simple-diffusion

用最简代码看懂扩散模型，快速跑通图像生成

simple-diffusion 是一个用 PyTorch 实现的最小化去噪扩散模型，旨在以极简代码展示扩散模型的核心原理。它解决了初学者理解扩散模型门槛高的问题，通过清晰的代码结构演示了前向加噪、反向去噪、UNet 主干、注意力机制等关键组件。项目不依赖复杂框架，适合教学和快速实验，但功能上不包含 Stable Diffusion 的文本条件生成等高级特性。核心能力包括：基础的 DDPM 训练与采样流程、UNet 网络结构、以及可扩展的注意力模块。对于想深入理解扩散模型底层机制的研究者或开发者，这是一个理想的入门参考。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 137

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队filipbasara0

所属国家

官网地址

GitHubhttps://github.com/filipbasara0/simple-diffusion

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型attention-mechanism,computer-vision,deep-learning,diffusion,image-generation,pytorch,stable-diffusion,unet

GitHub 星标★ 137

30天Star增速

HF 下载量

上线时间2022-10-20 00:00:00

最近更新2026-09-20 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

代码极简，聚焦扩散模型核心，无冗余封装，易读易改
完整实现 DDPM 训练与采样流程，可快速复现生成效果
包含 UNet 和注意力机制，为后续扩展 Stable Diffusion 打基础

不足之处

功能单一，不支持文本条件生成，无法直接用于实际产品
文档/社区待观察

适用场景

教学演示：在课堂或工作坊中讲解扩散模型原理
快速原型：验证新想法时作为基线代码
个人学习：通过阅读源码深入理解 DDPM 内部机制

替代项目

denoising-diffusion-pytorch、diffusers、openai/improved-diffusion

项目介绍

simple-diffusion 是模型训练领域的开源项目，由 filipbasara0 开发，2022 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 137。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-20。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：教学演示：在课堂或工作坊中讲解扩散模型原理。同类可对比的替代方案包括 denoising-diffusion-pytorch、diffusers、openai/improved-diffusion。

上一篇：grafting

下一篇：Scaling-Diffusion-Transformers-muP