深入淺出擴(kuò)散模型(Diffusion Model)系列：基石DDPM

大家好，在【深入淺出擴(kuò)散模型系列】中，我們將從原理到源碼，從基石DDPM到DALLE2，Imagen與Stable Diffusion，通過(guò)詳細(xì)的圖例和解說(shuō)，和大家一起來(lái)了解擴(kuò)散模型的奧秘。同時(shí)，也會(huì)穿插對(duì)經(jīng)典的GAN，VAE等模型的解讀，敬請(qǐng)期待～

本篇將和大家一起解讀擴(kuò)散模型的基石：DDPM(Denoising Diffusion Probalistic Models)。擴(kuò)散模型的研究并不始于DDPM，但DDPM的成功對(duì)擴(kuò)散模型的發(fā)展起到至關(guān)重要的作用。在這個(gè)系列里我們也會(huì)看到，后續(xù)一連串效果驚艷的模型，都是在DDPM的框架上迭代改進(jìn)而來(lái)。所以，我把DDPM放在這個(gè)系列的第一篇進(jìn)行講解。

初讀DDPM論文的朋友，可能有以下兩個(gè)痛點(diǎn)：

論文花極大篇幅講數(shù)學(xué)推導(dǎo)，可是我看不懂。

論文沒(méi)有給出模型架構(gòu)圖和詳細(xì)的訓(xùn)練解說(shuō)，而這是我最關(guān)心的部分。

針對(duì)這些痛點(diǎn)，DDPM系列將會(huì)出如下三篇文章：

DDPM（模型架構(gòu)篇）：在閱讀源碼的基礎(chǔ)上，本篇繪制了詳細(xì)的DDPM模型架構(gòu)圖（DDPM UNet），同時(shí)附上關(guān)于模型運(yùn)作流程的詳細(xì)解說(shuō)。本篇不涉及數(shù)學(xué)知識(shí)，直觀幫助大家了解DDPM怎么用，為什么好用。

DDPM（人人都能看懂的數(shù)學(xué)推理篇）：也就是本篇文章，DDPM的數(shù)學(xué)推理可能是很多讀者頭疼的部分。我嘗試跳出原始論文的推導(dǎo)順序和思路，從更符合大家思維模式的角度入手，把整個(gè)推理流程串成一條完整的邏輯線。同樣，我也會(huì)配上大量的圖例，方便大家理解數(shù)學(xué)公式。如果你不擅長(zhǎng)數(shù)學(xué)推導(dǎo)，這篇文章可以幫助你從直覺(jué)上了解DDPM的數(shù)學(xué)有效性；如果你更關(guān)注推導(dǎo)細(xì)節(jié)，這篇文章中也有詳細(xì)的推導(dǎo)中間步驟。

DDPM（源碼解讀篇）：在前兩篇的基礎(chǔ)上，我們將配合模型架構(gòu)圖，一起閱讀DDPM源碼，并實(shí)操跑一次，觀測(cè)訓(xùn)練過(guò)程里的中間結(jié)果。

【如果你粗掃一眼本文，看見(jiàn)大段的公式推導(dǎo)，請(qǐng)不要放棄。出于嚴(yán)謹(jǐn)?shù)哪康模疚谋仨毩谐龉酵茖?dǎo)的細(xì)節(jié)；但是，如果你只想把握整體邏輯，完全可以跳過(guò)推導(dǎo)，只看結(jié)論和圖解，這并不會(huì)影響本文的閱讀。最后，看在這滿滿的手打公式和圖片解讀上，如果大家覺(jué)得本文有幫助，請(qǐng)多多點(diǎn)贊和在看！】

全文目錄如下：

一、DDPM在做一件什么事

在DDPM模型架構(gòu)篇中，我們已經(jīng)討論過(guò)DDPM的作用，以及它為何能成為擴(kuò)散模型/文生圖模型基石的原因。這里為了方便讀者更好了解上下文，我們將相關(guān)講解再放一次。

假設(shè)你想做一個(gè)以文生圖的模型，你的目的是給一段文字，再隨便給一張圖（比如一張?jiān)肼暎?，這個(gè)模型能幫你產(chǎn)出符合文字描述的逼真圖片，例如：

文字描述就像是一個(gè)指引(guidance)，幫助模型去產(chǎn)生更符合語(yǔ)義信息的圖片。但是，畢竟語(yǔ)義學(xué)習(xí)是復(fù)雜的。我們能不能先退一步，先讓模型擁有產(chǎn)生逼真圖片的能力？

比如說(shuō)，你給模型喂一堆cyberpunk風(fēng)格的圖片，讓模型學(xué)會(huì)cyberpunk風(fēng)格的分布信息，然后喂給模型一個(gè)隨機(jī)噪音，就能讓模型產(chǎn)生一張逼真的cyberpunk照片?；蛘呓o模型喂一堆人臉圖片，讓模型產(chǎn)生一張逼真的人臉。同樣，我們也能選擇給訓(xùn)練好的模型喂帶點(diǎn)信息的圖片，比如一張夾雜噪音的人臉，讓模型幫我們?nèi)ピ搿?/p>

具備了產(chǎn)出逼真圖片的能力，模型才可能在下一步中去學(xué)習(xí)語(yǔ)義信息(guidance)，進(jìn)一步產(chǎn)生符合人類意圖的圖片。而DDPM的本質(zhì)作用，就是學(xué)習(xí)訓(xùn)練數(shù)據(jù)的分布，產(chǎn)出盡可能符合訓(xùn)練數(shù)據(jù)分布的真實(shí)圖片。所以，它也成為后續(xù)文生圖類擴(kuò)散模型框架的基石。

二、優(yōu)化目標(biāo)

現(xiàn)在，我們知道DDPM的目標(biāo)就是：使得生成的圖片盡可能符合訓(xùn)練數(shù)據(jù)分布?；谶@個(gè)目標(biāo)，我們記：

：模型所產(chǎn)生的圖片的（概率）分布。其中表示模型參數(shù)，以作為下標(biāo)的目的是表示這個(gè)分布是由模型決定的，

：訓(xùn)練數(shù)據(jù)（也可理解為真實(shí)世界）圖片的（概率）分布。下標(biāo)data表示這是一個(gè)自然世界客觀存在的分布，與模型無(wú)關(guān)。

則我們的優(yōu)化目標(biāo)可以用圖例表示為：

而求兩個(gè)分布之間的相似性，我們自然而然想到了KL散度。復(fù)習(xí)一下KL散度的定義——分布p與分布q之間的KL散度為：

則現(xiàn)在我們的目標(biāo)函數(shù)就變?yōu)椋何覀兝美檬剑?.1），對(duì)該目標(biāo)函數(shù)做一些變換

經(jīng)過(guò)這一番轉(zhuǎn)換，我們的優(yōu)化目標(biāo)從直覺(jué)上的“令模型輸出的分布逼近真實(shí)圖片分布”轉(zhuǎn)變?yōu)?"，我們也可以把這個(gè)新的目標(biāo)函數(shù)通俗理解成“使得模型產(chǎn)生真實(shí)圖片的概率最大”。如果一上來(lái)就直接把式（1.2）作為優(yōu)化目標(biāo)，可能會(huì)令很多朋友感到困惑。因此在這一步中，我們解釋了為什么要用式（1.2）作為優(yōu)化目標(biāo)。

接下來(lái)，我們近一步來(lái)看，對(duì)式（1.2）還能做什么樣的轉(zhuǎn)換和拆解。

三、最大化ELBO（Evidence Lower Bound）

的本質(zhì)就是要使得連乘中的每一項(xiàng)最大，也等同于使得最大。所以我們進(jìn)一步來(lái)拆解。在開(kāi)始拆解之前，讓我們先回顧一下擴(kuò)散模型的加噪與去噪過(guò)程，幫助我們更好地做數(shù)學(xué)推理。

在Diffusion Process中，我們不過(guò)模型，而是按照設(shè)置好的加噪規(guī)則，隨著time_step的變化，給圖片添加噪聲（）。在Denoise Process中，我們則需要經(jīng)過(guò)模型，對(duì)圖片進(jìn)行去噪，逐步將圖片還原成原始的樣子（）。Diffusion過(guò)程中遵循的分布，我們記為，Denoise過(guò)程中遵循的分布，我們記為。嚴(yán)格來(lái)說(shuō)，Diffusion過(guò)程遵循的分布應(yīng)該記為，下標(biāo)也表示模型參數(shù)，也就是說(shuō)，“規(guī)則”也算一種“模型”。理論上，你想對(duì)Diffusion單獨(dú)訓(xùn)練一套模型，也是沒(méi)有問(wèn)題的。為了表述嚴(yán)謹(jǐn)，我們接下來(lái)都將用進(jìn)行表示。

現(xiàn)在我們可以回到拆解了，即然x和z與Diffusion和Denoise的過(guò)程密切相關(guān)，那么我們的目標(biāo)就是要把拆解成用同時(shí)表達(dá)的形式：

就被稱為Evidence Lower Bound(ELBO)。到這一步為止，我們將最大化拆解成最大化ELBO，其中與diffusion過(guò)程密切相關(guān)，與denoise過(guò)程密切相關(guān)。

(2.1)這個(gè)公式一出，大家是不是很眼熟？沒(méi)錯(cuò)，它其實(shí)也刻畫(huà)了VAE的優(yōu)化目標(biāo)，所以這里我們才選用z而不是x來(lái)表示latent space中的變量。有些讀者可能已經(jīng)發(fā)現(xiàn)了，（2.1）描述的是一個(gè)time_step下的優(yōu)化目標(biāo)，但是我們的擴(kuò)散模型，是有T個(gè)time_step的，因此，我們還需要把（2.1）再進(jìn)一步擴(kuò)展成鏈?zhǔn)奖磉_(dá)的方式。在這一步擴(kuò)展里，我們將不再使用z變量，取而代之的是用來(lái)表示，更符合我們對(duì)擴(kuò)散模型的整體理解，則我們有：

其中，表示從真實(shí)世界中篩選出來(lái)的干凈的圖片，表示最后一個(gè)time_step加噪后的圖片，通常是一個(gè)近似純?cè)肼?。?xì)心的讀者可能發(fā)現(xiàn)，在（2.2）公式中，左邊的是不是寫(xiě)成更合理呀？沒(méi)錯(cuò)，因?yàn)閿U(kuò)散模型的目標(biāo)就是去還原來(lái)自真實(shí)世界的。但這里為了前后表達(dá)統(tǒng)一，就不做修改了。讀者們只要理解（2.2）的含義即可。

四、進(jìn)一步拆解ELBO

復(fù)習(xí)一下，到這一步為止，我們經(jīng)歷了如下過(guò)程：

首先，總體優(yōu)化目標(biāo)是讓模型產(chǎn)生的圖片分布和真實(shí)圖片分布盡量相似，也就是

對(duì)KL散度做拆解，將優(yōu)化目標(biāo)轉(zhuǎn)變?yōu)?，同時(shí)也等價(jià)于讓連乘項(xiàng)中的每一項(xiàng)最大

對(duì)做拆解，以優(yōu)化DDPM其中一個(gè)time_step為例，將優(yōu)化目標(biāo)轉(zhuǎn)向最大化下界（ELBO）

以全部time_step為例，將優(yōu)化目標(biāo)轉(zhuǎn)變?yōu)?，也就是式?.2）

恭喜你充滿耐心地看到這一步了！接下來(lái)，我們還需要再耐心對(duì)式（2.2）進(jìn)行拆解，畢竟現(xiàn)在它只是一個(gè)偏抽象的形式，因此我們還需對(duì)p與q再做具象化處理。之前我們提過(guò)，下標(biāo)的意思是強(qiáng)調(diào)從理論上來(lái)說(shuō)，diffusion過(guò)程可以通過(guò)訓(xùn)練一個(gè)模型來(lái)加噪，而并非只能通過(guò)規(guī)則加噪。這兩種方法在數(shù)學(xué)上都是成立的。由于DDPM采用了后者，因此在接下來(lái)的過(guò)程中，我們將會(huì)去掉下標(biāo)。

式（2.2）的進(jìn)一步拆解如下：

（48）：分子上，因?yàn)橐咽莻€(gè)近似高斯分布的純?cè)肼暎虼怂姆植紁是已知的，和模型無(wú)關(guān)，所以將單獨(dú)提煉出。分子與分母的其余項(xiàng)則是因?yàn)閿U(kuò)散模型遵循馬爾可夫鏈性質(zhì)，因此可以通過(guò)鏈?zhǔn)竭B乘規(guī)則進(jìn)行改寫(xiě)

（50)：表示來(lái)自真實(shí)世界的干凈圖片，它是diffusion過(guò)程的起源，任意都可由推導(dǎo)而來(lái)，因此可將改寫(xiě)成

（52）：根據(jù)多變量條件概率的貝葉斯鏈?zhǔn)椒▌t進(jìn)行改寫(xiě)，即：

當(dāng)然多變量條件概率的改寫(xiě)方式有很多種，根據(jù)需要我們選擇了上面的這一種

（54）：由于q是既定的，可以看作是一個(gè)常量，因此可增加一項(xiàng)

(56)~(57)：根據(jù)期望項(xiàng)中涉及到的具體元素，調(diào)整期望E的下標(biāo)

（58）：根據(jù)KL散度的定義重寫(xiě)最后兩項(xiàng)。其中prior matching term可看作是常量，reconstruction term和denoising matching term則是和模型密切相關(guān)的兩項(xiàng)。由于兩者間十分相似，因此接下來(lái)我們只需要特別關(guān)注denoising matching term如何拆解即可。

五、重參數(shù)與噪聲預(yù)測(cè)

現(xiàn)在，我們的優(yōu)化目標(biāo)轉(zhuǎn)為最大化，我們繼續(xù)對(duì)該項(xiàng)進(jìn)行拆解。

首先我們來(lái)看一項(xiàng)。

根據(jù)多變量條件概率的鏈?zhǔn)椒▌t，我們有：

現(xiàn)在，我們分別來(lái)看，，具體長(zhǎng)什么樣子。

5.1 重參數(shù)

5.1.1 為什么需要重參數(shù)

回顧模型架構(gòu)篇，我們?cè)?jīng)提過(guò)，最樸素的diffusion加噪規(guī)則是，在每一個(gè)time_step中都sample一次隨機(jī)噪聲，使得：

在架構(gòu)篇中，我們直接指出，即篩選的噪聲是來(lái)自一個(gè)標(biāo)準(zhǔn)高斯分布。但是為什么要這么設(shè)計(jì)呢？

我們假設(shè)真實(shí)世界的圖片服從這樣的高斯分布，而現(xiàn)在我們的模型就是要去學(xué)習(xí)這個(gè)分布，更具象點(diǎn)，假設(shè)模型遵從的分布是，我們的目的就是讓逼近，逼近。

那么在diffusion過(guò)程中，更符合直覺(jué)的做法是，模型從采樣出一個(gè)噪聲，然后在denoise的過(guò)程中去預(yù)測(cè)這個(gè)噪聲，這樣就能把梯度傳遞到上，使得模型在預(yù)測(cè)噪聲的過(guò)程中習(xí)得真實(shí)圖片的分布。

但這樣做產(chǎn)生的問(wèn)題是，實(shí)際上梯度并不能傳遞到上。舉個(gè)簡(jiǎn)單的例子，假設(shè)你從隨機(jī)采樣出了一個(gè)3，你怎么將這個(gè)隨機(jī)的采樣結(jié)果和聯(lián)系起來(lái)呢？也就是說(shuō)，在diffusion過(guò)程中，如果我們從一個(gè)帶參數(shù)的分布中做數(shù)據(jù)采樣，在denoise過(guò)程中，我們無(wú)法將梯度傳遞到這個(gè)參數(shù)上。

針對(duì)這個(gè)問(wèn)題，有一個(gè)簡(jiǎn)單的解決辦法：我從一個(gè)確定的分布（不帶參數(shù)）中做數(shù)據(jù)采樣，不就行了嗎？比如，我從先采樣出一個(gè)，然后再令最終的采樣結(jié)果z為：。這樣我不就能知道z和間的關(guān)系了？同時(shí)根據(jù)高斯分布性質(zhì)，z也服從分布。

以上“從一個(gè)帶參數(shù)的分布中進(jìn)行采樣”轉(zhuǎn)變到“從一個(gè)確定的分布中進(jìn)行采樣”，以解決梯度無(wú)法傳遞問(wèn)題的方法，就被稱為“重參數(shù)”（reparamterization）。關(guān)于重參數(shù)原理的更多細(xì)節(jié)，推薦大家閱讀這篇文章（https://spaces.ac.cn/archives/6705）

5.1.2 重參數(shù)的具體方法

到這一步根據(jù)重參數(shù)的思想，我們可以把轉(zhuǎn)變?yōu)榱?。但是現(xiàn)在的diffusion過(guò)程還是太繁瑣：每一個(gè)time_step都要做一次采樣，等我后續(xù)做denoise過(guò)程去預(yù)測(cè)噪聲，傳播梯度的時(shí)候，參數(shù)不僅在這個(gè)time_step有，在之前的一系列time_steps中都有，這不是給我計(jì)算梯度造成困擾了嗎？注意到在diffusion過(guò)程中，隨著time_step的增加，圖片中含有的噪聲是越來(lái)越多的，那我能不能設(shè)定一個(gè)函數(shù)，使得每個(gè)time_step的圖片都能由原始圖片加噪推導(dǎo)而來(lái)，然后使得噪聲的比例隨著time_step增加而變大？這樣我不就只需要一次采樣了嗎？

當(dāng)然沒(méi)有問(wèn)題，DDPM采用的做法是：

（1）首先，設(shè)置超參數(shù)，滿足隨著t增大，逐漸變大。

（2）令：

易推出隨著t增大而逐漸變小

（3）則任意時(shí)刻的都可以由表示出：

我們通過(guò)圖例來(lái)更好理解上面的三步驟：

詳細(xì)的過(guò)程都在圖例中表示出了，這里不做贅述。

5.2 噪聲預(yù)測(cè)

講完了重參數(shù)的部分，我們繼續(xù)回到剛才拆解的步驟上來(lái)，復(fù)習(xí)一下，我們已經(jīng)將ELBO拆解成，現(xiàn)在我們的關(guān)注點(diǎn)在q分布上，而q分布又由以下三項(xiàng)組成：

，我們繼續(xù)來(lái)看這三項(xiàng)要怎么具體表示出來(lái)。

由章節(jié)5.1.2，我們知道：

則任意的關(guān)系都可以由此推出：

(友情提示：大家記得看5.1.2中的圖例區(qū)分哦，不是typo)。

同時(shí)，我們已經(jīng)知道（假設(shè)）都服從高斯分布，則根據(jù)高斯分布的性質(zhì)，我們有：

對(duì)于高斯分布，知道了均值和方差，我們就可以把它具體的概率密度函數(shù)寫(xiě)出來(lái)：

經(jīng)過(guò)這樣的一頓爆肝推導(dǎo)，我們終于將的分布寫(xiě)出來(lái)了（84）。也就是我們當(dāng)前優(yōu)化目標(biāo)中的q部分。

現(xiàn)在，我們來(lái)看部分，根據(jù)優(yōu)化目標(biāo)，此時(shí)我們需要讓p和q的分布盡量接近：

而讓p和q的分布接近，等價(jià)與讓。注意到其實(shí)是一個(gè)常量，它只和超參有關(guān)。在DDPM中，為了簡(jiǎn)化優(yōu)化過(guò)程，并且使訓(xùn)練更穩(wěn)定，就假設(shè)也按此種方式固定下來(lái)了。在后續(xù)的擴(kuò)散模型（例如GLIDE）中，則引入對(duì)方差的預(yù)測(cè)。在DDPM中，只預(yù)測(cè)均值。

好，那么預(yù)測(cè)均值，到底是在預(yù)測(cè)什么東西呢？我們對(duì)再做改寫(xiě)，主要是根據(jù)我們?cè)O(shè)置的diffusion規(guī)則，將用進(jìn)行表示：

觀察到，式（5.1）的結(jié)果在diffusion過(guò)程中就已決定好。所以現(xiàn)在對(duì)于，我只要讓它在denoise的過(guò)程里，預(yù)測(cè)出，使得，然后令：

這樣，我不就能使得和的分布一致了嗎！

此刻！是不是一道光在你的腦海里閃過(guò)！一切都串起來(lái)了，也就是說(shuō)，只要在denoise的過(guò)程中，讓模型去預(yù)測(cè)噪聲，就可以達(dá)到讓“模型產(chǎn)生圖片的分布”和“真實(shí)世界的圖片分布”逼近的目的！

5.3 再次理解training和sampling

現(xiàn)在，我們?cè)賮?lái)回顧training和sampling的過(guò)程，在training的過(guò)程中，我們只需要去預(yù)測(cè)噪聲，就能在數(shù)學(xué)上使得模型學(xué)到的分布和真實(shí)的圖片分布不斷逼近。而當(dāng)我們使用模型做sampling，即去測(cè)試模型能生成什么質(zhì)量的圖片時(shí)，我們即可由式(5.1)中的推導(dǎo)結(jié)論，從推導(dǎo)，直至還原出。注意到這里，其中是我們式（5.1）中要逼近的均值真值；，則正是我們已經(jīng)固定住的方差。

關(guān)于training和sampling更詳細(xì)的實(shí)操解說(shuō)，可以參見(jiàn)模型架構(gòu)篇。

六、總結(jié)（必看）

恭喜你堅(jiān)持看到了這里！我們來(lái)把整個(gè)推導(dǎo)串成完整的邏輯鏈：

（1）首先，DDPM總體優(yōu)化目標(biāo)是讓模型產(chǎn)生的圖片分布和真實(shí)圖片分布盡量相似，也就是。同時(shí)，我們假設(shè)真實(shí)世界的圖片符合高斯分布：。因此我們的目標(biāo)就是要讓習(xí)得

（2）但是這兩個(gè)客觀存在的真值是未知的，因此我們必須對(duì)KL散度進(jìn)行不斷拆解，直至能用確定的形式將它表示出來(lái)。

（3）對(duì)KL散度做初步拆解，將優(yōu)化目標(biāo)轉(zhuǎn)變?yōu)?，同時(shí)也等價(jià)于讓連乘項(xiàng)中的每一項(xiàng)最大

（4）繼續(xù)對(duì)做拆解，以優(yōu)化DDPM其中一個(gè)time_step為例，將優(yōu)化目標(biāo)轉(zhuǎn)向最大化下界（ELBO）

（5）依照馬爾可夫性質(zhì)，從1個(gè)time_step推至所有的time_steps，將（4）中的優(yōu)化目標(biāo)改寫(xiě)為，也就是式（2.2）

（6）對(duì)式（2.2）繼續(xù)做拆解，將優(yōu)化目標(biāo)變?yōu)?/p>

（7）先來(lái)看（6）中的一項(xiàng)，注意到這和diffusion的過(guò)程密切相關(guān)。在diffusion的過(guò)程中，通過(guò)重參數(shù)的方法進(jìn)行加噪，再經(jīng)過(guò)一頓爆肝推導(dǎo)，得出，易看出該分布中方差是只和我們?cè)O(shè)置的超參數(shù)相關(guān)的常量。

（8）再來(lái)看（6）中的一項(xiàng)，下標(biāo)說(shuō)明了該項(xiàng)和模型相關(guān)。為了讓p和q的分布接近，我們需要讓p去學(xué)習(xí)q的均值和方差。由于方差是一個(gè)常量，在DDPM中，假設(shè)它是固定的，不再單獨(dú)去學(xué)習(xí)它（后續(xù)的擴(kuò)散模型，例如GLIDE則同時(shí)對(duì)方差也做了預(yù)測(cè)）。因此現(xiàn)在只需要學(xué)習(xí)q的均值。經(jīng)過(guò)一頓變式，可以把q的均值改寫(xiě)成。因此，這里只要讓模型去預(yù)測(cè)噪聲，使得，就能達(dá)到達(dá)到（1）中的目的！

七、參考

在學(xué)習(xí)DDPM的過(guò)程中，我也看了很多參考資料，但發(fā)現(xiàn)很難將整個(gè)推導(dǎo)過(guò)程串成一條符合思維慣性的邏輯鏈，因此對(duì)很多細(xì)節(jié)也是一知半解。直到我看到李宏毅老師對(duì)擴(kuò)散模型原理的講解（從分布相似性入手），以及閱讀了google的一篇關(guān)于擴(kuò)散模型數(shù)學(xué)推理的綜述，才恍然大悟。自己動(dòng)手推導(dǎo)后，從更符合我慣性思維的角度入手，寫(xiě)了這篇文章。因此，我也把我認(rèn)為非常有幫助的參考資料列在下面，大家可以補(bǔ)充閱讀。