【深度学习新浪潮】如何系统性地学习扩散模型？

要系统学习扩散模型（Diffusion Models），需要从基础理论、核心模型、实践技能到前沿进展逐步推进，同时兼顾数学基础和工程实现。以下是分阶段的学习路径和关键资源：

第一阶段：基础准备（1-2周）

扩散模型本质是基于概率的生成模型，依赖统计学、机器学习和深度学习基础。先夯实以下知识：

1. 数学基础

• 概率与统计：高斯分布、条件概率、贝叶斯公式、KL散度、交叉熵（理解扩散过程中的概率转换）。

• 随机过程：马尔可夫链（扩散过程的“逐步加噪-去噪”是马尔可夫过程）、随机微分方程（SDE，分数扩散模型的核心）。

• 微积分与线性代数：梯度、偏导数（分数匹配中的梯度估计）、矩阵运算（模型参数计算）。

  学习资源：

  • 概率统计：MIT 6.041（