关于AI画画这个系列已经开了个头，前面已经简单的介绍了stable-diffusion的一些效果和简单的使用方法。这几天NovelAI模型泄露了。那就凑巧了，就以这个模型为例。完整的介绍一下stable-diffusion-webui本地安装方法几乎是从零开始说起（除了不教操作系统安装）。WebUI就是stable-diffusion的可视化版本！本地安装的好处是：无限出图不受限。作品尺度不受限。当然本地安装，相比直接用别人的网页版，难度也增加了。需要一定的硬件配置，N卡显存4G+要保证网络通畅，能高速外网那种最好。需要一些耐心，懂一些命令行。客观条件准备充分的情况下，根据这篇文章一步一步来，
基于之前的AI主播的的学习基础基于Wav2Lip的AI主播和基于Wav2Lip+GFPGAN的高清版AI主播，这次尝试一下VideoRetalking生成效果。总体来说，面部处理效果要好于Wav2Lip，而且速度相对于Wav2Lip+GFPGAN也提升很多，也支持自由旋转角度，但是如果不修改源码的情况下，视频的部分截取稍微有点问题。这个训练图片还好，如果是做视频的话还是比较吃GPU资源的16G显存是个起步配置。文章目录准备工作环境配置创建虚拟环境激活虚拟环境pip安装匹配版本模型预测对口型必要的数据准备图片、视频预测参数说明有趣的操作StableDiffusion使用方法准备工作
AI画画学习利用算法进行画画，通过文本或者以图生图等形式生成相应的图像。之前在云端服务器Linux部署过一遍，这里总结一下相关的过程。常见AI绘画软件使用方式方式优势不足1在线版直接打开浏览器注册即可使用，非常方便大部分不能无限生成，可能要收费2本地电脑部署安全方便，不受限制对机器性能有要求，GPU要求大于4G3云端服务器部署不需要实体电脑，云服务器即可免费的或者租用的，免费的可能慢，云服务器收费较贵在线绘图网站在线绘图网站是否收费www.midjourney.com收费，25次免费使用，需要在discord.com进行注册beta.dreamstudio/dream收费，可免费试用lexic
为什么ChatGPT这样一个语言模型的发展能引发所有行业的AI技术革命呢？答案就在于它能理解我们的自然语言，并能将我们的语言转换成计算机能够完全理解的特征。自然语言与计算机理解ChatGPT之所以能引领技术革命，关键在于它能理解我们的自然语言，并能将我们的语言转换成计算机能够完全理解的特征。自然语言所包含的信息庞大且丰富，远远超过了代码所能表达的范围。就像三维与二维的关系，通过自然语言，计算机能够理解的事物范围大大扩展。过去很多事物很难通过编码来描述，而现在只需用语言描述，计算机便能理解。以生成国风美女照片为例，用代码描述几乎不可能，但通过语言模型，只需要简单的一句话。这就使得以前难以实现的事
2022年11月30日，OpenAI公司（美国致力于人工智能研究的非营利机构）发布了由大型语言模型驱动的自然语言处理工具ChatGPT。该工具通过学习和理解人类语言，能够与用户进行高质量对话，甚至还能撰写邮件、视频脚本、文案、代码、论文和小说等。由于在同行中具有较卓越的性能，ChatGPT推出仅2个多月的时间即引爆全球。除了关注ChatGPT性能本身外，业内人士更关注该AI“梦之队”成员到底具有哪些特征，才促使他们在全球大型语言模型创新技术领域如此独领风骚。根据OpenAI官网显示，为ChatGPT项目做出贡献的人员共87人。现就该团队成员职务构成、年龄分布、教育背景、人员流动、华人成员、成员
北京时间4月8日凌晨0:30，YannLeCun（杨立昆）和吴恩达针对近期甚嚣尘上的「AI暂停」一事进行了一场深入讨论，讨论主题为「为何为期6个月的AI暂停是完全错误的」。在这场风波中，二人都立场鲜明，明确表态反对暂停AI研发。汽车刚发明时没有安全带和交通信号灯，YannLeCun认为，人工智能与先前的技术进步之间没有本质上的差异。 吴（吴恩达）：在过去的10、20、30年间，我们见证了深度学习惊艳的效果。在近1-2年，人工智能系统进步的趋势甚至更快了，出现了ChatG
文章目录1.半马形态成为未来：AI+人类2.什么是DevOpts？改变开发格局：测开、运开必然趋势3.什么是Docker容器化，它会替代掉VM虚拟机吗？4.运维的终点是开发5.运维转开发的捷径~誉天程序员课程1.半马形态成为未来：AI+人类卡斯帕罗夫和李世石真的败给了机器吗？1996年3月9日（IBM的深蓝和谷歌的AlphaGo）在人类选手的对面，是人工智能汇集了所有人类智慧和经验的智能流算法，如果是这样的话人类必败无疑。但反过来想如果人类也有一个人工智能辅助来比赛呢？那胜负就未尝可知了。卡斯帕罗夫在被深蓝击败后，发起了自由式国际象棋比赛，可以使用人工+智能（半人马选手）方式参与比赛，由人工智
我最近安装并尝试使用Grakn.ai进行可视化。按照grakn.ai'swebsite上的说明进行操作，我在尝试运行时遇到了以下问题:\grakn-dist-0.15.0>.\bin\grakn.sh开始在Windows10命令提示符下，64位，退出前显示以下行:StartingredisCassandraalreadyrunningStartingengine.Error:Couldnotfindorloadmainclassai.grakn.engine.GraknEngineServerError:Couldnotfindorloadmainclassai.grakn.clien
目录一、cube.AI实际项目应用二、创建工程2.1工程配置2.2外设代码设计2.3传感器数据采集与输出源码设计2.4编辑下载程序，采集数据 三、模型训练四、cube.AI配置及c模型生成五、模型调用及测试一、cube.AI实际项目应用 接篇二，前文都是采用FP-AI-SENSING1案例和配套的B-L475E-IOT01A开发板来阐述的，而实际项目中，我们都是基于自身项目硬件平台来训练模型及部署模型的，我们仅仅需要cube.AI软件包（作为可调用库）来支持我们项目，不会强行采用FP-AI-SENSING1案例去收集数据及配套的B-L475E-IOT01A等硬件平台部署。
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档攒机心得前言一、入手GPU二、主板建议1.AMD系列2.Intel系列3.X99系列三、电源和机箱建议四、安装系统以及cuda总结前言提示：这里可以添加本文要记录的大概内容：随着人工智能的不断发展，深度学习这门技术也越来越重要，AI绘图、深度学习的训练都需要GPU计算节点，随着GPU价格的回落，普通人搭建GPU计算集群用来深度学习也成为了致富新道路。本文深度记录了本人一些丐中丐GPU集群攒机经验，给各位友友们分享~一、入手GPUGPU种类繁多，无论是矿卡还是新卡，茫茫多的GPU在选择的时候多少让人有点选择困难。但其实不考虑打游戏，
