А ответ к задаче - 26. Вот как-то так

Этот код создает новый файл Excel с именем "output.xlsx" и текстом "Привет, мир!" в ячейке A1.

Как форматировать ячейки в Excel с помощью Python

Программное форматирование ячеек включает в себя установку таких свойств, как шрифт, выравнивание, границы и заливки. Давайте рассмотрим, как это сделать с помощью бесплатной библиотеки Spire.XLS.

Установка свойств шрифта

Вы можете настроить стиль шрифта, размер и цвет ячейки. Например:

font = sheet.Range["A1"].Style.Font

font.Name = "Arial"

font.Size = 12

font.IsBold = True

font.Color = Color.FromArgb(40, 255, 0, 0)

Установка выравнивания

Выравнивание текста в ячейке или диапазоне ячеек может улучшить читаемость. Вот как установить горизонтальное и вертикальное выравнивание:

cell = sheet.Range["A1"]

cell.Style.HorizontalAlignment = HorizontalAlignType.Left

cell.Style.VerticalAlignment = VerticalAlignType.Bottom

range = sheet.Range["B1:D1"]

range.Style.HorizontalAlignment = HorizontalAlignType.Center

range.Style.VerticalAlignment = VerticalAlignType.Center

Добавление границ

Чтобы выделить ваши данные, вы можете добавить границы к ячейкам или диапазонам:

cell = sheet.Range["A1"]

border = cell.Style.Borders[BordersLineType.EdgeTop]

border.LineStyle = LineStyleType.Thick

border.Color = Color.get_Green()

border = cell.Style.Borders[BordersLineType.EdgeBottom]

border.LineStyle = LineStyleType.Double

border.Color = Color.get_Blue()

Установка цвета заливки или узора ячейки

Для улучшения визуальной ясности вы можете применить сплошные цветовые заливки или узорные фоны к ячейкам:

cell = sheet.Range["A1"]

cell.Style.Color = Color.get_LightBlue()

cell = sheet.Range["A2"]

cell.Style.FillPattern = ExcelPatternType.Percent125Gray

Объединение или разъединение ячеек

Объединение ячеек особенно полезно для создания заголовков, охватывающих несколько столбцов. Вы можете объединить или разъединить ячейки следующим образом:

sheet.Range["A1:C1"].Merge()

sheet.Range["B1:C1"].UnMerge()

Применение форматов чисел

Excel предлагает различные форматы чисел, такие как валюта, дата и процент. Вот как применить форматы чисел:

sheet.Range["A1"].NumberValue = 1234.567

sheet.Range["A1"].NumberFormat = "0.00"

sheet.Range["A2"].NumberValue = 0.25

sheet.Range["A2"].NumberFormat = "0%"

sheet.Range["A3"].NumberValue = 43831

sheet.Range["A3"].NumberFormat = "yyyy-mm-dd"

sheet.Range["A4"].NumberValue = 1234.567

sheet.Range["A4"].NumberFormat = "$#,##0.00"

Продвинутые техники форматирования ячеек

Как только вы освоите основы, вы можете изучить более продвинутые техники форматирования. Например, вы можете применять правила условного форматирования для динамического форматирования ячеек на основе их значений.

Условное форматирование

Условное форматирование — это мощный инструмент, который выделяет тенденции или аномалии в ваших данных. Вот пример:

range = sheet.Range["A1:A10"]

format = range.ConditionalFormats.AddCondition()

format.FormatType = ConditionalFormatType.CellValue

format.Operator = ComparisonOperatorType.Greater

format.FirstFormula = "100"

format.BackColor = Color.get_Green()

format.IsBold = True

Форматирование ячеек с помощью пользовательского стиля

Создание и применение пользовательских стилей ячеек может помочь поддерживать согласованность на протяжении всего вашего рабочего файла. Вот как определить пользовательский стиль:

style = workbook.Styles.Add("customStyle")

style.Font.IsBold = True

style.Font.Size = 12

style.Font.Color = Color.FromArgb(20, 0, 0, 255)

style.BackgroundColor = Color.FromArgb(20, 255, 255, 0)

style.Borders.All = LineStyleType.Dashed

style.Borders.Color = Color.get_Purple()

sheet.Range["A2:F2"].Style = style

Копирование формата ячейки

Чтобы эффективно реплицировать форматирование по диапазонам, вы можете копировать стили. Это сохраняет все свойства без ручной перенастройки:

style = sheet.Range["A1"].Style

sheet.Range["A2:F5"].Style = style

Пример комплексной реализации

Теперь давайте объединим все в комплексном примере, который обобщает все обсуждаемые техники:

from spire.xls import *

from spire.xls.common import *

workbook = Workbook()

worksheet = workbook.Worksheets[0]

worksheet.Name = "Пример комплексного стиля"

# Создание строки заголовка

title = worksheet.Range["A1:E1"]

title.Merge()

title.Text = "Информация о сотрудниках"

title.Style.Font.FontName = "Arial"

title.Style.Font.Size = 16

title.Style.Font.Color = Color.get_White()

title.Style.Color = Color.get_DarkBlue()

title.Style.HorizontalAlignment = HorizontalAlignType.Center

title.Style.VerticalAlignment = VerticalAlignType.Center

title.RowHeight = 30

# Установка заголовков

headers = ["ID", "Имя", "Отдел", "Дата приема", "Зарплата"]

for i, header in enumerate(headers):

cell = worksheet.Range[2, i + 1]

cell.Text = header

cell.Style.Font.IsBold = True

cell.Style.Color = Color.get_LightGray()

cell.Style.Borders[BordersLineType.EdgeBottom].LineStyle = LineStyleType.Medium

cell.Style.Borders[BordersLineType.EdgeBottom].Color = Color.get_DarkBlue()

# Заполнение данных

data = [

[1, "Чжан Сан", "Технический отдел", "2020-05-15", 15000],

[2, "Ли Си", "Маркетинговый отдел", "2019-08-22", 12000],

[3, "Ван У", "Отдел кадров", "2021-03-10", 13500],

[4, "Жао Лю", "Финансовый отдел", "2018-11-05", 16000]

]

for r, row in enumerate(data):

for c, value in enumerate(row):

cell = worksheet.Range[r + 3, c + 1]

if c == 3:  # Дата

cell.DateTimeValue = DateTime.Parse(value)

cell.NumberFormat = "yyyy-mm-dd"

elif c == 4:  # Зарплата

cell.NumberValue = value

cell.NumberFormat = "$#,##0.00"

else:

cell.Text = str(value)

# Установка чередующихся цветов строк

if r % 2 == 0:

cell.Style.Color = Color.get_LightYellow()

else:

cell.Style.Color = Color.get_LightCyan()

# Установка границ

worksheet.Range["A2:E6"].BorderAround(LineStyleType.Medium, Color.get_Black())

worksheet.Range["A2:E6"].BorderInside(LineStyleType.Thin, Color.get_Gray())

# Авто подгонка ширины столбцов

for i in range(1, 6):

worksheet.AutoFitColumn(i)

# Добавление условного форматирования - выделение ячеек с зарплатой больше 14000

format = worksheet.Range["E3:E6"].ConditionalFormats.AddCondition()

format.FormatType = ConditionalFormatType.CellValue

format.Operator = ComparisonOperatorType.Greater

format.FirstFormula = "14000"

format.FontColor = Color.get_Red()

format.IsBold = True

# Получение выделенного диапазона

locatedRange = worksheet.AllocatedRange

# Проход по строкам

for rowNum in range(1, locatedRange.RowCount):

# Выравнивание текста по центру

locatedRange.Rows[rowNum].HorizontalAlignment = HorizontalAlignType.Center

locatedRange.Rows[rowNum].VerticalAlignment = VerticalAlignType.Center

# Установка высоты строки

locatedRange.Rows[rowNum].RowHeight = 20

# Проход по столбцам

for columnNum in range(0, locatedRange.ColumnCount):

# Установка ширины столбца

if(columnNum == 2):

locatedRange.Columns[columnNum].ColumnWidth = 19

else:

locatedRange.Columns[columnNum].ColumnWidth = 14

# Сохранение книги

workbook.SaveToFile("ComprehensiveStyleExample.xlsx", FileFormat.Version2016)

workbook.Dispose()

Заключение

В этом руководстве вы узнали, как форматировать ячейки в Excel с помощью Python и библиотеки Free Spire.XLS. От базовых техник форматирования до продвинутых функций, таких как условное форматирование, теперь вы можете программно создавать визуально привлекательные файлы Excel.

Мы из Березников — города, о котором мало кто слышал за пределами Пермского края. Здесь нет венчурных фондов, акселераторов или готовых бизнес-ангелов. Каждый шаг — это борьба за возможность расти и доказывать, что мы способны конкурировать с компаниями из Кремниевой долины. Наша цель проста и дерзка: заработать $1 000 000 и показать, что любой проект может родиться даже в российской глубинке.

СТОП! НЕТ! Березники нормальный город, пару фоток сюда!

Если вы дочитали до этого абзатца, то дочитай до конца! Давно вы не читали человеческий текст, абсолютно 0 сгенерированных строк, текст написан от сердца к вашему сердцу.
Город промышленный, есть провалы, обычные 5 и 16 этажки 80х и 00годов, недавно в нас интегрировали мини-город Усолье, есть обычное торговики, немного старых парков от советского наследия. 50% жителей тут трудятся на различных заводах Уралкалий, Ависма, Азот, БМЗ и Сода. почему трудятся? потому что зарплата от 80 тысяч рублей, плюс льготы на покупку квартиры, суперльготная ипотека и гарантия что ты не останешься без денег. Отток населения есть, но многие даже возвращаются после универов в Москве.

🚬Если посмотреть цикл покупки жилья в Москве студенту без ауры родителей это от 10 лет после окончания универа, а в Березниках это по приезду на автобусный перрон (жд дороги у нас нет кстати) тебе любой завод будет согласен выдать квартиру и понести часть взносов за нее.

🍟 Идея

Понятно, что у нас нет никаких источников грандиозного финансирования, и мы не можем заниматься глобальными идеями такими как поиск лекарства от рака или полет на марс.

Стек у нас с моим партнёром очень слабый, даже стремно писать наши имена тут, чтобы не испортить нам резюме в будущем на какой-нибудь завод Урал-Калия в случае типичного провала 😁 в целом это база Питон, скл, css, php , js на Джун-джун уровне.

Мы придумали одолжили идею создать чат бота с ИИ.
Почему так? В городе про чат-гпт слышали но используют его наверно меньше 1% - много препятствий (на сайт не зайдешь, оплатить не оплатишь) да и нет нужды наверно.
В целом в современном мире круто иметь в кармане ИИ и двигаться на любой работе с ним. Нам AI агенты помогли получить и перенять опыт которого у нас не было в программировании.

🤦🏼‍♀️ Цели

1) Создать, универсального чат бота где будут собраны все популярные AI в одном месте, создать дружественный интерфейс с помощью mini-telegram-app

2) Накопить базу знаний и финансов для аренды GPU с возможностью обучать нейронки для конкретных задач в повседневной работе и внедрять ее в различные бизнесы в том числе и на заводах по типу Уралкалия.

3) За счет средств крупных заводов вырваться на межРоссийский уровень, достичь прогресса в упрощении машинных задач.

🤬Фронтик

Фигма для нас — это как танцы на льду в валенках. Ты открываешь пустой экран, ставишь первую кнопку и думаешь: «Ну всё, теперь я дизайнер». А потом смотришь и понимаешь — кнопка не того цвета, текст криво, а макет похож на дипломный проект «Информатика для чайников». Но тут приходит на помощь Community. Там можно честно «подсмотреть» у профи, взять понравившийся блок, перекрасить его в свои цвета и уже выглядит так, будто мы полдня думали над UI/UX. В итоге дизайн получается маленький, но симпатичный — а главное, не стыдно показать даже человеку, который знает, что такое «пиксель-перфект». а может и стыдно)))

Одно дело — наклепать дизайн во Фигме: кнопки накидал, блоки расставил, вроде всё красиво. Но дальше приходит момент истины — ты сам же ставишь себе задачи на фронте. И тут начинается магия: всё, что казалось лёгким на картинке, вёрстка превращает в бесконечные правки, кривые отступы и борьбу с пикселями. В итоге ты не просто делаешь «дизайн», а учишься уважать фронтендеров, потому что понимаешь — между картинкой и рабочим интерфейсом лежит целая пропасть, которую заполняешь ты же своими руками.

(тут мы нашли нечто!) Cursor стал для нас не просто редактором, а настоящим тиммейтом, который готов сидеть за клавиатурой, пока ты думаешь над идеей. И да, иногда он пишет странные вещи, но в сравнении с пустым экраном — это как иметь рядом напарника, который всегда подстрахует и даст толчок двигаться дальше. В какой то момент, мы просто бросили наш старый дизайн который из за замыленности глаз казался "цвет завода УралХим" мы решили клепать все заново

Глянули мы месяца два назад на презентацию яблока, и поняли, что если мы стартанем с типичного больнично-заводного дизайна это будет сразу провал без шансов, решили побаловать себя немного "плитки льда с соседнего гаража"

Эту часть дизайна мы дарим все подписчикам Хабра

Мы бы подарили Вам гостинцы с «Азот» завода но уже сезон садов идет к завершению и потребности, думаю, у Вас нет.

Да есть баги, обещаю, я исправлю, это мой первый фрон за всю жизнь.

Мы накидали свой дизайн, кое-как сверстали, и тут стало понятно: ну не серьёзно это всё гонять на чистом PHP или кривом JS. React тут как раз в тему. Если PHP — это старый добрый «лопатой копнул, результат сразу видно», то React — это уже техника посовременнее: всё живое, обновляется без перезагрузки, можно хоть целый заводской дашборд в браузере собрать. Vue тоже нормальный, но у него атмосфера больше «для кружка по интересам». Angular — тяжёлый, как «БелАЗ», зато мощный. А React как «Нива» — и по асфальту поедет, и по грязи вывезет. Экосистема большая, доки простые, примеров море. Короче, если хотим делать интерфейсы не «как в 2005-м», а хоть немного в ногу со временем, то React — наш выбор.

🤬Чо! а че на серваке не робит! Я словно гамункул программист.

Тут начался самый настоящий квест. Когда делаешь React-приложение у себя на компе — всё вроде просто: поставил Node, нажал npm run start, и в браузере уже что-то бегает. Но как только дело доходит до сервера на Ubuntu — сразу ощущение, что попал на смену в новый цех, где все станки разные и ни один не подписан.

Сначала мы влетели в версии Node.js — на локалке у тебя стоит одно, а в репозитории по умолчанию на Ubuntu совсем другое. В итоге приложение тупо отказывалось собираться. Потом пошли ошибки по зависимостям: какие-то пакеты deprecated, что-то требует другой менеджер (yarn/pnpm), а мы сидим, читаем логи и ничего не понимаем.

Дальше nginx. Теоретически, всё просто: настроил прокси, указал папку с билдом и радостно идёшь пить чай. На практике же начинаются «Permission denied», «Not found», пути слетают, билд не видит статику. То одно не отдается, то роутинг ломается. А ещё нужно правильно настроить rewrite, чтобы React понимал, куда отправлять пользователя — иначе вместо приложения у тебя в браузере только ошибка 404.

Потом, когда вроде собралось, прилетает новая боль — как запускать это всё не в режиме «нажал в консоли и оно работает», а так, чтобы сервис реально жил. Тут узнали про pm2 — что это как будто «мастер-прораб» для Node-процессов. Настроили, и только тогда приложение стало подниматься как человек: упало — само поднялось, сервер перезагрузили — оно снова в строю.

В итоге на сборку ушло больше времени, чем на сам код. Но зато это был опыт: теперь понимаем, что React — это не просто «собрал фронт и отправил по FTP», а целая цепочка инструментов, которая требует терпения. И когда после всех этих танцев ты видишь в браузере своё приложение, уже работающее на сервере, то радость такая, будто сдал смену на заводе, а тебе ещё премию сверху выдали.

🙏🏽 Как зацепить людей и дальше поговорим о бэке.

Фишка - Мы хотим зацепить людей простым и честным правилом: базовые модели — ChatGPT, DeepSeek, Gemini — будут доступны бесплатно и навсегда. Без подписок, без скрытых ограничений, без заманухи «первый месяц даром». Это не локальная обрезанная версия ради рекламы, а настоящие рабочие модели, к которым мы сами подключаемся. Все затраты — аренда серверов, оплата API — мы берём на себя. Почему так? Потому что хотим, чтобы любой человек, хоть в Березниках, хоть в Москве, хоть в самой маленькой деревне, мог открыть бота и получить доступ к современному ИИ так же легко, как включить чайник.

Если статья залетит ( мне все говорят Хабр уже давно не тот) то расскажу и выложу в Опенсурс исходный код бота что бы вы нам помогли))

ну и далее будет одна или две статьи о бэке коде жизни, Вселенной и всего такого

• Столкнулись что API сервера не доступны Россиянам(

• Столкнулись с тем что не так то дешево сохранять диалог юзера

• Столкнулись с тем что надо использовать класстерную систему хранения всех данных

• Столкнулись с тем что каждый модуль должен быть отдельной функцией со своим обработчиком и отдельным сервером

• Обработать pdf ага *уй!

• Как мы искали старые библиотеки для распознания аудио голоса юзера

• прочее

Поддержите подпиской или лайком фигма вам в подарок

👏🏻хабр эффект помоги нам жить - тут наш ботик

Чтобы установить библиотеку, выполните команду:

pip install spire.pdf

Примечание: Spire.PDF для Python — это коммерческая библиотека, которая добавляет сообщения об оценке в сгенерированные документы. Доступна бесплатная версия, но она ограничивает загрузку PDF до 10 страниц на документ.

Вы также можете установить бесплатную версию через pip:

pip install freespire.pdf

Теперь давайте погрузимся в различные техники извлечения.

Извлечение текста из поисковых PDF

Поисковые PDF содержат выделяемый текст, что делает извлечение простым. Класс PdfTextExtractor в Spire.PDF предоставляет методы для извлечения текста со специфических страниц, в то время как класс PdfTextExtractOptions позволяет настраивать процесс извлечения, например, задавать прямоугольную область для извлечения.

Следующий пример демонстрирует, как извлечь текст со всех страниц PDF и сохранить его в отдельные .txt файлы. Метод ExtractText() извлекает содержимое, сохраняя структуру документа, что обеспечивает сохранение оригинального макета извлеченного текста.

from spire.pdf.common import *

from spire.pdf import *

# Создаем объект PdfDocument

doc = PdfDocument()

# Загружаем PDF-документ

doc.LoadFromFile("C:/Users/Administrator/Desktop/Input.pdf")

# Перебираем страницы документа

for i in range(doc.Pages.Count):

# Получаем конкретную страницу

page = doc.Pages[i]

# Создаем объект PdfTextExtractor

textExtractor = PdfTextExtractor(page)

# Создаем объект PdfTextExtractOptions

extractOptions = PdfTextExtractOptions()

# Устанавливаем IsExtractAllText в True

extractOptions.IsExtractAllText = True

# Извлекаем текст со страницы

text = textExtractor.ExtractText(extractOptions)

# Записываем текст в файл txt

with open('output/TextOfPage-{}.txt'.format(i + 1), 'w', encoding='utf-8') as file:

lines = text.split("\n")

for line in lines:

if line != '':

file.write(line)

doc.Close()

Извлечение изображений, внедренных в PDF-файлы

PDF-файлы часто содержат встроенные изображения, которые можно извлекать программно с помощью класса PdfImageHelper. Этот утилитный класс предоставляет метод GetImagesInfo(), который извлекает все данные изображений с заданной страницы, включая размеры и информацию о пикселях.

Извлеченные изображения можно сохранить в различных форматах, таких как PNG или JPEG. Следующий пример демонстрирует, как просканировать каждую страницу PDF, идентифицировать встроенные изображения и сохранить их как отдельные файлы.

from spire.pdf.common import *

from spire.pdf import *

# Создаем объект PdfDocument

doc = PdfDocument()

# Загружаем PDF-документ

doc.LoadFromFile("C:\\Users\\Administrator\\Desktop\\input.pdf")

# Создаем объект PdfImageHelper

imageHelper = PdfImageHelper()

# Объявляем переменную int

index = 0

# Перебираем страницы

for i in range(0, doc.Pages.Count):

# Получаем конкретную страницу

page = doc.Pages.get_Item(i)

# Получаем всю информацию об изображениях с конкретной страницы

imageInfos = imageHelper.GetImagesInfo(page)

# Перебираем информацию об изображениях

for imageInfo in imageInfos:

# Задаем имя выходного файла изображения

imageFileName = "C:\\Users\\Administrator\\Desktop\\Extracted\\Image-{0:d}.png".format(index)

# Получаем конкретное изображение

image = imageInfo.Image

# Сохраняем изображение в файл png

image.Save(imageFileName)

index += 1

# Освобождаем ресурсы

doc.Dispose()

Сбор табличных данных из PDF-документов

Извлечение структурированных табличных данных из PDF является распространенной задачей для анализа данных. Spire.PDF предоставляет класс PdfTableExtractor, который идентифицирует таблицы в PDF и позволяет извлекать данные на уровне ячеек.

Метод ExtractTable() возвращает список таблиц, каждая из которых может быть обработана построчно. Следующий пример демонстрирует, как извлечь таблицы из PDF и сохранить их в структурированном текстовом формате.

from spire.pdf.common import *

from spire.pdf import *

# Создаем объект PdfDocument

doc = PdfDocument()

# Загружаем PDF-файл

doc.LoadFromFile("C:\\Users\\Administrator\\Desktop\\Input.pdf")

# Создаем список для хранения извлеченных данных

builder = []

# Создаем объект PdfTableExtractor

extractor = PdfTableExtractor(doc)

# Извлекаем таблицы с конкретной страницы (индекс страницы начинается с 0)

tableList = extractor.ExtractTable(0)

# Проверяем, что список таблиц не пуст

if tableList is not None:

# Перебираем таблицы в списке

for i in range(len(tableList)):

# Получаем конкретную таблицу

table = tableList[i]

# Получаем количество строк и столбцов

row = table.GetRowCount()

column = table.GetColumnCount()

# Перебираем строки и столбцы

for m in range(row):

for n in range(column):

# Получаем текст из конкретной ячейки

text = table.GetText(m, n)

# Добавляем текст в список

builder.append(text + " ")

builder.append("\n")

builder.append("\n")

# Записываем содержимое списка в текстовый файл

with open("output/Table-{}.txt".format(i + 1), "w", encoding="utf-8") as file:

file.write("".join(builder))

Доступ к метаданным в PDF-файлах

Метаданные PDF включают свойства документа, такие как заголовок, автор, тема и ключевые слова. Свойство DocumentInformation класса PdfDocument предоставляет доступ к этим деталям.

Следующий пример демонстрирует, как извлечь и отобразить метаданные PDF.

from spire.pdf import *

from spire.pdf.common import *

# Создаем объект PdfDocument

doc = PdfDocument()

# Загружаем PDF-файл

doc.LoadFromFile("C:\\Users\\Administrator\\Desktop\\Input.pdf")

# Получаем информацию о документе

properties = doc.DocumentInformation

# Инициализируем строку для хранения информации о документе

information = ""

# Извлекаем стандартные свойства документа

information += "\nTitle: " + properties.Title

information += "\nAuthor: " + properties.Author

information += "\nSubject: " + properties.Subject

information += "\nKeywords: " + properties.Keywords

# Печатаем свойства документа

print(information)

# Освобождаем ресурсы

doc.Dispose()

Заключение

Статья демонстрирует, как извлекать текст, изображения, таблицы и метаданные из PDF-документа с помощью Python. Следуя примерам в этом руководстве, вы можете эффективно обрабатывать PDF для анализа данных, управления документами и автоматизации.

На винде - py -3.12 -m venv .venv, дальнейшие этапы аналогичные, только команды для установки зависимостей без uv, просто pip.
3 Этап создайте файл, назовите его как хотите, но с расширением py , например model.py.
Скопируйте туда данный код, запустите через python вашфайл.py и начнется скачивание mnist датасет с рукописными цифрами и затем обучение в 20 эпох.

Если у вас слабый gpu или его нет, то, к сожалению, ждать нужно будет очень долго.
С gpu +- час - 2 часа. В результате у вас отобразится результат генерации, а также поле для ввода цифры, чтобы сгенерировать. Чем больше эпох при обучении, тем лучше результат. Но не стоит ставить огромные значения, модель может переобучиться.

Для тех у кого нет gpu можете загрузить пред обученную модель с моего гитхаба.

Как это работает и что это такое

Это условная диффузионная модель (Conditional Diffusion Model), которая генерирует изображения цифр MNIST (0–9) с контролем над классом (например, можно запросить генерацию именно цифры "5"). Модель сочетает:

1. Диффузионный процесс — постепенное добавление/удаление шума.

2. Условную генерацию — зависимость от целевого класса (цифры).

3. Архитектуру U-Net — для обработки изображений на разных уровнях детализации.

Как это работает?

1. Прямой диффузионный процесс (заражение шумом)

• Цель: Постепенно превратить изображение в случайный шум за T=1000 шагов.

• Математика:

  xt=αˉt

⋅x0+1−αˉt

• ⋅ϵ

  где:

  • x0 — исходное изображение,

  • ϵ — случайный шум (Gaussian noise),

  • αˉt=∏s=1t(1−βs) — кумулятивное произведение коэффициентов "чистоты" сигнала.

• В коде:

  python

• 1

  2

  3

  4

  ⌄

  def forward_diffusion(self, x0, t):

  noise = torch.randn_like(x0)

  xt = sqrt_alphas_cumprod[t] * x0 + sqrt_one_minus_alphas_cumprod[t] * noise

  return xt, noise

2. Обратный процесс (генерация из шума)

• Цель: Восстановить изображение из шума, шаг за шагом уменьшая шум.

• Как учится модель?
  На каждом шаге t модель предсказывает шум ϵθ(xt,t,y) , где y — целевой класс (цифра).

  Функция потерь: MSE между предсказанным и реальным шумом:

  L=Ex0,ϵ,t[∥ϵ−ϵθ(xt,t,y)∥2]

• В коде:

  def forward_diffusion(self, x0, t):

  noise = torch.randn_like(x0)

  xt = sqrt_alphas_cumprod[t] * x0 + sqrt_one_minus_alphas_cumprod[t] * noise

  return xt, noise

• 1

  2

  noise_pred = self.model(xt, t, y) # Предсказание шума

  loss = F.mse_loss(noise_pred, noise) # Расчет потерь

3. Условная генерация (ключевая особенность)

Модель генерирует изображение конкретного класса (например, цифру "7") благодаря:

• Встраиванию класса:

  • Класс y преобразуется в эмбеддинг через nn.Embedding(num_classes, class_emb_dim).

  • Эмбеддинг проходит через MLP для нелинейного преобразования.

• Интеграция в U-Net:

  • В каждом блоке U-Net информация о классе добавляется к промежуточным активациям:

    noise_pred = self.model(xt, t, y) # Предсказание шума

    loss = F.mse_loss(noise_pred, noise) # Расчет потерь

• 1

  h = h + t_emb[..., None, None] + c_emb[..., None, None]

  • Это позволяет модели адаптировать обработку изображения под целевую цифру.

4. Архитектура модели: Условный U-Net

• Структура:

  • Downsampling: 2 уровня уменьшения размерности (с сохранением skip-соединений).

  • Bottleneck: Обработка на низком разрешении.

  • Upsampling: 2 уровня увеличения размерности (с использованием skip-соединений).

• Особенности:

  • Позиционное кодирование времени: timestep_embedding преобразует шаг t в вектор, чтобы модель "понимала", на каком этапе диффузии она работает.

  • Групповая нормализация (GroupNorm): Улучшает стабильность обучения.

  • SiLU активации: Нелинейность, улучшающая градиентный поток.

Этапы работы модели

1. Обучение

1. Загружаем данные MNIST (нормализованные в диапазон [-1, 1]).

2. Для каждого батча:

   • Случайно выбираем шаг диффузии t∈[0,T−1] .

   • Добавляем шум к изображению: xt=f(x0,t) .

   • Модель предсказывает шум ϵθ(xt,t,y) .

   • Обновляем веса через MSE-потерю.

3. Каждую эпоху генерируем образцы для всех классов (0–9) и сохраняем их.

2. Генерация (сэмплирование)

1. Начинаем с случайного шума xT∼N(0,I) .

2. Итеративно уменьшаем шум от t=T−1 до t=0 :

   • Предсказываем шум ϵθ(xt,t,y) .

   • Обновляем изображение:

     xt−1=αt

1(xt−1−αˉt

• βtϵθ)+σtz

  где z — новый шум (если t>0 ).

  • На выходе получаем чистое изображение x0 нужного класса y .
    Скачать пред обученную модель
    https://github.com/Karag0/simple-diffusiuion-model/releases/...

    А на этом всё!