文章目录下载github文件配置环境ckpt文件权重下载生成图像NSFW检查（瑟图过滤）下载github文件https://github.com/CompVis/stable-diffusion这个网址，下载压缩包解压，也可以用gitclone下载配置环境这一步坑最多，建议不要按他官方的下载方式先创建一个虚拟环境叫ldm下载environment.yaml文件下的包有两个不好直接pip下载的时CLIP和taming-pytorch可以用pip+git的方式下载:pipinstallgit+https://github.com/openai/CLIP.gitpipinstallgit+https
✨目录🎈训练集准备🎈训练集预处理🎈数据清洗🎈下载训练源码🎈训练文件配置🎈脚本运行🎈实战测试🎈训练集准备声明：该文中所涉及到的女神图片均来自于网络，仅用作技术教程演示，图片已码一般同一个训练集需要准备20~40张不同角度的照片，当然可以更多，只是训练的时间会变长而已比如如果训练的是人物，就准备同一个人物的不同角度的照片，并且各种表情都有是最好的，图片背景杂色越少越好所以可以借助在线工具：在线消除背景，来让图片更加的干净除了图片要干净外，另外对于图片的分辨率和尺寸是有要求的，所有图片的尺寸必须保持一致，并且是64的倍数所以可以借助在线工具：一键调整所有图片尺寸，来让图片的尺寸保
漫画中修复手的终极提示词：正向提示词： masterpiece,bestquality负向提示词：disfigured,lowres,badanatomy,badhands,text,error,morefingers,extradigit,fewerdigits,cropped,worstquality,lowquality,jpegartifacts,signature,watermark,blurry,badfeet,badeyeimgtoimg参数配置： 修复前后对比效果： 必读链接：https://www.reddit.com/r/StableDiffusion/comments/
✨目录🎈标签生成器🎈提示词自动补全🎈标签生成器由于输入正向提示词prompt和反向提示词negativeprompt都是使用英文，所以对学习母语的我们非常不友好使用网址：https://tinygeeker.github.io/p/ai-prompt-generator这个网址是为了让大家在使用AI绘画的时候更容易去生成想要的提示词，支持降权，加权等功能项目已开源在Github上，开源网址：https://github.com/tinygeeker/ai-prompt-generator这个标签生成器，按照分类，将常用的提示词都进行了分类，非常的清晰明了基本从上到下选择一遍，即可是你想要生成的
1基本框架 ①：文字变成向量 ②：喂入噪声+文字encoder，产生中间产物 ③：decoder还原图片2 textencoder 这张图越往右下表示效果越好，可以看到textencoder尺寸越大，对后续生成图片的增益越多3评价图片生成好坏的标准3.1FID 现有一个训练好的CNN模型，可以生成真实影像和生成图像的representation这两组表征的分布越近，效果越好——>我们sample一堆图片，然后生成一组同语义的图片，计算他们分布的distance3.2 CLIP 如果图片和文字是成对的，那么他们的representation越近表示生成的图片效果越好4decoder 训练一个au
💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。推荐:kuan的首页,持续学习,不断总结,共同进步,活到老学到老导航檀越剑指大厂系列:全面总结java核心技术点,如集合,jvm,并发编程redis,kafka,Spring,微服务,Netty等常用开发工具系列:罗列常用的开发工具,如IDEA,Mac,Alfred,electerm,Git,typora,apifox等数据库系列:详细总结了常用数据库mysql技术点,以及工作中遇到的mysql问题等懒人运维系列:总结好用的命令,解放双手
StableDiffusion—ControlNet超详细讲解ControlNet最近非常火🔥！ControlNet和StableDiffusion的结合使StableDiffusion能够接受指导图像生成过程的条件输入，从而增强了StableDiffusion的性能。今天为大家深入剖析ControlNet的工作原理。文章目录什么是ControlNet内部架构前馈反向传播与StableDiffusion相结合编码器整体架构训练输入条件总结什么是ControlNetControlNet是一个控制预训练图像扩散模型（例如StableDiffusion）的神经网络。它允许输入调节图像，然后使用该调节
【基于StableDiffusion生成国风人物图片】 prompt:,(bestquality:1.3,masterpiece:1.3),ultrahighres,(1girl,solo),atmosphericperspective,detailedface,upperbody,makeup,pinklips,partedlips,shinyskin,(brownhair),verylonghair,lookingatviewer,redeyes,earrings,smallbreasts,slimbody,(whitesilk),(((eastasianarchitecture,riv
文章目录1题目简介2前言3数据集3.1数据集划分3.2ResNet34测试4扩散模型数据增强4.1数据预处理4.2数据集增强4.3数据增强后的消融实验4.3.10.4噪声强度下4张图片4.3.20.8噪声强度下4张图片4.3.30.4噪声强度下8张图片4.3.40.8噪声强度下8张图片5总结1题目简介笔者个人的毕业设计课题如下：简介：使用预训练的DiffusionModel图像生成模型生成图像，将这些生成的图像作为扩充训练集加入到2D目标检测器、2D图像分类器的训练过程。深度学习是数据驱动的，随着数据量的扩充，能够提高检测器、分类器的鲁棒性、准确性。建议的baseline:分类：ResNet检
目录1、conda环境2、使用过程中遇到的问题1、conda环境（1）环境名称：ldm_py38（2）pip-egit+https://github.com/CompVis/taming-transformers.git@master#egg=taming-transformers（以及pip-egit+https://github.com/openai/CLIP.git@main#egg=clip）报错：ERROR:Commanderroredoutwithexitstatus128报错原因：服务器的SSL证书没有经过第三方机构的签署解决方法：执行gitconfig--globalhttp.
