本课程概述了与扩散模型（主要用于图像创建和修改）相关的生成式 AI 使用案例，以及它们提供的商业价值。其中包括扩散模型的概念和实际应用、案例研究，以及根据使用案例需求评估不同扩散模型的注意事项。
- 课程级别：中级
- 时长：90 分钟
注意：本课程具有本地化的注释/字幕。 旁白保留英语。要显示字幕，请单击播放器右下角的 CC 按钮。
课程内容
本课程包括讲解、真实示例和案例研究。
课程目标
在本课程中，您将学习以下内容：
- 扩散模型与传统的生成式对抗网络 (GAN) 有何不同
- 描述扩散模型使用案例和多模态应用程序
- 了解如何微调扩散模型
- 了解根据使用案例需求评估不同扩散模型的注意事项
培训对象
本课程面向：
- 任何想了解扩散模型的实际应用的人
- 希望识别和评估生成式 AI 使用案例的决策者
前提条件
我们建议本课程的参加者符合以下条件：
- 已完成 Introduction to Generative AI – Art of the Possible （数字化课程）
- 有技术背景和编程经验者更佳
课程大纲
模块 1：生成式模型的演变
- 生成式对抗网络 – GAN
- GAN 的局限性
模块 2：扩散模型 – 概念
- 了解如何使用扩散模型生成图像
- 使用扩散模型生成图像背后的基本概念和原则
模块 3：Stable Diffusion
- Stable Diffusion 的概念性概述
- Stable Diffusion 架构
- Stable Diffusion 的实际应用
模块 4：训练和评估扩散模型
- 训练扩散模型
- 评估扩散模型
模块 5：微调扩散模型
- 针对特定任务微调预训练模型
- 案例研究和实际示例
演示
- Amazon Bedrock 图像 Playground
- 图像到图像 SageMaker Notebook
- 使用 Amazon SageMaker JumpStart 进行微调
模块 6：知识考核和总结
