在Ubuntu18.04部署中文LLaMA模型环境准备硬件环境AMD5950X128GBRAMRTX3090(24GVRAM)操作系统Ubuntu18.04编译环境(可选)llama.cpp编译:cd/llama.cppmake遇到Ubuntu18.04默认稳定版本gcc和g++不兼容问题,报错:(base)llama@llama-3090:~/AI/llama.cpp$makeIllama.cppbuildinfo:IUNAME_S:LinuxIUNAME_P:x86_64IUNAME_M:x86_64ICFLAGS:-I.-O3-std=c11-fPIC-DNDEBUG-Wall-Wext
参考：B站教学视频【：AI绘画】新手向！Lora训练！训练集准备、tag心得、批量编辑、正则化准备】官方教程：https://github.com/darkstorm2150/sd-scripts/blob/main/docs/train_README-en.md#automatic-captioning一、sd-webui通用的打标界面1.1打标界面根据需求，选择通用打标模型（BLIP）还是动漫打标模型（deepbooru）设置好后，选择预处理，会开始下载模型，可开代理加速1.2BLIP打标结果1.3Deepbooru标注结果（标签效果比下一段介绍的wd-14差一些）二、sd-webui插件
前几天，Meta发布了LIMA大模型，在LLaMA-65B的基础上，无需使用RLHF，只用了1000个精心准备的样本数据进行微调，就达到了和GPT-4相媲美的程度。这激发了我探索LLaMA65B大模型的兴趣。之前的一系列大模型相关文章都是在LLaMA7B/13B模型参数上面进行微调，文本使用LoRA技术对LLaMA30B/65B大模型进行微调。相关代码放置在GitHub上面：llm-action。环境准备基础环境配置如下：操作系统:CentOS7CPUs:单个节点具有1TB内存的IntelCPU，物理CPU个数为64，每颗CPU核数为16GPUs:8卡A80080GBGPUsPython:3.
上篇【Stable-Diffusion|入门怎么下载与使用civitai网站的模型（二）】介绍了如何使用c站进行文生图，尤其一些Lora可能随时会下架，所以及时测试，及时保存很关键，更新一些笔者目前尝试比较有意思的Lora。本篇介绍拍立得纪实风格的Lora图例，Lora地址，上图：Promptpolaroidphoto,1girl,stylishoutfit,fittedjeans,oversizedjacket,fashionableaccessories,(realisticdetailedeyes,naturalskintexture,confidentexpression),citys
一、概述 在某些情况下，我们使用现用的物联网开发例程，例如新大陆物联网的Lora与NBIOT的例程，我们对其例程内目前所有的库不满意，不足以实现开发需要的功能，我们需要在原有工程上添加我们自己的库，以满足开发需要。二、操作步骤 首先，打开文件夹选项，点击如下图所示的按钮。 随后先选择用户组，再点击AddFiles 随后我们选择想要添加的文件，点击Add按钮，随后关闭该窗口即可。(已经添加完成) 随后点击OK关闭文件夹选项。 此时c文件导入完成，需要继续导入.h文件，打开设置。 随后依次进入下面目录： 在这里我们添加自己的头文件所在目录即
准备工作运行前确保拉取仓库最新版代码：gitpull确保机器有足够的内存加载完整模型（例如7B模型需要13-15G）以进行合并模型操作。务必确认基模型和下载的LoRA模型完整性，检查是否与SHA256.md所示的值一致，否则无法进行合并操作。原版LLaMA包含：tokenizer.model、tokenizer_checklist.chk、consolidated.*.pth、params.json主要依赖库如下（python>=3.9），请安装指定版本，否则合并后无法比对SHA256校验值：pipinstalltorch==1.13.1pipinstalltransformers==4.28
目录模型简介模型演示正面tag负面tag图片正面tag负面tag图片模型简介梵高画二次元美少女?我在做什么美梦如你所见,这个lora基于梵高的画作进行训练(我并未在数据集中加入任何人像防止造成污染)出人意料的是,这个lora在手部等细节上表现的相当好而我简直要爱死这个质感了玩的开心!VanGoghpainting2Dbeautygirls?WhatacrazydreamI'mhaving.Asyoucansee,thislorawastrainedonaVanGoghpainting(Ididn'taddanyimagestothedatasettopreventcontamination)S
无论虚拟世界多么繁荣，真实的东西，都有让人不可抗拒的魅力，AI绘画也是如此。今天就来讲讲如何使用ChilloutMix和Lora画出特别“逼·真”的小姐姐，在虚拟中追求真实，这其实也是我们这个系列的核心目标。ChilloutMix是什么？从本质来说，它就是众多的StableDiffusion模型（checkpoints）中的一个。它最大的特点就是可以画出超级逼真的亚洲小姐姐，也正因如此，一发布就火遍全网。目前网上看到的可以以假乱真的AI小姐姐都是基于这个模型。就在当前，它依旧是是C站上最火爆的模型！ChilloutMix获得了5星好评，下载人数高达24万，加上二次分发，三次分享，估计这个模型已
无论虚拟世界多么繁荣，真实的东西，都有让人不可抗拒的魅力，AI绘画也是如此。今天就来讲讲如何使用ChilloutMix和Lora画出特别“逼·真”的小姐姐，在虚拟中追求真实，这其实也是我们这个系列的核心目标。ChilloutMix是什么？从本质来说，它就是众多的StableDiffusion模型（checkpoints）中的一个。它最大的特点就是可以画出超级逼真的亚洲小姐姐，也正因如此，一发布就火遍全网。目前网上看到的可以以假乱真的AI小姐姐都是基于这个模型。就在当前，它依旧是是C站上最火爆的模型！ChilloutMix获得了5星好评，下载人数高达24万，加上二次分发，三次分享，估计这个模型已
LoRA（Low-RankAdaptationofLargeLanguageModels，大型语言模型的低秩适应）是微软研究员提出的一种新颖技术，旨在解决微调大型语言模型的问题。具有数十亿参数的强大模型，如GPT-3，要对其进行微调以适应特定任务或领域的成本非常高。LoRA提议冻结预训练模型的权重，并在每个Transformer块中注入可训练层（称为秩分解矩阵）。这大大减少了可训练参数的数量和GPU内存需求，因为大部分模型权重不需要计算梯度。研究人员发现，通过专注于大型语言模型的Transformer注意力块，LoRA的微调质量与完整模型的微调相当，同时速度更快，计算需求更低。尽管LoRA最初
