文章目录基于LoRA进行StableDiffusion的微调数据集模型下载环境配置微调过程推理WebUI部署基于LoRA进行StableDiffusion的微调数据集本次微调使用的数据集为：LambdaLabs的Pokemon数据集使用gitclone命令下载数据集gitclonehttps://huggingface.co/datasets/lambdalabs/pokemon-blip-captions数据集一共883条样本，包含两个部分：image（图）和text（文），如下图所示。模型下载gitclonehttps://huggingface.co/runwayml/stable-di
基于stm32的LoRa模块调试教程初识LoRa上手LoRa程序编写结果演示再见LoRa初识LoRa简单来讲，LoRa就是一种低功耗远程无线通信技术。它是基于Semtech公司SX1276/1278芯片开发的无线数传模块，这种芯片集成规模小、效率高，从而让LoRa模块拥有高接收灵敏度。那么它相比于我们常用的蓝牙和WiFi有什么优势呢？总结而言，就是低功耗、远距离、抗干扰。相同条件下，LoRa模块比WIFI模块传输距离更远。多见的WIFI、蓝牙等近距离无线通信技术，通信距离一般也就只有几十米左右。如果要覆盖某个地区一个城市的网络，部署的成本会很高，不划算。而作为低功耗广域网的LoRa技术，无线通
基于stm32的LoRa模块调试教程初识LoRa上手LoRa程序编写结果演示再见LoRa初识LoRa简单来讲，LoRa就是一种低功耗远程无线通信技术。它是基于Semtech公司SX1276/1278芯片开发的无线数传模块，这种芯片集成规模小、效率高，从而让LoRa模块拥有高接收灵敏度。那么它相比于我们常用的蓝牙和WiFi有什么优势呢？总结而言，就是低功耗、远距离、抗干扰。相同条件下，LoRa模块比WIFI模块传输距离更远。多见的WIFI、蓝牙等近距离无线通信技术，通信距离一般也就只有几十米左右。如果要覆盖某个地区一个城市的网络，部署的成本会很高，不划算。而作为低功耗广域网的LoRa技术，无线通
目录一、简单了解1、模块简介2、硬件及功能 3、传输方式二、模块上手1、连接 2、编写代码usart3.husart3.clora.hlora.cmain.c一、简单了解本文以正点原子ATK-LORA-01模块为例进行介绍。1、模块简介 ATK-LORA-01-V3.0(V3.0是版本号，下面均以ATK-LORA-01表示该产品)是ALIENTEK推出的一款体积小、微功率、低功耗、高性能远距离LORA无线串口模块。模块设计是采用高效的ISM频段射频SX1278扩频芯片，模块的工作频率在410Mhz~441Mhz，以1Mhz频率为步进信道，共32个信道。可通过AT指令在线修改串口速
目录一、简单了解1、模块简介2、硬件及功能 3、传输方式二、模块上手1、连接 2、编写代码usart3.husart3.clora.hlora.cmain.c一、简单了解本文以正点原子ATK-LORA-01模块为例进行介绍。1、模块简介 ATK-LORA-01-V3.0(V3.0是版本号，下面均以ATK-LORA-01表示该产品)是ALIENTEK推出的一款体积小、微功率、低功耗、高性能远距离LORA无线串口模块。模块设计是采用高效的ISM频段射频SX1278扩频芯片，模块的工作频率在410Mhz~441Mhz，以1Mhz频率为步进信道，共32个信道。可通过AT指令在线修改串口速
LLMs之llama_7b_qlora：源代码解读export_hf_checkpoint.py(模型权重合并文件)将LORA模型的权重合并回原始模型的权重(hf_llama_model+llama_7b_qlora)，并保存到指定的检查点文件中目录
文章目录一、StableDiffusion安装与源码解析1.1StableDiffusion安装1.2webui启动代码分析1.2.1加载webui-user.sh1.2.2执行launch.py1.2.3执行webui.py，启动界面1.2.4cmd_args二、文生图（提示词解析）2.1提示词入门2.2权重2.3负面提示词（Negativeprompt）2.4出图参数设置2.5新手念咒方法三、图生图3.1图生图入门3.2随机种子解析3.3图生图拓展四、模型4.1`Checkpoint`4.1.1Checkpoint简介4.1.2Checkpoint分类与下载4.2`VAE`（变分自解码器）
目录前言一、SD-Trainerwebui使用介绍二、准备工作2-1、登录在线训练平台2-2、购买算力并创建工作空间2-3、启动工作空间三、开始训练3-1、打开终端3-2、准备训练数据3-3、准备模型文件3-3-1、模型3-3-2、下载方法（以下两种方法任选一种即可）3-4、启动SD-Trainer3-5、开始训练前言SD-Trainer：是stablediffusion进行lora训练的webui，有了SD-Trainer，只需要少许图片，每个人都能够方便快捷地训练出属于自己的stablediffusion模型，可以让图片按照你的想法进行呈现。一、SD-Trainerwebui使用介绍SD-
ChatGLM2介绍ChatGLM2-6B源码地址：https://github.com/THUDM/ChatGLM2-6BChatGLM2-6B是开源中英双语对话模型ChatGLM-6B的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B引入了如下新特性：1、更强大的性能：基于ChatGLM初代模型的开发经验，我们全面升级了ChatGLM2-6B的基座模型。ChatGLM2-6B使用了GLM的混合目标函数，经过了1.4T中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B在MMLU（+23%）、CEval（
@TOC一、Lora介绍Lora不是一种协议，而是一种基于扩频通信的射频技术，它相对于其他射频技术比如2.4G或普通433/915M来讲，具有更远的传输距离（几千米）和更强的越障性能。所以我们把一个Lora设备作为中心点，多个Lora设备作为节点可以组成一个范围达几千米的星型网络。上图中，中心点和某个节点的通信流程实现可参考如下模式：二、例程实现功能介绍某个Lora节点每隔2秒主动向中心点发送一包5字节的数据(1,2,3,4,5)，Lora中心点收到后将收到的数据每个都加1，作为应答内容返回给该节点。所以当该Lora节点收到(2,3,4,5,6)时即可判定正确收到了响应。节点每收到一次正确的响
