了直接指正。
大意：模型学会从一团随机噪声一步步去噪，还原出符合描述的画面；文字先编码成向量，再去引导这个去噪过程。各家模型的差别，主要在训练数据、结构规模和调校。
写底层的人捋这个反而清楚，比那些堆公式的科普好读
编码再引导去噪这段捋得清楚，可以再补一下步数为啥影响细节
自己啃资料捋的，不是科班，平时写底层，说岔了直接指正。
大意：模型学会从一团随机噪声一步步去噪，还原出符合描述的画面；文字先编码成向量，再去引导这个去噪过程。各家模型的差别，主要在训练数据、结构规模和调校。
写底层的人捋这个反而清楚，比那些堆公式的科普好读
编码再引导去噪这段捋得清楚，可以再补一下步数为啥影响细节