smalldiffusion 是一个教学与实验导向的扩散模型库，核心训练和采样代码不到 100 行。它的设计目标是：

• 提供可读、可理解的扩散模型实现
• 支持从 2D 玩具数据到 Stable Diffusion 级别的预训练模型
• 方便研究者快速实验新的采样算法和模型架构

论文参考：Permenter and Yuan, arXiv:2306.04848

本文件是 smalldiffusion 的核心，包含噪声调度（Schedule）、训练循环（training_loop）和采样算法（samples），总计不到 100 行代码。

2.1 模块结构

本文件提供数据集工具函数和三个 2D 玩具数据集，用于快速验证扩散模型的正确性。

3.1 模块结构

本文件定义了所有模型共享的基类、预测模式修饰器、通用组件（注意力、嵌入）、玩具模型和理想去噪器。

4.1 模块结构

本文件实现了 DiT (Peebles & Xie, 2022) 架构，一种基于 Transformer 的扩散模型。

5.1 模块结构

本文件实现了经典的 U-Net 扩散模型架构，改编自 PNDM 和 DDIM 的实现。

6.1 模块结构

本章解读项目提供的所有示例，从 2D 玩具模型到 Stable Diffusion 级别的预训练模型。

7.1 示例总览

7.2 玩具模型示例 (toyexample.ipynb)

最小可运行代码