【开源实习】基于MindSpore NLP实现DDPM训练应用案例开发

【任务分值】20分

【任务背景】
扩散模型（Diffusion Models）已成为现代生成模型中的重要一类，特别是在图像生成领域，因其在多样性和生成质量上优于传统生成对抗网络（GANs）等模型。DDPM（Denoising Diffusion Probabilistic Models）是一种基于扩散过程的生成模型，其核心思想是将图像从噪声中逐步恢复，并在此过程中学习到图像的潜在分布。
huggingface/notebooks中已针对DDPM训练任务给出了完善的实践教程，请作为参考，基于MindSpore 2.7.0和MindSpore NLP 0.5.1，完成DDPM训练应用案例开发

【任务需求】
1. 参考https://github.com/huggingface/notebooks/blob/main/diffusers/training_example.ipynb， 基于MindSpore 2.7.0、MindSpore NLP 0.5.1版本实现DDPM训练应用案例开发，需包含模型训练+推理的完整流程
2. 代码文件为.ipynb格式，文件中文本描述需为中文，代码结构格式需符合mindspore-courses/applications合入规范
3. 合入mindspore-lab/applications的dev分支

【参考资料】
案例参考：https://github.com/huggingface/notebooks/blob/main/diffusers/training_example.ipynb（注：如链接在GitHub显示invalid notebook，可将ipynb文件下载到本地打开）
MindSpore NLP：https://github.com/mindspore-lab/mindnlp
mindspore-courses/applications仓合入规范：https://github.com/mindspore-courses/applications/wiki/Contributing-Guidelines

【任务验收】
1. 提交内容：ipynb文件，文件中文本描述需为中文，文件命名遵守mindspore-courses/applications合入规范，如案例涉及无法从URL下载获取的数据集，请一并提供
2. 提交代码仓：https://github.com/mindspore-lab/applications dev分支，提交目录请参考代码仓合入规范，同步更新对应路径下README
3. 要求：通过门禁测试

【任务技术要求】
硬件：Atlas 800I A2推理服务器，或Atlas 800T A2推理服务器，已安装必要的驱动程序，并可连接至互联网
操作系统：openEuler或Ubuntu Linux
软件：
Python >= 3.9, < 3.12
CANN >= 8.1.RC1 （推荐使用8.3.RC1）
MindSpore ≥ 2.7.0
MindSpore NLP == 0.5.1

【任务成果仓库】
mindspore-lab/applications代码仓 dev 分支：https://github.com/mindspore-lab/applications dev分支

【导师邮箱】
邢老师：  yx316@cantab.ac.uk

**请问认领任务的同学先发简历给任务导师，邮件即可，谢谢合作**

MindSpore/community
暂停

内容风险标识

评论 (8)

MindSpore/community暂停 .gitee-modal { width: 500px !important; }

内容风险标识