一台普通笔记本电脑，一个开源框架，从零开始训练一个扩散模型。这不是实验室里的项目，而是一次个人尝试——用PyTorch在本地跑通整个流程。

扩散模型生成图像的核心逻辑，是去噪。模型先学会把一张图逐步加噪变成纯噪声，再反过来学会从纯噪声里一步步还原出图像。训练的过程，就是让模型反复练习这个逆向还原的动作。

打开网易新闻 查看精彩图片

去噪是怎么发生的

整个训练不依赖预训练权重，也不需要云端算力。作者在笔记本上完成了从数据准备到模型收敛的全过程，用的工具是PyTorch。这意味着扩散模型的门槛，比很多人以为的要低。

生成一张图，模型要做的是从随机噪声出发，经过多次去噪步骤，逐步逼近一张有意义的图像。每一步都在减少噪声，每一步都在增加结构。

为什么这件事值得关注

当训练扩散模型可以在个人设备上跑通，AI图像生成就不再只是大公司的游戏。理解去噪原理，比会调用API更接近这项技术的本质。