参考：diffusion model(十四)： prompt-to-prompt 深度剖析-CSDN博客
P2P提出的Motivation
目前大火的文生图技术(text to image)，给定一段文本（prompt）和随机种子，文生图模型会基于这两者生成一张图片。生成图片的不同由两个变量决定
随机种子：随机种子决定初始的噪声 。
prompt：prompt是通过文本编码器(如CLIP的text encoder)转为语义向量再送入到diffusion model的cross-attention层中与图片信息交互。