L09｜中文 F3 學生的學習紀錄
L09｜中文 F3 學生的學習紀錄
角色設定：我是中三學生，只看得懂中文。Python 學過變數、for 迴圈和 list，數學讀到一元二次方程。我靠中文課程筆記、YouTube 自動翻譯字幕和查字典來學。Kaggle 筆記本的操作步驟，是依官方 notebook 流程寫下的練習紀錄。
我讀懂了什麼（用自己的話）
- Stable Diffusion 是輸入一句話、生成一張圖的 AI。
- 它從一團雜訊開始，每一步去掉一點雜訊，慢慢變成圖片。
- CLIP 讓模型知道文字和圖片的對應關係。
- Part 2 很難，我能理解大概流程，數學部分只能先記住名詞。
我卡住的地方，和我怎麼解決
| 卡住的地方 | 我怎麼解決 |
|---|---|
| Part 2 的數學和英文都很難 | 我先只看每課的「Concepts discussed」清單，查懂每個名詞的中文意思，再看影片前半段。 |
| 不知道 latents 是什麼 | 理解成「縮小版的圖片密碼」：比原圖小很多，運算比較快，最後再還原成圖。 |
練習作答
Q1. Stable Diffusion 的四個核心元件是什麼？各用一句話說明。
① CLIP 文字編碼器：把提示詞變成一串數字。② VAE：把圖片壓縮成小的 latents，最後再還原。③ U-Net：猜出目前圖片裡哪些是雜訊。④ Scheduler：決定每一步要去掉多少雜訊。
Q2. guidance scale 調高和調低，生成的圖片會怎樣不同？
調高：圖片更貼近提示詞，但可能顏色太重、不自然。調低：圖片比較自由多變，但可能和提示詞不太相關。
Q3. 想生成「海灘上的狗」但不想出現人，你會怎樣寫 prompt 和 negative prompt？
Prompt：「a happy golden retriever running on a sunny beach, photo」。Negative prompt：「people, person, crowd」。
我的卡片盒筆記
卡片｜生成一張圖，其實是一步步把雜訊擦掉
Stable Diffusion 不是一次畫出整張圖，而是從一團雜訊開始，每一步請模型猜「哪些是雜訊」，擦掉一點，重複幾十次後圖片就出現了。原來看起來像魔法的 AI 繪圖，背後是很多次小修正。
這讓我想到美術課畫素描。老師叫我們先輕輕打很多亂線，再慢慢擦掉不要的、加深要的，一張臉才從亂線裡浮現。我以前想一筆就畫對，結果比例總是錯。不過 Part 2 的數學真的超出我的程度，像有限差分和解析導數，我只能先記住「都是在算怎麼改圖才更好」，細節留到高中再補。先知道整體流程在做什麼，之後回來補數學時，新知識才有掛鉤可以掛上去。
這週我要做的小行動：用同一個 prompt，試 guidance scale 3、7.5、15 三種設定，把三張圖並排比較。
🔗 推薦產生關聯的筆記： → 藝術類：「好作品是一次次修正出來的」 → 科技倫理類：「AI 生成圖片讓眼見不再為憑」 → 學習方法類：「太難的內容先建立地圖，細節以後補」
