相关博文stable-diffusion-webui的基础功能手动安装，了解代码结构、依赖、模型出处安装成功结果主要参考cuda11.7下载-https://developer.nvidia.com/cuda-toolkit-archivecudnn8.6for11.x:https://developer.nvidia.com/rdp/cudnn-archivedreambooth\lora训练环境：最原始的命令端https://github.com/kohya-ss/sd-scriptsGUI端口https://github.com/bmaltais/kohya_ss环境安装参考：win11
一、租用新实例 二、点击JupyterLab 三、进入终端 1、首先输入如下命令vim~/.bashrc 2、然后按英文模式的 i 进入编辑，按键盘下键到最后输入sourceroot/miniconda3/etc/profile.d/conda.sh 3、然后先按键盘Esc键，使用命令 :w! 强制存盘 4、然后再按键盘Esc键，使用命令 :q 退出 5、输入以下命令刷新bash 6、进入conda环境condaactivatebase如果报以下错误： 输入如下命令：condainit{TERMINAL_TYPE} 然后再 bash ，然后重新进入basecondaactivate
以图搜图，涉及两大功能：1、提取图像特征向量。2、相似向量检索。第一个功能我通过编写pytorch模型并在java端借助djl调用实现，第二个功能通过elasticsearch7.6.2的dense_vector、cosineSimilarity实现。一、准备模型创建demo.py，输入代码，借助resnet提取图像特征importtorchimporttorch.nnasnnimporttorchvision.modelsasmodelsclassImageFeatureExtractor(nn.Module):def__init__(self):super(ImageFeatureExtr
以图搜图，涉及两大功能：1、提取图像特征向量。2、相似向量检索。第一个功能我通过编写pytorch模型并在java端借助djl调用实现，第二个功能通过elasticsearch7.6.2的dense_vector、cosineSimilarity实现。一、准备模型创建demo.py，输入代码，借助resnet提取图像特征importtorchimporttorch.nnasnnimporttorchvision.modelsasmodelsclassImageFeatureExtractor(nn.Module):def__init__(self):super(ImageFeatureExtr
AD-NeRF由音频和人脸图像合成人脸视频并表现出自然的说话风格flyfish合成高保真音频驱动的面部视频序列在数字人类、聊天机器人和虚拟视频会议等许多应用中是一个重要而具有挑战性的问题。将语音头部的生成过程视为从音频到视觉人脸的跨模态映射，期望合成的人脸图像表现出自然的说话风格，同时同步与原始视频相同的照片真实感的流媒体结果。环境：Ubuntu18.04NVIDIADriverVersion:440.33.01CUDAVersion:10.2cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64libcudnn8_8.0.3
AD-NeRF由音频和人脸图像合成人脸视频并表现出自然的说话风格flyfish合成高保真音频驱动的面部视频序列在数字人类、聊天机器人和虚拟视频会议等许多应用中是一个重要而具有挑战性的问题。将语音头部的生成过程视为从音频到视觉人脸的跨模态映射，期望合成的人脸图像表现出自然的说话风格，同时同步与原始视频相同的照片真实感的流媒体结果。环境：Ubuntu18.04NVIDIADriverVersion:440.33.01CUDAVersion:10.2cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64libcudnn8_8.0.3
本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录PyTorch的简介PyTorch构建深度学习模型的步骤搭建pytorch使用环境PyTorch的简介PyTorch是一个开源的机器学习框架，由Facebook的人工智能研究院（FAIR）开发。它提供了一种简单、灵活的方式来构建和训练深度学习模型。PyTorch的核心是一个称为张量（Tensor）的数据结构。张量类似于多维数组，可以在CPU或GPU上进行高效的数值计算。PyTorch提供了许多函数来创建、操作和计算张量。此外，PyTorch还提供了一系列高级API来
本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录PyTorch的简介PyTorch构建深度学习模型的步骤搭建pytorch使用环境PyTorch的简介PyTorch是一个开源的机器学习框架，由Facebook的人工智能研究院（FAIR）开发。它提供了一种简单、灵活的方式来构建和训练深度学习模型。PyTorch的核心是一个称为张量（Tensor）的数据结构。张量类似于多维数组，可以在CPU或GPU上进行高效的数值计算。PyTorch提供了许多函数来创建、操作和计算张量。此外，PyTorch还提供了一系列高级API来
文章目录前言一、支持向量机是什么？二、步骤1.构建特征矩阵和类标签2.使用fitcsvm函数训练svm3.使用predict函数验证svm4.完整代码总结前言 看到目前博客上的支持向量机的matlab代码都是从底层原理开始编起，这对单纯想使用支持向量机实现一个简单的分类的人来说十分不友好，其实matlab内已有封装好的支持向量机代码，本文简单记录一下如何使用。一、支持向量机是什么？ 对于一个二分类任务来说，支持向量机的目的是寻找一个最优超平面，使得样本在超平面的两侧，在边界（图中虚线）上的样本被叫做支持向量。 那么要想实现一个分类任务，支持向量机的输入和输出分别是什么呢？作为一种监督学习的算法
文章目录前言一、支持向量机是什么？二、步骤1.构建特征矩阵和类标签2.使用fitcsvm函数训练svm3.使用predict函数验证svm4.完整代码总结前言 看到目前博客上的支持向量机的matlab代码都是从底层原理开始编起，这对单纯想使用支持向量机实现一个简单的分类的人来说十分不友好，其实matlab内已有封装好的支持向量机代码，本文简单记录一下如何使用。一、支持向量机是什么？ 对于一个二分类任务来说，支持向量机的目的是寻找一个最优超平面，使得样本在超平面的两侧，在边界（图中虚线）上的样本被叫做支持向量。 那么要想实现一个分类任务，支持向量机的输入和输出分别是什么呢？作为一种监督学习的算法
