1. Házi feladat

1. Házi feladat: Flow Matching alapú generatív modell

Leírás

Ebben a házi feladatban egy flow matching alapú generatív modellt fogsz implementálni PyTorch-ban. A feladat során megismerkedsz a modern generatív modellek működésével, és gyakorlati tapasztalatot szerzel neurális hálózatok tanításában.

A feladat részei:

1. 2D toy example - Egyszerű 2D adathalmazon (two moons) tanított DDPM/DDIM (opcionális) és flow matching modellek
2. Unconditional MNIST generálás - Kézzel írt számjegyek generálása U-Net architektúrával
3. Conditional generálás - Megadott osztályú (0-9) számjegyek generálása
4. Classifier-Free Guidance - A generálás minőségének javítása guidance technikával

Notebook

A feladat egy Jupyter Notebook formájában van kiadva, amely tartalmazza az elméleti hátteret, a kiinduló kódot és a megoldandó feladatokat.

Letöltés: HF1.ipynb

A notebook futtatható:

• Google Colab-ban (ajánlott, GPU elérhető)
• Lokálisan Conda vagy uv környezetben

Követelmények

• A notebook # TODO kommentekkel jelölt részeinek implementálása
• A tanítási és mintavételezési függvények helyes működése
• Generált minták vizualizálása és értékelése

Határidő

2026.04.20.

Beadás

• Kitöltött notebook (.ipynb) feltöltése (Moodle).