2.4 采样策略与加速技术

2.4 采样策略与加速技术

DDPM 采样动辄上千步，DDIM 通过去随机化把步数压到几十步左右且可做轨迹编辑，DPM-Solver 则用高阶快速解法进一步压缩。本节对比 DDPM、DDIM、DPM-Solver 三类采样器，给出手选步数与质量的权衡直觉。

看完 2.3，你手握一个"训练过的去噪网络"，但一个残酷的问题随之而来：按原配方从 t=T 一步步走到 t=0，要跑一千步。你在一台消费级显卡上生成一张 1024 的图，可能要等几十秒甚至更久。艺术创作是允许等的，但你在刷图、改提示词、调参的时候，一分钟一张简直像放幻灯片。这一节的主角不是网络本体，而是"采样器"——一套决定"怎么走、走几步能到"的膳食方案。搞懂采样器，你才会明白为什么同一个模型在有的软件里几秒出图、在另一些配置里慢吞吞。

DDPM：谁都能走，但腿脚笨

DDPM 的采样是我们 2.2 看到的那套"纯噪声起步，按调度系数一步步迭代"。它每一步都包含一次高斯重采样注入微小噪声，这让生成轨迹带很强的随机性，也正是多样性所在，但代价是步数必须够多（通常 1000 步）才不会糊。随便把步数压到几十步，DDPM 会当场还给一张花噪图。它像一位老实但每一步都在原地抖一下的画家，画一万笔才肯交卷。

DDIM：去掉多余的摇摆

DDIM（Denoising Diffusion Implicit Models）的思路，是把采样过程中那步"随机重采样"关掉，做成确定性的确定性迭代。因为去掉了随机抖动，同样步数下它能跑得快得多，几十步就能出质量可接受的图；更重要的是，确定性意味着同一噪声起点永远得到同一结果，这条性质带来一个副产品——你可以把生成过程当成一张可以在中途"换向"的路径，用于图像编辑（在潜在投影里改写）。所以 DDIM 常被形容为"既能快，又能编辑"。

一点代价要说清楚：确定性牺牲了一部分多样性。两个不同的起点在大步数下可能收敛到更接近的结果。对多数用途（跑图、改图）这是划算的交换。

DPM-Solver：用高阶数学在少步数里跳远

DPM-Solver 换个发力点：它不再逼着模型走原始 ODE 的每一步，而是利用扩散逆向对应的一阶常微分方程的结构，用高阶近似直接预测"大跨步"后的状态。它的效果是，十步以内常常就能达到 DDIM 几十步的质量，堪称"一步顶好几步"。它特别适合在意延迟的交互场景与移动端。代价是数值实现更敏感，个别噪声下可能出现轻微伪影，需要挑版本。

这三条路线放在一张对比表里看得更清楚：

关键参数：步数、调度重采样与 CFG 的协同

实战里你几乎不给采样器一个大参数就让它跑，而是配合两个旋钮一起拧。第一是"步数"，一般从二十到五十之间调：步数太少，DDIM 类噪声没擦净；步数太多，边际收益越来越小但时间线性上升。第二是"调度曲线"与环境里默认的选择，它会细化每一步步长，跟采样器类型轻微联动。还有一节独立变量——分类器自由引导 CFG 的强度，它会放大"往提示词方向走"的权重，往往和采样器一起牵动最终效果。这一层在第六章讲条件控制时要再展开，这里先记住：它们不是孤立的三个按钮，而是一起决定最终画质的三驾马车。

一段能帮你在脑子里锚定的采样骨架（把 2.2 的 scheduler 换成具体实现）：

def generate(model, scheduler, noise, steps, cfg=7.5):
    # scheduler 按所选采样器（DDPM/DDIM/DPM-Solver）初始化
    for t in range(steps, 0, -1):
        # 在关键实现里，正向提示与空提示各算一次去噪，加权得到引导
        eps_uncond = model(noise, t, cond_text="")
        eps_cond    = model(noise, t, cond_text="一只戴小帽的橘猫")
        eps = eps_uncond + cfg * (eps_cond - eps_uncond)
        noise = scheduler.step(t, eps)
    return noise
​

图标题：采样器中步数压缩示意

上面的折线示意图表达"从纯噪声到清晰图，采样器按大步长跳着走"——你不用真跑满整面时间轴，只用给出构建在大跳跃点的逐次去噪。

步数与质量的收益曲线

"步数加一倍，质量是不是也涨一倍？"答案是否定的。大多数采样器的质量收益呈饱和曲线：开头寥寥几步就能把主体轮廓刷出来，随后质量爬升越来越缓，到某个步数后几乎拉平。若把 DDIM 和 DPM-Solver 两条曲线画在一起，会发现后者曲线的饱和点明显更靠左：

图 2-2：步数-质量收益曲线

读这条曲线得到的实操结论很简单：超过某个步数后再加步，视觉上的差别往往比你想象的小得多，白烧时间。挑步数的合理姿势是先取一个中等值看效果，再按需微调，而不是一上来就拉满.

工程取舍

如果让我给一个默认起点：生产环境下先用 DDIM 五十步配 CFG 约 7.5 建立基线；需要更低延迟时换 DPM-Solver 并压到二十步以内，然后看质量是否还在可接受线。纯探索或需要最大多样性时，才回到接近 DDPM 的高步数配置。核心原则只有一条——步数是你对"速度 vs 质量"的明码标价，采样器则是怎么把这个预算花得更值的策略。

⚠️ 常见坑：数字上乱开步数又迷信花时间必出好图。提前告诉读者，很多默认模型在超过某步数后质量曲线就拉平，盲目加步只是在烧时间。
💡 关键直觉：DDIM 去随机化换编辑性，DPM-Solver 用高阶换算步数，你的预算就该按用途分配：编辑走 DDIM、低延迟走 DPM-Solver。

本节要点回顾

• DDPM 起点：高步数、带随机抖动，保多样性但慢。
• DDIM：去随机化、确定性，几十步可用并可编辑轨迹。
• DPM-Solver：高阶近似，十步内接近更高步数质量。
• 三驾马车：步数、调度、CFG 强度协同决定最终画质。
• 默认起点：先建基线再按延迟压步数，按用途选采样器。

下一节回答"怎么指挥模型往指定方向画"——类别标签、文本嵌入、图像条件是怎么塞进去噪网络的。