文章目录一、环境安装GitPythonNVIDIA驱动CUDA安装VisualStudio安装CUDAstable-diffusion-webui二、StableDiffusion使用参数底模LORA三、咒语一、环境安装StableDiffusionhttps://github.com/AUTOMATIC1111/stable-diffusion-webui查看最新的流程（时间23.3.12）模型https://huggingface.co/modelshttps://civitai.comGithttps://git-scm.com/Pythonhttps://www.python.org/
系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas
系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas
3月份的Steam硬件调查结果已经公布，这次登顶最受欢迎显卡的是一匹黑马——RTX3060凭借10.67%的占有率登上榜首，份额大涨7%，比第二名的RTX2060还要高2.6个百分点。其他霸榜过的显卡份额暴跌，GTX1650从上个月的榜首跌至五名开外，占有率仅为4.04%。长期霸占第一的GTX1060现在还有7.85%的占有率，这倒是不让人意外。让A饭难以接受的是AMD显卡份额暴跌，不仅单卡干不过RTX3060/2060/1060等，整体份额也从2月份的14.9%减少到了10.8%。虽然大家都知道当前的显卡市场上NVIDIA无比强势，抢AMD份额不让人意外，但是Steam统计的份额中，A卡过去
3月份的Steam硬件调查结果已经公布，这次登顶最受欢迎显卡的是一匹黑马——RTX3060凭借10.67%的占有率登上榜首，份额大涨7%，比第二名的RTX2060还要高2.6个百分点。其他霸榜过的显卡份额暴跌，GTX1650从上个月的榜首跌至五名开外，占有率仅为4.04%。长期霸占第一的GTX1060现在还有7.85%的占有率，这倒是不让人意外。让A饭难以接受的是AMD显卡份额暴跌，不仅单卡干不过RTX3060/2060/1060等，整体份额也从2月份的14.9%减少到了10.8%。虽然大家都知道当前的显卡市场上NVIDIA无比强势，抢AMD份额不让人意外，但是Steam统计的份额中，A卡过去
Maskrcnn代码实现_pytorch版由于科研需求，要做一个图像分割的项目，于是开始着手跑一下maskrcnn。本以为很简单的事情，网上代码比较多，结果尝试了一下，遇到了各种问题。主要是由于网上的代码大多是基于tensorflow1.x的，我的显卡是RTX3080，而30系列显卡的CUDA版本要求是11.x，不能在tensorflow1.x上运行。尝试用tensorflow2.x代替tensorflow1.x，改一下bug，结果不一样的地方实在太多，还不好改，于是脱坑，找到了pytorch版本的maskrcnn代码，30系列显卡也可以愉快的图像分割了。1.本文所用的代码是mmtetecti
Maskrcnn代码实现_pytorch版由于科研需求，要做一个图像分割的项目，于是开始着手跑一下maskrcnn。本以为很简单的事情，网上代码比较多，结果尝试了一下，遇到了各种问题。主要是由于网上的代码大多是基于tensorflow1.x的，我的显卡是RTX3080，而30系列显卡的CUDA版本要求是11.x，不能在tensorflow1.x上运行。尝试用tensorflow2.x代替tensorflow1.x，改一下bug，结果不一样的地方实在太多，还不好改，于是脱坑，找到了pytorch版本的maskrcnn代码，30系列显卡也可以愉快的图像分割了。1.本文所用的代码是mmtetecti
说明：1、电脑显卡： AMD显卡: 2、电脑系统：Windows11 3、Python版本：3.9一、安装anaconda登录anaconda的官网下载Anaconda|TheWorld'sMostPopularDataSciencePlatformAnacondaisthebirthplaceofPythondatascience.Weareamovementofdatascientists,data-drivenenterprises,andopensourcecommunities.https://www.anaconda.com/注意：上图下载anacon
说明：1、电脑显卡： AMD显卡: 2、电脑系统：Windows11 3、Python版本：3.9一、安装anaconda登录anaconda的官网下载Anaconda|TheWorld'sMostPopularDataSciencePlatformAnacondaisthebirthplaceofPythondatascience.Weareamovementofdatascientists,data-drivenenterprises,andopensourcecommunities.https://www.anaconda.com/注意：上图下载anacon
场景描述搞深度学习时需要先搭建环境，需要折腾显卡驱动、cuda、cudnn、以及各种深度学习框架（TensorFlow、Pytorch等）。光听这些名词有好些人都迷糊了，更不要提解决他们之间的不兼容，完成环境搭建了。这里先简单解释上述名词，不求高深与专业，理解他们处于什么位置就行。通俗解释显卡：一块焊了GPU芯片的电路板，上面还有电容电阻以及其他辅助芯片。因为有些复杂计算CPU效率太低了，所以放在GPU中执行运算。类比的，cpu主板也就是一块焊了CPU、辅助芯片、电容电阻的电路板。至于独立显卡与集成显卡的概念，自己查吧。显卡驱动：GPU是硬件，操作系统怎么识别并与它传输数据呢？这就需要在操作系
