一、KNN算法描述 KNN（KNearNeighbor）：找到k个最近的邻居，即每个样本都可以用它最接近的这k个邻居中所占数量最多的类别来代表。KNN算法属于有监督学习方式的分类算法，所谓K近邻算法，就是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（就是上面提到的K个邻居），如果这K个实例的多数属于某个类，就将该输入实例分类到这个类中，如下图所示。 上图中有两种不同类别的样本数据，分别用蓝色正方形和红色三角形表示，最中间绿色的圆表示的数据则是待分类的数据。我们现在要解决的问题是：不知道中间的圆是属于哪一类
基于Docker安装的StableDiffusion使用CPU进行AI绘画由于博主的电脑是为了敲代码考虑买的，所以专门买的高U低显，i9配核显，用StableDiffusion进行AI绘画的话倒是专门有个CPU模式，不过安装过程经历了许多坎坷，特此记录一下博主的环境是Windows11附带的WSL2中安装的Ubuntu20.04LTS,安装的StableDiffusionDocker版本为2.1.0安装条件安装Docker安装DockerCompose会Docker（博主说的比较粗略，不建议没有docker经验的按本博客进行）一、下载代码地址：https://github.com/AbdBar
基于Docker安装的StableDiffusion使用CPU进行AI绘画由于博主的电脑是为了敲代码考虑买的，所以专门买的高U低显，i9配核显，用StableDiffusion进行AI绘画的话倒是专门有个CPU模式，不过安装过程经历了许多坎坷，特此记录一下博主的环境是Windows11附带的WSL2中安装的Ubuntu20.04LTS,安装的StableDiffusionDocker版本为2.1.0安装条件安装Docker安装DockerCompose会Docker（博主说的比较粗略，不建议没有docker经验的按本博客进行）一、下载代码地址：https://github.com/AbdBar
目录辅助函数Text-To-ImageImage-To-ImageIn-paintingUpscaleInstruct-Pix2Pix基于StableDiffusion的哪些图像操作们：Text-To-Imagegeneration：StableDiffusionPipelineImage-to-Imagetextguidedgeneration：StableDiffusionImg2ImgPipelineIn-painting:StableDiffusionInpaintPipelinetext-guidedimagesuper-resolution:StableDiffusionUpsca
目录辅助函数Text-To-ImageImage-To-ImageIn-paintingUpscaleInstruct-Pix2Pix基于StableDiffusion的哪些图像操作们：Text-To-Imagegeneration：StableDiffusionPipelineImage-to-Imagetextguidedgeneration：StableDiffusionImg2ImgPipelineIn-painting:StableDiffusionInpaintPipelinetext-guidedimagesuper-resolution:StableDiffusionUpsca
世间无限丹青手，遇上AI画不成。最近一段时间，可能所有人类画师都得发出一句“既生瑜，何生亮”的感叹，因为AI绘画通用算法StableDiffusion已然超神，无需美术基础，也不用经年累月的刻苦练习，只需要一台电脑，人人都可以是丹青圣手。本次我们全平台构建基于Stable-Diffusion算法的Webui可视化图形界面服务，基于本地模型来进行AI绘画操作。本地安装Stable-Diffusion-Webui如果系统之前安装过Python3.10或者使用过Pytorch深度学习框架，那么推荐直接本地安装Stable-Diffusion-Webui，因为Stable-Diffusion的核心依赖
世间无限丹青手，遇上AI画不成。最近一段时间，可能所有人类画师都得发出一句“既生瑜，何生亮”的感叹，因为AI绘画通用算法StableDiffusion已然超神，无需美术基础，也不用经年累月的刻苦练习，只需要一台电脑，人人都可以是丹青圣手。本次我们全平台构建基于Stable-Diffusion算法的Webui可视化图形界面服务，基于本地模型来进行AI绘画操作。本地安装Stable-Diffusion-Webui如果系统之前安装过Python3.10或者使用过Pytorch深度学习框架，那么推荐直接本地安装Stable-Diffusion-Webui，因为Stable-Diffusion的核心依赖
原文地址：https://chenhx.blog.csdn.net/article/details/128383113以下教程出自飞链云AI技术人员，欢迎使用目前国内顶尖的AI绘画工具，微信小程序搜索：【飞链云版图】注意：请严格按照以下步骤进行，可非常容易进行安装，其他环境不保证丝滑安装；安装前准备ubuntu系统推荐使用20.04，这个版本的glibc、gcc比较高，安装起来非常丝滑之前尝试过用centos7安装，但是glibc升级有点麻烦，搞了好几次都没搞好系统配置安装系统的时候选择镜像，直接帮我们把conda、python、cuda全部装好；（该页面的GPU服务器官网可以关注公众号：飞链
原文地址：https://chenhx.blog.csdn.net/article/details/128383113以下教程出自飞链云AI技术人员，欢迎使用目前国内顶尖的AI绘画工具，微信小程序搜索：【飞链云版图】注意：请严格按照以下步骤进行，可非常容易进行安装，其他环境不保证丝滑安装；安装前准备ubuntu系统推荐使用20.04，这个版本的glibc、gcc比较高，安装起来非常丝滑之前尝试过用centos7安装，但是glibc升级有点麻烦，搞了好几次都没搞好系统配置安装系统的时候选择镜像，直接帮我们把conda、python、cuda全部装好；（该页面的GPU服务器官网可以关注公众号：飞链
1、K-近邻算法(KNN)1.1定义（KNN，K-NearestNeighbor）如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。1.2距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离。简单理解这个算法：这个算法是用来给特征值分类的，是属于有监督学习的领域，根据不断计算特征值和有目标值的特征值的距离来判断某个样本是否属于某个目标值。可以理解为根据你的邻居来判断你属于哪个类别。1.3APIsklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto
