L09｜Stable Diffusion 入門（Stable Diffusion）

零基礎提示

這一課不用額外數學
Part 2 是大學程度：中三同學先求看懂概念，不用每行程式都會
字幕：離線網站選「中英」（電腦翻譯，大意正確）
看不懂的詞查白話小辭典

Part 2 第一課：先用 Diffusers 函式庫玩轉 Stable Diffusion，再拆解它的四個核心元件與背後直覺。（Part 2 opens by using the Diffusers library for Stable Diffusion, then breaks down its four core components and the intuition behind them.）

項目	內容
所屬	Part 2：Deep Learning Foundations to Stable Diffusion
影片	YouTube
對應書本章節	無對應章節（Part 2 以 notebook 為主）
原始頁面	Lessons/lesson9
難度（F3 視角）	★★★★★ 大學程度（F3 只求理解概念）

影片

本課重點

Part 2 怎麼學：每課是影片加 notebook，資源都在課程頁；內容是研究所等級，要投入大量時間；預設你已學完 Part 1；建議找讀書夥伴；部分課後挑戰屬於未知的研究方向。
Diffusers 管線與技巧：用預訓練 pipeline 由文字生成圖片。guidance scale 調整提示詞的影響力；negative prompt 去除不要的概念；image-to-image 從現有圖片出發；textual inversion 和 Dreambooth 教模型認識新概念。
四個核心元件：CLIP 文字編碼器把提示詞變成向量；VAE 把圖片壓縮成較小的 latents；U-Net 預測圖片中的雜訊；scheduler 決定每一步去掉多少雜訊。
直覺：一步步把雜訊變成圖：想像一個模型能判斷「這張圖有多像手寫數字」，對每個像素的導數（梯度）告訴我們怎麼改圖才更像。反覆依梯度修正，就能從雜訊生成圖片。導數可以用有限差分慢慢算，也可以用解析導數一次算完。
CLIP 與對比損失：同時訓練文字編碼器和圖片編碼器，讓配對的文字和圖片向量接近、不配對的遠離。課程最後指出擴散取樣和深度學習優化器很相似，暗示新的研究方向。

關鍵概念

英文術語	中文	一句話解釋
Diffusion model	擴散模型	學會一步步去除雜訊來生成圖片的模型
Guidance scale	引導強度	生成時提示詞影響力的大小
Negative prompt	負面提示詞	告訴模型不要出現的內容
Latents	潛在表示	VAE 壓縮後較小的圖片表示
U-Net	U 型網路	先縮小再放大、中間有捷徑連接的網路，用來預測雜訊
CLIP	CLIP 模型	把文字和圖片放進同一個向量空間
Finite differencing	有限差分	稍微改一點輸入，看輸出變多少，來估計導數