pg电子娱乐平台

「活动」首次登录送3888元红包

914.51MB

版本9.9.51

下载APK 高速下载

下载pg电子娱乐平台安装你想要的应用更方便更快捷发现更多

93%好评(318979人)

5863

详细信息

软件大小: 914.51MB
最后更新: 2024-04-20
最新版本: 9.9.51
文件格式: apk
应用分类:ios-Android pg电子娱乐平台
使用语言: 中文
网络支持:: 需要联网
系统要求: 2.4以上

应用介绍

🧨pg电子娱乐平台 APP，现在下载，新用户还送新人礼包。
🧨第一步：访问pg电子娱乐平台 app下载网站官网版官方入口官网首先，打开您的浏览器，输入pg电子娱乐平台的官方网址（ http://www.stonedm.com）。您可以通过搜索引擎搜索或直接输入网址来访问。
🧨第二步：点击注册按钮一旦进入《pg电子娱乐平台》官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。
🧨 第三步：填写注册信息在注册页面上，您需要填写一些必要的个人信息来创建pg电子娱乐平台账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。
🧨第四步：验证账户pg电子娱乐平台梦幻西游一年一度的教师节活动又开始了!在活动期间，每个整点的时候，玩家们都可以在西梁女国、朱紫国、傲来国寻找知识老人参与看图说话玩法。
🧨第五步：设置安全选项 pg电子娱乐平台通常要求您设置一些安全选项，iTunes12采用了优雅的界面和半透明的设计，同时提供了一个精简的工具栏，以便用户能够有更多空间去体验内容。
🧨第六步：阅读并同意条款在注册过程中，pg电子娱乐平台会提供使用条款和规定供您阅读itunes64位官方版可以支持新的AAC音频格式（具有更好的音质，而文件大小却更小了），同时也可以让您同本地以太网络或AirPort无线网络上的苹果电脑共享您的音乐。
🧨第七步：完成注册一旦您完成了所有必要的步骤，并同意了pg电子娱乐平台的条款，恭喜您！2.优化多开设置，可以设置多开的分辨率。

在这个大模型不断发明新成果的大模定比的项年代，咱们一般对机器学习模型有一个直观认知：越大越好。型必小模型好但现实果真如此吗？

近来，谷歌Google Research 一个团队根据隐分散模型（LDM）进行了很多试验研讨，研讨得出了一个定论：更大并不总是必定更好（Bigger is not Always Better），尤其是大模定比的项在预算有限时。

论文标题：Bigger is 型必小模型好not Always Better: Scaling Properties of Latent Diffusion Models。
论文地址：https://arxiv.org/pdf/2404.01367.pdf。谷歌

近段时刻，研讨隐分散模型和广义上的必定分散模型获得的成果不可谓不耀眼。这些模型在处理了大规划高质量数据之后，大模定比的项能够十分超卓地完结多种不同使命，型必小模型好包括图画组成与修改、谷歌视频创立、研讨音频生成和 3D 组成。必定

尽管这些模型能够处理多种多样的问题，但要想在实在国际运用中大规划运用它们，还需求战胜一大妨碍：采样功率低。

这一难题的实质在于，为了生成高质量输出，LDM 需求依靠多步采样，而咱们知道：采样总本钱 = 采样进程数 × 每一步的本钱。

具体来说，现在人们首选的办法需求运用 50 步 DDIM 采样。这个进程虽能保证输出质量，但在具有后量化（post-quantization）功用的现代移动设备上却需求恰当长的推迟才干完结。因而，为了促进 LDM 的实践运用，就需求优化其功率。

现实上，这一范畴现已呈现了一些优化技能，但关于更小型、冗余更少的模型的采样功率，研讨社区还未给予恰当重视。在这一范畴，一个严峻妨碍是短少可用的现代加速器集群，因为从头开始练习高质量文生图 LDM 的时刻和资金本钱都很高 —— 往往需求几周时刻和数十万美元资金。

该团队通过试验研讨了规划巨细的改动对 LDM 的功能和功率的影响，其间重视要点是了解 LDM 的规划扩展性质对采样功率的影响。他们运用有限的预算从头开始练习了 12 个文生图 LDM，参数量从 39M 到 5B 不等。

图 1 给出了一些成果示例。一切模型都是在 TPUv5 上练习的，运用了他们的内部数据源，其间包括大约 6 亿对已过滤的文本 - 图画。

他们的研讨发现，LDM 中的确存在一个随模型规划改动的趋势：在平等的采样预算下，较小模型可能有才能逾越较大模型。

此外，他们还研讨了预练习文生图 LDM 的巨细会怎么影响其在不同下流使命上的采样功率，比方实在国际超分辨率、主题驱动的文生图（即 Dreambooth）。

关于隐分散模型在文生图和其它多种下流使命上的规划扩展性质，该团队得到了以下重要发现：

预练习的功能会随练习核算量而扩展。通过将模型的参数量从 39M 扩展到 5B，该团队发现核算资源和 LDM 功能之间存在显着联络。这标明跟着模型增大，还有潜力完成进一步提高。
下流功能会随预练习而扩展。该团队的试验标明：预练习功能与在下流使命上的成功之间存在很强的相关。较小模型即便运用额定的练习也无法彻底赶上较大模型的预练习质量所带来的优势。
较小模型的采样功率更高。当给定了采样预算时，较小模型的图画质量一开始会优于较大模型，而当放松核算约束时，较大模型会在细节生成上胜过较小模型。
采样器并不会改动规划扩展功率。不论运用哪种分散采样器，较小模型的采样功率总是会更好一点。这对确认性 DDIM、随机性 DDPM 和高阶 DPM-Solver++ 而言都建立。
在步数更少的下流使命上，较小模型的采样功率更高。当采样步数少于 20 步时，较小模型在采样功率上的优势会延伸到下流使命。
分散蒸馏不会改动规划扩展趋势。即便运用分散蒸馏，当采样预算有限时，较小模型的功能仍然能与较大蒸馏模型竞赛。这阐明蒸馏并不会从根本上改动规划扩展趋势。

LDM 的规划扩展。

该团队根据广被运用的 866M Stable Diffusion v1.5 规范，开发了一系列强壮的隐分散模型（LDM）。这些模型的去噪 UNet 具有不同的规划，参数数量从 39M 到 5B 不等。该团队通过逐步增大残差模块中过滤器的数量，一起保持其它架构元素不变，完成了可猜测的受控式规划扩展。表 1 展现了这些不同巨细模型的架构差异。其间也供给了每个模型相较于基线模型的相对本钱。

图 2 展现了规划扩展进程中的架构差异。这些模型的练习运用了他们的内部数据源，其间有 6 亿对通过过滤的文本 - 图画。一切模型都练习了 50 万步，批量巨细为 2048，学习率为 1e-4。这让一切模型都能抵达收益递减的程度。

图 1 标明这些不同巨细的模型都具有安稳共同的生成才能。

关于文生图使命，他们设置的采样步数为常用的 50 步，采样器为 DDIM，无分类器辅导率为 7.5。能够看到，跟着模型规划增大，所得成果的视觉质量显着提高。

文生图功能随练习核算量的扩展规则。

试验中，各种巨细的 LDM 的生成功能相关于练习核算本钱都有类似的趋势，尤其是在练习安稳之后 —— 一般是在 20 万次迭代之后。这些趋势标明不同巨细的模型的学习才能具有显着的扩展趋势。

具体来看，图 3 展现了参数量从 39M 到 5B 的不同模型的运转状况，其间的练习核算本钱是表 1 中给出的相对本钱和练习迭代次数的积。评价时，运用了相同的采样步数和采样参数。

在训练计算量适中（即 < 1G，见图 3）的场景中，文生图模型的生成性能可在额外计算资源的帮助下很好地扩展。

在练习核算量适中（即 < 1G，见图 3）的场景中，文生图模型的生成功能可在额定核算资源的协助下很好地扩展。

预练习能扩展下流使命的功能。

根据在文本 - 图画数据上预练习的模型，该团队又针对实在国际超分辨率和 DreamBooth 这两个下流使命进行了微调。表 1 给出了这些预练习模型的功能。

图 4 左图给出了在超分辨率（SR）使命上的生成功能 FID 与练习核算量的对应状况。

能够看出来，比较于练习核算量，超分辨率的功能更依靠模型巨细。试验成果标明较小模型有一个显着的局限性：不论练习核算量怎么，它们都无法到达与较大模型平等的功能。

图 4 右图给出了失真度目标 LPIPS 的状况，能够看到其与生成目标 FID 有一些不共同。虽如此，仍是能够从图 5 显着看出：较大模型比较小模型更拿手康复细粒度的细节。

根据图 4 能得到一个要害见地：比较于较小的超分辨率模型，较大模型即便微调时刻更短，也能获得更好的成果。这阐明预练习功能（由预练习模型巨细主导）对超分辨率 FID 分数的影响比对微调的持续时刻（即用于微调的核算量）的影响大。

此外，图 6 比较了不同模型上 DreamBooth 微调的视觉成果。能够看到视觉质量和模型巨细之间也有类似的趋势。

扩展采样功率。

剖析 CFG 率的影响。文生图生成模型需求超越单一目标的详尽评价。采样参数对定制化来说十分重要，而无分类器引导（CFG）率能够直接影响视觉保真度以及与文本 prompt 的语义对齐之间的平衡。

Rombach 等人的论文《High-resolution image synthesis with latent diffusion models》通过试验标明：不同的 CFG 率会得到不同的 CLIP 和 FID 分数。

而这项新研讨发现 CFG 率（一个采样参数）会在不同的模型巨细上得到不共同的成果。因而，运用 FID 或 CLIP 分数以定量办法确认每个模型巨细和采样进程的最佳 CFG 率是很风趣的。

该团队运用不同的 CFG 率（即 1.5、2.0、3.0、4.0、5.0、6.0、7.0、8.0）对不同规划的模型进行了采样，并以定量和定性办法比较了它们的成果。

图 7 就是两个模型在不同的 CFG 率下的视觉成果，从中能够看出其对视觉质量的影响。

该团队调查到，比较于 prompt 语义准确度，CFG 率的改动对视觉质量的影响更大，因而为了确认最佳 CFG 率，他们选取的评价目标是 FID 分数。

图 8 给出了不同的 CFG 率对文生图使命的 FID 分数的影响。

规划扩展功率趋势。运用每个模型在不同采样进程下的最佳 CFG 率，该团队剖析了最优功能体现，以了解不同 LDM 巨细的采样功率。

具体来说，图 9 比较了不同采样本钱下（归一化本钱 × 采样步数）的不同模型及其最优功能。通过追寻不同采样本钱下的最优功能点（竖虚线），能够看到一个趋势：在一个采样本钱规划内，较小模型的 FID 分数一般优于较大模型。

图 10 则给出了较小和较大模型结果的定性比较，从中可以看到在相似的采样成本条件下，较小模型是可以匹敌较大模型的。

图 10 则给出了较小和较大模型成果的定性比较，从中能够看到在类似的采样本钱条件下，较小模型是能够对抗较大模型的。

不同巨细的模型运用不同采样器的采样功率。

为了评价采样功率趋势在不同模型规划下的普遍性，该团队评价了不同巨细的 LDM 运用不同分散采样器的功能。

他们运用的采样器有三种：DDIM、随机性 DDPM、高阶 DPM-Solver++。

图 11 给出了试验成果。

能够看出，当采样步数较少时，DDPM 采样器得到的质量一般低于 DDIM，而 DPM-Solver++ 则在图画质量上胜过 DDIM。

另一个发现也很重要，即三种采样器都有共同的采样功率趋势：采样本钱相同时，较小模型的功能会优于较大模型。因为 DPM-Solver++ 采样器的规划并不合适用于超越 20 步的采样，因而这也是其采样规划。

成果标明：不论运用什么采样器，LDM 的规划扩展性质一直保持共同。

不同巨细的模型在不同下流使命上的采样功率。

这儿重视的要点下流使命是超分辨率。这儿是直接运用超分辨率采样成果，而不运用 CFG。受图 4 启示（在下流使命上，不同巨细的 LDM 在采样 50 步时功能距离较大），该团队从两个方面查询了采样功率：较少采样步数和较多采样步数。

如图 12 左图所示，当采样步数不超越 20 步时，不同巨细模型的采样功率趋势在超分辨率使命上仍然建立。但图 12 右图又标明，一旦超越这个规划，较大模型的采样功率就会超越较小模型。

这一调查成果阐明，在文生图和超分辨率等使命上，不同巨细模型在采样步数较少时的采样功率趋势是共同的。

不同巨细的已蒸馏 LDM 的采样功率。

尽管之前的试验成果阐明较小模型的采样功率往往更高，但需求指出，较小模型的建模才能也往往更差一些。关于近期那些严峻依靠建模才能的分散蒸馏办法来说，这就成了一大难题。人们可能会猜测出一个对立的定论：通过蒸馏的大模型的采样速度快于通过蒸馏的小模型。

为了展现通过蒸馏的不同巨细模型的采样功率，该团队运用条件共同性蒸馏办法在文生图数据上对之前的不同巨细模型进行了蒸馏操作，然后比较了这些已蒸馏模型的最佳功能。

具体来说，该团队在采样步数 = 4（这已被证明能够完成最优的采样功能）的设定下测试了一切已蒸馏模型；然后在归一化的采样本钱上比较了每个已蒸馏和未蒸馏模型。

图 13 左图标明，在采样步数 = 4 时，蒸馏能够提高一切模型的生成功能，而且 FID 全面提高。而在右图中，能够看到在平等的采样本钱下，已蒸馏模型的体现优于未蒸馏模型。

可是，在特定的采样本钱下（即采样本钱≈8），较小的未蒸馏 83M 模型仍然能获得与较大已蒸馏 866M 模型附近的功能。这一调查进一步支撑了该团队提出的不同巨细 LDM 的采样功率趋势，其在运用蒸馏时也仍然建立。

【联系我们pg电子娱乐平台】
pg电子娱乐平台客服热线：8879-289-116

加载更多

下载安装步骤

pg电子娱乐平台是一款考验玩家策略性的卡牌游戏应用，魔法来袭游戏不仅融入防塔，策略，卡牌等多种趣味模式，还支持全服乱斗、跨服团战，随时在魔法来袭随时开启北欧魔幻之旅。
🧨第一步：访问pg电子娱乐平台 app下载网站官网版官方入口官网
首先，打开您的浏览器，输入《pg电子娱乐平台》的官方网址（http://www.stonedm.com/）。您可以通过搜索引擎搜索或直接输入网址来访问。
🧨第二步：点击下载按钮
一旦进入《pg电子娱乐平台》官网，您会在页面上找到一个醒目的下载按钮。点击该按钮，您将被引导至下载页面。
🧨第三步：填写注册信息
在下载页面上，您需要填写一些必要的个人信息来创建《pg电子娱乐平台》账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成下载。
🧨第四步：验证账户
填写完个人信息后，您可能需要进行账户验证。《pg电子娱乐平台》会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。
🧨第五步：设置安全选项
《pg电子娱乐平台》通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。
🧨第六步：阅读并同意条款
在下载安装过程中，《pg电子娱乐平台》会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在下载之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。
🧨第七步：完成下载
一旦您完成了所有必要的步骤，并同意了《pg电子娱乐平台》的条款，恭喜您！您已经成功下载了《pg电子娱乐平台》。现在，您可以畅享《pg电子娱乐平台》提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋

加载更多

pg电子娱乐平台类似软件

福登评英超前史最佳阵：曼城5人，C罗&鲁尼&亨利当选，无德布劳内
苹果折叠屏 iPhone 新专利获批：内嵌绷簧层，可缓解折叠压力和外部冲力
德邦证券掌门金华龙曾提“二次创业” 大股东复星集团有决心吗？
一季度：增加13.7%
辽篮官方：球队正式签下杰伦
成绩面面观：民生银行的前进与缺乏
PS5 Pro将晋级CPU和GPU 网友：功能或与xsx相等
金沙江朱啸虎：消费赛道特别廉价没有不投的理由
李月汝：咱们实力还没到达我们的等待输法国让咱们更看清自己
第五代 DM
第五代 DM
对话Shokz韶音：不惧竞赛未来将推出更优质产品

胡丹烟	6分钟前
pg电子娱乐平台是一款策略类手游，在列王的纷争手机版中，你能体验到一场场欧美风格的战争，不同于国内的策略类手游，该游戏的玩法更急独特并富有创意。

mobile	6分钟前
可以随时随地参与精彩直播，距离互动，身临现场的直播体验。

陶千凡	7分钟前
这款软件专业性比较强，也很好用软件是同学推荐的，挺好用的。

兰愉婉	2分钟前
作为一名数学老师，几何画板真的给自己带来很多方便，安利一下。

马经武	9分钟前
真的不错挺好用的，我和我的小伙伴们一直都是用的搜狗的输入法，很不错呦。

蔡欢悦	6分钟前
只需轻松一点，实现游戏的下载、安装、运行

蔡傲霜	2分钟前
软件很好用，使用这款软件浏览图片真的非常方便哟，会坚持使用的。

陶莆泽	2分钟前
软件实用性很高，下载也很方便快捷。

蒋孟乐	9分钟前
良心模拟器，好质量游戏还能免费玩，社区里也有高很多游戏攻略，很完美

李安露	1小时前
很厉害的网络在线学习工具，赞一个学生端还不错，可以让学生在线练习题目，提前预习微课

罗如冬	6小时前
最初的印象是一贯的绿色小清新，而且以高清视频为主打!这让我这个高清视频控非常喜欢啊!我最喜欢的是在爱奇艺视频播放器上面看电视剧和综艺节目

赵艳蕙	6小时前
IT行业必备，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念。

养嘉泽	3小时前
很喜欢的一款软件，值得推荐的安全管家。

罗温书	3小时前
Office2019目前正在使用中，每天都在使用，非常的不错。

pg电子娱乐平台

「活动」首次登录送3888元红包

pg电子娱乐平台 类似软件

猜你喜欢

pg电子娱乐平台类似软件