taralino

.backward_process

Die Funktion DiffusionModel.backward_process(x) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
x	Datenfeld	Eingangssignal als Vektor

Die Funktion wertet das zuvor trainierten (oder initialisierten) Diffusion Model bezüglich des Eingangssignals x aus. Zurückgegeben wird aber nicht nur das finale Ausgangssignal, sondern auch alle Ergebnisse der Iterationsschritte zwischendurch. Dadurch kann das Entrauschen des Eingangssignals x sichtbar gemacht werden.

Zurückgegeben wird ein zweidimensionales Datenfeld bzw. Matrix. Von Zeile zu Zeile sollte das Rauschen abnehmen.

Beispiel

Ein Diffusion Model wird initialisiert und trainiert. Anschließend wird der Prozess des Entrauschens anhand eines zufälligen Eingangssignals demonstriert.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="HandwrittenDigits.js"></script>
</head>
<body>
<script>

var X = HandwrittenDigits.get();

DiffusionModel.init([64, 32, 64], {steps:8, standard_deviation:0.2});

DiffusionModel.train(X, {iterations:100, batch_size:10, learning_rate:5});

var u = [];
for (var i = 0; i < 64; i++) u.push(random(0,1));

var Y = DiffusionModel.backward_process(u);

for (var i = 0; i < Y.length; i++) {
  var M = Picture.vector(Y[i]);
  Picture.draw(M, {zoom:4});
};

</script>
</body>
</html>

Vorschau Download Kopie speichern