本期关键词：采样加速、DDIM 推导、可控性提升、伪逆过程、代码实战

前情回顾：DDPM 的采样瓶颈

在前几期中，我们构建了一个完整的 DDPM 生成流程。但是你可能已经发现：

生成一张图像太慢了！！！

原因是：
DDPM 要在 T 个时间步中一步步地去噪，从 x_T → x_0。而通常 T 至少为 1000，采样一次就意味着 1000 次前向推理，非常耗时！

目标：更快的采样方法！

本期，我们引入一种“非随机”的采样机制 —— DDIM（Denoising Diffusion Implicit Models）。

它能在 保留图像质量的同时，将采样步骤从 1000 步减少到几十步！
比如 T=1000 → 50，加速 20 倍+

数学推导：DDIM 与 DDPM 的关系

DDPM 复习公式

我们知道在 DDPM 中，每一步的去噪过程是：

其中 z 是随机噪声。DDIM 做的事就是：