WGAN论文地址：[1701.07875]WassersteinGAN(arxiv.org)WGAN解决的问题原始GAN训练过程中经常遇到的问题：模式崩溃，生成器生成非常窄的分布，仅覆盖数据分布中的单一模式。模式崩溃的含义是生成器只能生成非常相似的样本（例如，MNIST中的单个数字），即生成的样本不是多样的。没有指标可以告诉我们收敛情况。生成器和判别器的loss并没有告诉我们任何收敛相关信息。当然，我们可以通过不时地查看生成器生成的数据来监控训练进度。但是，这是一个手动过程。因此，我们需要有一个可解释的指标可以告诉我们有关训练的进度。一句话概括：判别器越好，生成器梯度消失越严重。 GAN网
StableDiffusion是一种尖端的开源工具，用于从文本生成图像。StableDiffusionWebUI通过API和交互式UI打开了许多这些功能。我们将首先介绍如何使用此API，然后设置一个示例，将其用作隐私保护微服务以从图像中删除人物。推荐：用NSDT场景设计器快速搭建3D场景。1、生成式AI简介基于机器学习的数据生成器在去年发生了如此多的创新，你可以将2022年称为“生成AI年”。我们有DALL-E2，这是来自OpenAI的文本到图像生成模型，它生成了宇航员骑马和狗穿着人衣服的惊人逼真的图像。GitHubCopilot是一款功能强大的代码完成工具，可以自动完成语句、编写文档并通过一
StableDiffusion是一种尖端的开源工具，用于从文本生成图像。StableDiffusionWebUI通过API和交互式UI打开了许多这些功能。我们将首先介绍如何使用此API，然后设置一个示例，将其用作隐私保护微服务以从图像中删除人物。推荐：用NSDT场景设计器快速搭建3D场景。1、生成式AI简介基于机器学习的数据生成器在去年发生了如此多的创新，你可以将2022年称为“生成AI年”。我们有DALL-E2，这是来自OpenAI的文本到图像生成模型，它生成了宇航员骑马和狗穿着人衣服的惊人逼真的图像。GitHubCopilot是一款功能强大的代码完成工具，可以自动完成语句、编写文档并通过一
主要是记录索引一下常见的AI绘画作画模型，方便自己用。主要收集stablediffusionwebui用大模型（ckpt与safetensors）包括了常见的模型比如的WaifuDiffusion、anything、f222、basilmix、urpm、chilloutmix等模型。Lora（人物卡模型）和hypernetworks（embedding和hypernetwork）暂时不打算广泛搜集，因为这个实在有点多了，未来只打算列出非常热门的。StableDiffusion你可以认为它是本文所有其他模型的底稿，几乎所有模型都是在这个模型的基础上再次训练得到的。StableDiffusionv
主要是记录索引一下常见的AI绘画作画模型，方便自己用。主要收集stablediffusionwebui用大模型（ckpt与safetensors）包括了常见的模型比如的WaifuDiffusion、anything、f222、basilmix、urpm、chilloutmix等模型。Lora（人物卡模型）和hypernetworks（embedding和hypernetwork）暂时不打算广泛搜集，因为这个实在有点多了，未来只打算列出非常热门的。StableDiffusion你可以认为它是本文所有其他模型的底稿，几乎所有模型都是在这个模型的基础上再次训练得到的。StableDiffusionv
目录一、模式崩溃：生成器产生的结果模式较为单一1.1、改进训练方法1.2、改进目标函数1.3、改进网络架构二、训练缓慢：发生了梯度消失三、不收敛：训练不稳定，收敛的慢四、过拟合五、尽早发现失败六、一些训练技巧最后生成对抗网络（GAN:Generativeadversarialnetworks）是深度学习领域的一个重要生成模型，即两个网络（生成器和鉴别器）在同一时间训练并且在极小化极大算法（minimax）中进行竞争。这种对抗方式避免了一些传统生成模型在实际应用中的一些困难，巧妙地通过对抗学习来近似一些不可解的损失函数。之前我们介绍了GAN的原理：深入浅出理解GAN中的数学原理，GAN最重要的就
目录一、模式崩溃：生成器产生的结果模式较为单一1.1、改进训练方法1.2、改进目标函数1.3、改进网络架构二、训练缓慢：发生了梯度消失三、不收敛：训练不稳定，收敛的慢四、过拟合五、尽早发现失败六、一些训练技巧最后生成对抗网络（GAN:Generativeadversarialnetworks）是深度学习领域的一个重要生成模型，即两个网络（生成器和鉴别器）在同一时间训练并且在极小化极大算法（minimax）中进行竞争。这种对抗方式避免了一些传统生成模型在实际应用中的一些困难，巧妙地通过对抗学习来近似一些不可解的损失函数。之前我们介绍了GAN的原理：深入浅出理解GAN中的数学原理，GAN最重要的就
文章目录第一部分一、Features：TextualInversion（文本反转）1.1TextualInversion简介1.1.1摘要1.1.2算法1.1.3模型效果1.2TextualInversionofwebai1.2.1预训练embedding用于图片生成1.2.2训练embedding1.2.3Findingembeddingsonline1.2.4Hypernetworks二、Features：Negativeprompt三、Xformers依赖四、NVidiaGPUs安装4.1自动安装4.2自定义安装五、命令行参数和优化六、安装和使用自定义脚本第二部分kagglenotebo
文章目录第一部分一、Features：TextualInversion（文本反转）1.1TextualInversion简介1.1.1摘要1.1.2算法1.1.3模型效果1.2TextualInversionofwebai1.2.1预训练embedding用于图片生成1.2.2训练embedding1.2.3Findingembeddingsonline1.2.4Hypernetworks二、Features：Negativeprompt三、Xformers依赖四、NVidiaGPUs安装4.1自动安装4.2自定义安装五、命令行参数和优化六、安装和使用自定义脚本第二部分kagglenotebo
用计算机视觉模型生成各种各样的图片已经不是什么新鲜的事了，但是最近新出的一款AI绘画模型StableDiffusion确实惊艳到了各位小伙伴，无论是从软件的使用难度还是绘画生成的结果，都有可圈可点的地方，下面我们就一起尝试用该AI绘画软件画出一幅精美的图片。第一步：配置Python环境和安装Git软件StableDiffusion模型需要在Python3.10.6及以上的环境中才能顺利运行模型，所以在正式安装模型之前，我们需要安装Python3.10.6，下面我介绍在conda环境下安装python虚拟环境并使用在StableDiffusion模型中的过程：1、使用conda安装符合条件的py
