说明最近一段时间对多模态很感兴趣，尤其是StableDiffusion，安装了环境，圆了自己艺术家的梦想。看了这方面的一些论文，也给人讲过一些这方面的原理，写了一些文章，具体可以参考我的文章：北方的郎：图文匹配：Clip模型介绍北方的郎：VQGAN（VectorQuantizedGenerativeAdversarialNetwork）模型简介北方的郎：当倚天剑遇到屠龙刀VQGAN-CLIP介绍不知道看文章的人怎么看，听我讲的人经常反应的就是听不明白。于是我又在网上找了一下，发现这篇文章讲的很好，算得上是深入浅出，可惜是英文的，就把它翻译了一下：https://stable-diffusion

StableDiffusion生成8K高清图片0.简介1.安装ultimate-upscale-for-automatic1111插件2.安装4x-UltraSharp模型3.生成1张普通图片4.生成1张高清图片0.简介记录一下使用StableDiffusion生成高清图片使用的插件和过程。1.安装ultimate-upscale-for-automatic1111插件打开StableDiffusion，单击“扩展”=>“从网址安装”，输入下面项目，单击“安装”，扩展的git仓库网址:https://github.com/Coyote-A/ultimate-upscale-for-automa

资源下载地址Git:https://git-scm.com/downloadCUDA:https://developer.nvidia.com/cuda-toolkit-archivePython3.10.6:https://www.python.org/downloads/release/python-3106stable-diffusion-webui:https://github.com/AUTOMATIC1111/stable-diffusion-webui前置知识：命令行的使用快捷键：win+R，输入cmd，回车；或者直接在Windows桌面底部搜索栏输入“命令提示符”打开。环境变量

Prompt运用规则及技巧AI绘画StableDiffusion技巧分享资源：1.https://publicprompts.art/（最适用于OpenArt线上模型https://openart.ai/）2.https://docs.qq.com/doc/DWFdSTHJtQWRzYk9k（转自元素法典，含各类风格用词）3.https://www.ptsearch.info/home/（实例查询）4.http://prompttool.com/NovelAI（体验还不错）使用：1.通用Tag起手式：正向：masterpiece,bestquality,更多画质词，画面描述反向：nsfw,lo

Prompt运用规则及技巧AI绘画StableDiffusion技巧分享资源：1.https://publicprompts.art/（最适用于OpenArt线上模型https://openart.ai/）2.https://docs.qq.com/doc/DWFdSTHJtQWRzYk9k（转自元素法典，含各类风格用词）3.https://www.ptsearch.info/home/（实例查询）4.http://prompttool.com/NovelAI（体验还不错）使用：1.通用Tag起手式：正向：masterpiece,bestquality,更多画质词，画面描述反向：nsfw,lo

论文针对多元概率时间序列预测（multivariateprobabilistictimeseriesforecasting）任务，提出了TimeGrad模型。有开源的代码：PytorchTS概率预测如下图所示，对未来的预测带有概率：TimeGrad模型基于DiffusionProbabilisticModel，DiffusionProbabilisticModel这里不再介绍，需要学习的请参见博客DenoisingDiffusionProbabilisticModels简介在了解DiffusionProbabilisticModel的基础上，这篇文章的方法非常简单。方法将多变量时间序列表示为x

文章目录题目简介前言StableDiffusionLatentdiffusion自动编码器(VAE)U-NetText-EncoderStableDiffusion的推理过程从零开始配置实验环境IDEAnacondaCUDA和CuDNNCuDNNStableDiffusion的本地部署运行测试总结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：ResNe

SD-WebUI安装方案#此教程参考了 crosstyan的FAQWebUI的官方代码仓库地址为 GitHub-AUTOMATIC1111/stable-diffusion-webui:StableDiffusionwebUI官方英文安装教程官方给定的依赖列表硬件要求#最低需要显存2GB，建议显存不少于4GB。在开始前，打开CMD，输入cmdnvidia-smi查看机器的英伟达显卡是否正常运作。这里是9月份效果(现在快了不少)安装#TIP推荐有能力的同学阅读一下 官方Wiki 的内容。注意！运行AI项目有很大的硬盘需求，请做好心理准备。总计依赖大小约几G，在中国网络环境下可能很慢！对于Wind

要用好StableDiffusion，最最重要的就是掌握Prompt（提示词）。由于提示词对于生成图的影响甚大，所以被称为魔法，用得好惊天动地，用不好魂飞魄散🐶。因此本篇整理下提示词的语法（魔法咒语）、如何使用（如何吟唱）、以及一些需要注意的细节问题（避免翻车）。基础语法在提示词中我们使用,对提示词进行分割，而每个部分的提示语可以有不同类型，比如：自然语法、标签语法、emoji或者是颜文字。自然语法StableDiffusion的提示词支持自然语法，比如告诉它agirlistouchingacat可以得到如下图片:也支持一定程度的中文、日文，比如睡觉的狗：但是中文理解力支持十分有限，所以一般都

前言：DDPM2020年诞生，短短一年的时间，模型上有两个巨大的改进，其中一个就是condition的引入，最近大部分DDPM相关的论文都会讨论这一点，有些文章称之为latentvariable。和当年GAN的发展类似，CGAN和DCGAN的出现极大程度上促进了GAN的发扬光大，意义重大。一、诞生之初：unconditional无条件生成论文指路：《DenoisingDiffusionProbabilisticModels》DDPM根据郎之万动力方程的推导，最终的生成表达式中依赖神经网络对噪声的预测可以生成图像，但是这种生成是没有任何约束的，也就是说给定纯高斯噪声，我们就能生成图片。好处是我们