万字长文：StableDiffusion保姆级教程2022年绝对是人工智能爆发的元年，前有stability.ai开源StableDiffusion模型，后有OpenAI发布ChatGPT，二者都是里程碑式的节点事件，其重要性不亚于当年苹果发布iPhone，Google推出Android。它们让AI不再是一个遥不可及的技术名词，而是触手可及、实实在在的智能应用工具。不同于ChatGPT可以直接体验，StableDiffusion需要自己部署后才能使用，所以国内了解的人还不多。但StableDiffusion绝对是AI图像生成领域的ChatGPT级的杀手产品——它使用超级简单、完全开源免费，生成
1.问题描述初次打开stablediffusionwebui时，需要安装gfpgan等github项目。但在安装gfpgan时，显示RuntimeError:Couldn'tinstallgfpgan2.解决方案无法安装gfpgan的原因是网络问题，就算已经科学上网，并设置为全局，也无法从github上下载源代码，从而导致install失败。解决方法是直接到github下载GFPGAN代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚拟python环境venv，因此安装方法与github有所不同。可参考以下方法：从github将GFPGAN的源文件下载到本地，这一
1.问题描述初次打开stablediffusionwebui时，需要安装gfpgan等github项目。但在安装gfpgan时，显示RuntimeError:Couldn'tinstallgfpgan2.解决方案无法安装gfpgan的原因是网络问题，就算已经科学上网，并设置为全局，也无法从github上下载源代码，从而导致install失败。解决方法是直接到github下载GFPGAN代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚拟python环境venv，因此安装方法与github有所不同。可参考以下方法：从github将GFPGAN的源文件下载到本地，这一
通过Lora小模型可以控制很多特定场景的内容生成。但是那些模型是别人训练好的，你肯定很好奇，我也想训练一个自己的专属模型（也叫炼丹～_～）。甚至可以训练一个专属家庭版的模型（familymodel），非常有意思。将自己的训练好的Lora模型放到stableDiffusionlora目录中，同时配上美丽的封面图。（plen_me、plen_vivi，这两个是我训练的和家里人的模型～_～）这样就可以将你的Lora模型和其他Lora模型融合使用了。再配上Controlnet基本可以，将自己的pose+特征融入到其他任何lora模型中。【1】下面我们看下如何训练自己的模型。（我的炼丹炉配置，win10
通过Lora小模型可以控制很多特定场景的内容生成。但是那些模型是别人训练好的，你肯定很好奇，我也想训练一个自己的专属模型（也叫炼丹～_～）。甚至可以训练一个专属家庭版的模型（familymodel），非常有意思。将自己的训练好的Lora模型放到stableDiffusionlora目录中，同时配上美丽的封面图。（plen_me、plen_vivi，这两个是我训练的和家里人的模型～_～）这样就可以将你的Lora模型和其他Lora模型融合使用了。再配上Controlnet基本可以，将自己的pose+特征融入到其他任何lora模型中。【1】下面我们看下如何训练自己的模型。（我的炼丹炉配置，win10
众所周知，StableDiffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现StableDiffusion的活动，其使用亚马逊AWS提供的AmazonSageMaker机器学习平台，为快速构建、训练和部署机器学习模型提供了许多便利的工具和服务，我也是深入体验了一番。通过使用，从资源量、下载速度、安装速度、复现便捷性、文档、服务上的体验感都是非常不错，下面分享这篇复现博客给大家。一、介绍1.1、文本生成图像工作简述如果我们的计算机视觉系统要真正理解视觉世界，它们不仅必须能够识别
众所周知，StableDiffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现StableDiffusion的活动，其使用亚马逊AWS提供的AmazonSageMaker机器学习平台，为快速构建、训练和部署机器学习模型提供了许多便利的工具和服务，我也是深入体验了一番。通过使用，从资源量、下载速度、安装速度、复现便捷性、文档、服务上的体验感都是非常不错，下面分享这篇复现博客给大家。一、介绍1.1、文本生成图像工作简述如果我们的计算机视觉系统要真正理解视觉世界，它们不仅必须能够识别
目录GAN的训练过程：L1和L2损失函数的区别基础概念相同点差异GAN的训练过程：1、先定义一个标签：real=1，fake=0。当然这两个值的维度是按照数据的输出来看的。再定义了两个优化器。用于生成器和判别器。2、随机生成一个噪声z。将z作为生成器的输入，输出gen_imgs（假样本）。3、计算生成器的损失定义：生成器的损失为g_loss。损失函数为adverisal_loss()。判别器为discriminator()。g_loss=adverisal_loss(discriminator(gen_imgs),real)g_loss.backward()optimizer_G.step()
目录GAN的训练过程：L1和L2损失函数的区别基础概念相同点差异GAN的训练过程：1、先定义一个标签：real=1，fake=0。当然这两个值的维度是按照数据的输出来看的。再定义了两个优化器。用于生成器和判别器。2、随机生成一个噪声z。将z作为生成器的输入，输出gen_imgs（假样本）。3、计算生成器的损失定义：生成器的损失为g_loss。损失函数为adverisal_loss()。判别器为discriminator()。g_loss=adverisal_loss(discriminator(gen_imgs),real)g_loss.backward()optimizer_G.step()
目录0写在前面1diffusionvsGAN2NovelAI3AI绘画环境搭建4体验AI创作0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。🚀详情：机器学习强基计划(附几十种经典模型源码合集)话不多说，先看看AI绘画的效果接下来带大家体验一下二次元画师novelAI。最新进展——AI绘画进军三次元，有人用它打造赛博女友？(diffusion)1diffusionvsGAN所谓扩散算法diffusion是指先将一幅画面逐步加入噪点，一直到整个画面都
