本期關鍵詞：采樣加速、DDIM 推導、可控性提升、偽逆過程、代碼實戰

前情回顧：DDPM 的采樣瓶頸

在前幾期中，我們構建了一個完整的 DDPM 生成流程。但是你可能已經發現：

生成一張圖像太慢了！！！

原因是：
DDPM 要在 T 個時間步中一步步地去噪，從 x_T → x_0。而通常 T 至少為 1000，采樣一次就意味著 1000 次前向推理，非常耗時！

目標：更快的采樣方法！

本期，我們引入一種“非隨機”的采樣機制 —— DDIM（Denoising Diffusion Implicit Models）。

它能在 保留圖像質量的同時，將采樣步驟從 1000 步減少到幾十步！
比如 T=1000 → 50，加速 20 倍+

數學推導：DDIM 與 DDPM 的關系

DDPM 復習公式

我們知道在 DDPM 中，每一步的去噪過程是：

其中 z 是隨機噪聲。DDIM 做的事就是：