denoising_diffusion

用PyTorch Lightning复现DDPM，快速跑通扩散模型训练与生成

这是一个非官方的PyTorch实现，复现了论文《Denoising Diffusion Probabilistic Models》（DDPM）中的去噪扩散概率模型。该项目旨在帮助研究者和开发者快速理解并运行扩散模型，解决生成式图像建模中的训练稳定性和生成质量等问题。核心能力包括：基于PyTorch Lightning框架实现简洁的训练流程，支持自定义数据集和图像尺寸，提供完整的训练、采样和评估脚本，以及清晰的代码结构便于二次开发。项目代码量精简，适合作为学习扩散模型原理的参考实现，也可作为实验基线进行修改和扩展。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 91

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hmdolatabadi

所属国家

官网地址

GitHubhttps://github.com/hmdolatabadi/denoising_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denoising-diffusion,generative-modeling,image-generation,pytorch-lightning

GitHub 星标★ 91

30天Star增速

HF 下载量

上线时间2020-08-30 00:00:00

最近更新2026-03-17 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

代码结构清晰，基于PyTorch Lightning简化训练流程，易于上手
完整实现DDPM前向加噪和反向去噪过程，适合学习原理
支持自定义数据集和图像尺寸，灵活适配不同实验需求

不足之处

项目为早期版本，文档和示例较少，社区支持待观察
未提供预训练模型，需自行训练才能评估生成效果

适用场景

学习扩散模型原理和PyTorch实现细节
快速搭建扩散模型训练实验基线
在自定义图像数据集上验证DDPM生成效果

替代项目

openai/guided-diffusion、lucidrains/denoising-diffusion-pytorch、huggingface/diffusers

项目介绍

denoising_diffusion 是模型训练领域的开源项目，由 hmdolatabadi 开发，2020 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 91。

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 2026-03-17。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：学习扩散模型原理和PyTorch实现细节。同类可对比的替代方案包括 openai/guided-diffusion、lucidrains/denoising-diffusion-pytorch、huggingface/diffu…。

上一篇：vae-lagging-encoder

下一篇：Self-Supervised-Gans-Pytorch