通过三个精心设计的实验练习，循序渐进地引导我们实现流匹配和扩散模型，从基础 SDE 到条件图像生成，每一步都有详尽指导和完整代码，让复杂理论简单易懂。
GitHub：http://github.com/eje24/iap-diffusion-labs
主要内容：
– 全面讲解流匹配和扩散模型的数学基础和理论框架；
– 三个循序渐进的实验练习，从零构建完整的图像生成扩散模型；
– 包含详细的课程笔记、幻灯片和操作指南，自学友好；
– 覆盖图像、视频、分子结构等多种数据模态的生成原理；
– 配套 Colab 笔记本环境，无需复杂环境配置。
学习该课程需要基本的线性代数、概率论和 Python 基础，适合想要深入了解生成式 Ai 底层原理的开发者。