Stepik О курсе
Подробнее
Курс посвящен современным методам генерации изображений. Вы освоите генеративно-состязательные модели (GAN), автокодировщики, нормализационные потоки и диффузионные модели, а также техники оптимизации: квантизацию, layer fusing, лайфхаки для стабильного обучения. Разобравшись с теорией и принципом работы основного набора генеративных моделей, мы перейдем к мультимодальности (CLIP, BLIP). В конце курса разберем архитектуры Stable Diffusion и Janus, после чего научимся их запускать.
Требования
Что нужно для старта
- Для успешного освоения курса необходимо знакомство с классическим курсом по глубинному обучению, а также уверенное знание фреймворка PyTorch.
Аудитория
Для кого этот курс
- Данный курс подойдет тем, кто уже знаком с концепцией глубинного обучения и с классическими моделями Computer Vision (модели классификации, детекции, сегментации).
Содержание
8 занятийПрограмма курса
№ТемаЧто внутри
01О курсе
- О курсе
- Тест по Deep Learning и классическим моделям Computer Vision
02Автокодировщики и генеративно-состязательные модели
- Генерация изображений: описание и подходы
- Введение в основы Generative Adversarial Networks
- Особенности обучения GAN и примеры использования архитектуры
- Разбор архитектур (StyleGAN, etc.)
- Введение в автокодировщики и практика
- Практика
03Хаки для обучения моделей
- Ускорение и стабилизация процесса обучения
- Flash Attention и Layer fusing
- Квантизация и точность
- Проверка хаков в коде
04Вариационные автокодировщики и нормализационные потоки
- Вариационные автокодировщики
- Погружение в VAE
- VQ-VAE, VQ-VAE2
- Нормализационные потоки
- Еще немного NF и практика
- Домашнее задание
05Диффузионные модели
- Введение в диффузионные модели
- Обучение диффузионной модели и ее архитектура
- Различные диффузионные модели
- Практика по диффузии
06Мультимодальные модели
- Что такое мультимодальность?
- CLIP
- Zero- и Few-shot подходы. Промптинг.
- BLIP
07Устройство современных генеративных моделей
- Обзор генеративных архитектур современности
- Stable Diffusion
- Janus Pro: описание инноваций и запуск модели от DeepSeek
- Honourable mentions
- Промптинг моделей генерации изображений
- Обзор методов fine-tuning
08Итоговое задание курса
- Итоговое задание курса
01О курсе
- О курсе
- Тест по Deep Learning и классическим моделям Computer Vision
02Автокодировщики и генеративно-состязательные модели
- Генерация изображений: описание и подходы
- Введение в основы Generative Adversarial Networks
- Особенности обучения GAN и примеры использования архитектуры
- Разбор архитектур (StyleGAN, etc.)
- Введение в автокодировщики и практика
- Практика
03Хаки для обучения моделей
- Ускорение и стабилизация процесса обучения
- Flash Attention и Layer fusing
- Квантизация и точность
- Проверка хаков в коде
04Вариационные автокодировщики и нормализационные потоки
- Вариационные автокодировщики
- Погружение в VAE
- VQ-VAE, VQ-VAE2
- Нормализационные потоки
- Еще немного NF и практика
- Домашнее задание
05Диффузионные модели
- Введение в диффузионные модели
- Обучение диффузионной модели и ее архитектура
- Различные диффузионные модели
- Практика по диффузии
06Мультимодальные модели
- Что такое мультимодальность?
- CLIP
- Zero- и Few-shot подходы. Промптинг.
- BLIP
07Устройство современных генеративных моделей
- Обзор генеративных архитектур современности
- Stable Diffusion
- Janus Pro: описание инноваций и запуск модели от DeepSeek
- Honourable mentions
- Промптинг моделей генерации изображений
- Обзор методов fine-tuning
08Итоговое задание курса
- Итоговое задание курса
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Генеративные модели компьютерного зрения» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 12 августа 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
