GaussianDiffusion中是在哪个函数实现图像扩散操作

GaussianDiffusion是一种基于高斯滤波的图像扩散算法，在PyTorch中的实现可以参考torchvision中的transforms.functional_gaussian_blur函数。具体来说，该函数在torchvision/transforms/functional.py文件中实现，代码如下：

def functional_gaussian_blur(img_tensor, kernel_size, sigma):
    if not isinstance(img_tensor, torch.Tensor):
        raise TypeError('img should be Tensor. Got {}'.format(type(img_tensor)))
    if not isinstance(kernel_size, tuple):
        raise TypeError('kernel_size should be Tuple[int, int]. Got {}'.format(type(kernel_size)))
    if not isinstance(sigma, tuple):
        raise TypeError('sigma should be Tuple[float, float]. Got {}'.format(type(sigma)))

    # create 2D Gaussian kernel
    kernel = _get_gaussian_kernel(kernel_size, sigma)

    # expand kernel channels for applying to each channel of image tensor
    kernel = kernel.expand(img_tensor.shape[1], -1, -1, -1)

    # apply Gaussian blur
    img_tensor = F.conv2d(img_tensor, kernel.to(img_tensor.device), groups=img_tensor.shape[1], padding=kernel_size[0] // 2)

    return img_tensor

该函数的输入参数包括img_tensor表示待进行图像扩散操作的图像，kernel_size表示高斯核的大小，sigma表示高斯核的标准差。函数首先通过_get_gaussian_kernel函数创建一个二维高斯核，然后将高斯核扩展为与图像tensor相同的维度，最后调用PyTorch的卷积函数F.conv2d对图像tensor进行卷积操作，即可实现高斯模糊操作。在实现过程中，为了保证输出图像与输入图像的大小相同，需要在卷积过程中使用padding操作。