根据自己最近的理解与实践，只能说是给后来的AI绘画作画者一点快速上手入门的参考吧。主要是涉及SDwebui界面介绍参数含义及调整，txt2img怎么设置特征点，img2img怎么完善原始图像等内容。stablediffusionwebui（SDwebui）界面介绍SDwebui的默认地址为 127.0.0.1:7860目前有中文界面了，下文将以中文版为主，结合英文原文介绍。项目日常更新频繁，请定期gitpull更新：一个小白点的方法：在电脑资源管理器内，打开在stable-diffusion-webui文件夹，在地址栏输入cmd，然后敲回车，在该目录下调出命令提示行，然后在命令提示行窗口里输入

函数调用的演示视频：使用docker运行最新chatglm3-6b，对外的http服务，使用python代码执行函数调用，查询北京天气代码演示和说明使用docker运行最新chatglm3-6b，对外的http服务，使用python代码执行函数调用，查询北京天气代码演示和说明1，可以参考官方chatglm3视频有更新详细内容https://www.bilibili.com/video/BV1uC4y1J7yA/【官方教程】ChatGLM3-6B部署和微调（FunctionCall、CodeInterpreter、Agent）对话格式：工具定义：对话格式：2，运行服务参考上期的环境搭建：http

在特定的情况下，要保证信息安全的同时还能享受到AIGC大模型带来的乐趣和功能，那么，离线部署就能帮助到你，最起码，它是一个真正可用的方案。大模型本身清华的(ChatGLM3)，为的是对中文支持友好，另外就是我也很看好它，毕竟一直在优化自己的模型，提升模型的质量。如果基础环境没有布置好可以参考我上篇文章《Ubuntu22.04TeslaV100s显卡驱动，CUDA，cuDNN，MiniCONDA3环境的安装》。ChatGLM3(ChatGLM3-6B)项目地址https://github.com/THUDM/ChatGLM3大模型是很吃CPU和显卡的，所以，要不有一个好的CPU，要不有一块好的显

ChatGLM的部署，主要是两个步骤：在Github上下载chatglm的库文件在HuggingFace上下载模型参数与配置文件ChatGLM包从Github上看ChatGLM项目文件的结构来看，仅仅是包含三种部署方式的py代码与微调的py代码而相关的实现细节，比如神经网络、激活函数、损失函数等具体的实现，并不在该项目源码中。不管以哪种方式部署，最核心就是三句代码，其作用是引入模型参数，初始化transformers配置；以web部署的方式为例：tokenizer=AutoTokenizer.from_pretrained("THUDM/chatglm-6b",trust_remote_cod

事先说一下，我本地的显卡4070只有12G显存，无法运行本地知识库，我把自己折腾的过程和遇到的坑先记录一下吧，后续如果有算力的话就再跑一遍试试。后续来了：【AI】使用阿里云免费服务器搭建Langchain-Chatchat本地知识库Langchain-Chatchat曾用名Langchain-ChatGLM，是智谱AI的本地知识库项目，其官方介绍如下：🤖️一种利用langchain思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。项目地址：https://github.com/chatchat-space/Langchain-Ch

1、创建虚拟环境略2、部署LLaMA-Factory（1）下载LLaMA-Factoryhttps://github.com/hiyouga/LLaMA-Factory（2）安装依赖pip3install-rrequirements.txt（3）启动LLaMA-Factory的web页面CUDA_VISIBLE_DEVICES=0pythonsrc/train_web.py得到如下页面：3、ChatGLM3模型微调设置如下参数，点击开始即可：点击“预览命令”，可以看到要执行的python脚本，如下所示：CUDA_VISIBLE_DEVICES=0pythonsrc/train_bash.py\

👀日报&周刊合集|🎡生产力工具与行业应用大全|🧡点赞关注评论拜托啦！👀北京互联网法院审理全国首例「AI声音侵权案」，五被告都否认侵权补充一份背景：点击了解事件说明与当前进展⋙AI生成图片著作权侵权第一案、AIGC训练数据集侵权首批案件大模型技术在一年时间里狂飙突进，但相关法律法规和实施细则还不完善，很多领域的「AI第一案」进入法律流程和公众视野。比如👆前段时间的这两个案子，以及最新的AI声音侵权第一案。配音师殷某某发现自己的声音被「魔音工坊App」AI处理并对外出售了，因此以侵害声音权为由将相关五被告起诉到北京互联网法院。12月12日，北京互联网法院首次组成五人合议庭，依法公开审理。五被告均否

实测：输入内容：295个字，1.9秒开始出结果，这个速度接近T4。具体过程如下：1.准备环境gitclone--recursivehttps://github.com/li-plus/chatglm.cpp.git&&cdchatglm.cppgitsubmoduleupdate--init--recursivepython3-mpipinstall-Upippython3-mpipinstalltorchtabulatetqdmtransformersacceleratesentencepiece2.下载chatglm3-6bbrewinstallgit-lfsgitlfsinstallgi

ChatGLM3-6B是一个语言大模型，最近在评估这个模型，但发现它的文档有限，只能从demo代码中猜测调用的参数的含义，准确度是有限的；于是，通过查看源代码来研究，目前整理笔记如下：ChatGLM3-6B的调用接口有两个，一个是chat接口，一个是stream_chat接口接口函数的实现位于代码chatglm3-6b/blob/main/modeling_chatglm.py中一、chat接口chat接口的原型如下：defchat(self,tokenizer,query:str,history:List[Dict]=None,role:str="user",max_length:int=8

书接上文，由于家境贫寒的原因，导致我本地的GPU资源无法满足搭建Langchain-Chatchat本地知识库的需求，具体可以看一下这篇文章，于是我只能另辟蹊径，考虑一下能不能白嫖一下云服务器资源，于是去找网上找，您还别说，还真有，具体的领取方法可以查看我的这篇文章：【AI】阿里云免费GPU服务资源领取方法。1.准备工作1.1进入云服务器服务器资源准备好之后就可以去做我们的开发任务了，首先在阿里云人工智能PAI控制台打开我们的实例。打开之后如下图所示：1.2查看服务器磁盘情况，创建本地工作目录这一步可以省略，只是为了保险起见，我们查看一下磁盘容量及挂载情况，因为模型通常比较大，会比较浪费磁盘资