Fast.ai 的新课来了，给你详细介绍 Stable Diffusion 原理

从此别人眼里的魔法，在你这儿就可以平视甚至俯视了。

最近跟学生们学了个新词儿，叫做「双厨狂喜」。一般形容两个知名创作者合作出来的作品 — — — 例如视频或者直播等 — — — 很受大伙儿欢迎。

这次，告诉你一个好消息，fast.ai 要和 Huggingface, Stability.ai（Stable Diffusion 作者之一）等各方一起创作一门新课程，叫做 From Deep Learning Foundations to Stable Diffusion。这，算是几个厨子来着？

这门课将以 fast.ai 的 Practical Deep Learning for Coders 第五版作为基础，往后介绍 Stable Diffusion 的原理。 Jeremy Howard 说他会用新的方式让普通人理解 Stable Diffusion 模型。学完这门课程，你会从原理上懂得最近爆火的人工智能绘图模型究竟如何工作。

课程将涉及到的内容包括但不限于：

• Transformers
• unets
• resnets
• CLIP
• autoencoders

这些内容，对于理解人工智能绘画，将非常有帮助。从此别人眼里的魔法，在你这儿就可以平视甚至俯视了。

你可能会认为，这么高级的课程，应该很难掌握吧？ Jeremy Howard 说得非常清楚，你只需要掌握中学层次的数学就可以，不需要对高等数学有充分的了解和训练。根据 Practical Deep Learning for Coders 课程之前版本的学习，我相信他这话不是吹牛。毕竟，他的课程面向的是普通人，而非数学专业。

其实 fast.ai 的课程之前我已经不止一次为你介绍和推荐过了，你可以参考以下这些链接查看学了这课及其特色框架，你都能干些啥：

• 如何用 Python 和 fast.ai 做图像深度迁移学习？
• 如何用 Python 和深度迁移学习做文本分类？
• 如何从零基础学最前沿的 Python 深度学习？