这里给大家分享我在网上总结出来的一些知识，希望对大家有所帮助如何避免写出屎山，优雅的封装组件，在面试官面前大大加分，从这篇文章开始！保持单向数据流大家都知道vue是单项数据流的，子组件不能直接修改父组件传过来的props，但是在我们封装组件使用v-model时，不小心就会打破单行数据流的规则，例如下面这样：defineOptions({name:"my-component",});constprops=defineProps({msg:{type:String,default:"",},});v-model实现原理直接在子组件上修改props的值，就打破了单向数据流，那我们该怎么做呢，先看下v
文章目录一、前言二、安装1.解压后点击启动器运行依赖，然后点击A启动器2.更新本体和扩展3.把controlnet1.1放入stablediffusion中三、使用界面参数1.提示词2.采样和迭代步数3.修复和图片相关设置四、使用界面模型1.Controlnet五、模型下载放置**1.模型下载****2.模型安装****3.模型使用**六、使用技巧（探索中）1.放大算法BSRGAN2.LORA模型使用3.大模型介绍（秋叶大佬提供）4.如何使用C站复刻别人的图5.最后提供一个插件七、总结个人网站：界面图片更清晰，创作不易，麻烦点个赞！！！！感谢进阶版：https://blog.csdn.net/
StableDiffusion主要用于从文本生成图像，是人工智能技术在内容创作行业中不断发展的应用。要在本地计算机上运行StableDiffusion，您需要一个强大的GPU来满足其繁重的要求。强大的GPU可以让您更快地生成图像，而具有大量VRAM的更强大的GPU可以让您更快地创建更高分辨率的图像。那么，最适合StableDiffusion的消费类GPU是什么？让我们看看NVIDIA和AMD的部分GPU上的StableDiffusion性能来寻找答案。关于StableDiffusion什么是StableDiffusion？StableDiffusion是一种机器学习模型。由于它能够根据文本提示
Stablediffusion报TorchisnotabletouseGPU;add--skip-torch-cuda-testtoCOMMANDLINE_ARGSvariabletodisablethischeck错误及排查解决背景先说一下我的显卡配置3060Ti,当刚开始报这个错误的时候，发现基本上很多博主说的都是在launch.py或者webui-user.bat加一个参数--precisionfull--no-half--skip-torch-cuda-test,webui-user.bat是在setCOMMANDLINE_ARGS=后面加或者launch.py是在index_url=
ZongB,SongQ,MinMR,etal.Deepautoencodinggaussianmixturemodelforunsupervisedanomalydetection[C]//Internationalconferenceonlearningrepresentations.2018.摘要导读对多维或高维数据的无监督异常检测在基础机器学习研究和工业应用中都具有重要意义，其中密度估计是一个这些算法的核心。虽然以往基于降维和密度估计的方法取得了富有成效的进展，但主要受限于优化不一致的解耦模型的学习的目标使得其不能在低维空间中保存关键信息。本文提出了一种用于无监督异常检测的深度自编码高斯
前言注：本文偏向于整理，都是跟着大佬们学的。推荐两个b站up主，学完他们俩的东西基本就玩转SD为底的ai绘画：秋葉aaaki，Nenly同学1.首先SD主流的就是秋叶佬的Webui了，直接压缩包下载即可，下载地址在这个视频的简介里：https://www.bilibili.com/video/BV1iM4y1y7oA2.下载之后，就可以配合着Nenly佬的ai绘画课来看我的笔记了(正课一共10集，基本满足大部分人的需求了)：https://www.bilibili.com/video/BV1As4y127HW3.有一点要注意以下，第10课中的ControlNet，Nenly佬提供的方法是不使用
AI模型最新展现出的图像生成能力远远超出人们的预期，直接根据文字描述就能创造出具有惊人视觉效果的图像，其背后的运行机制显得十分神秘与神奇，但确实影响了人类创造艺术的方式。AI模型最新展现出的图像生成能力远远超出人们的预期，直接根据文字描述就能创造出具有惊人视觉效果的图像，其背后的运行机制显得十分神秘与神奇，但确实影响了人类创造艺术的方式。StableDiffusion的发布是AI图像生成发展过程中的一个里程碑，相当于给大众提供了一个可用的高性能模型，不仅生成的图像质量非常高，运行速度快，并且有资源和内存的要求也较低。相信只要试过AI图像生成的人都会想了解它到底是如何工作的，这篇文章就将为你揭开
一、前言本文是《StableDiffusion从入门到企业级应用实战》系列的第四部分能力进阶篇《StableDiffusionControlNetv1.1图像精准控制》的第0414篇利用StableDiffusionControlNet法线贴图模型精准控制图像生成。本部分内容，位于整个StableDiffusion生态体系的位置如下图黄色部分所示： 法线就是指模型表面的凹凸感，而凹凸感的产生是因为模型表面像素的光照条件不一样产生的。在逐像素计算光照时，每一个像素都会根据该点的法向量来计算最终该点的光照结果，那么，我们如果能够改变这个法线的方向，就可以改变这个点的光照结果，进而影响模型表面
S：你安装stablediffusion就是为了看小姐姐么？I：当然不是，当然是为了公司的发展谋出路~~预先学习：安装及其问题解决参考：《Windows安装StableDiffusionWebUI及问题解决记录》；运行使用时问题《Windows使用StableDiffusion时遇到的各种问题整理》；模型运用及参数《StableDiffusion个人推荐的各种模型及设置参数、扩展应用等合集》；提示词生图咒语《AI绘图提示词/咒语/词缀/关键词使用指南（StableDiffusionPrompt设计师操作手册）》；不同类的模型Models说明《解析不同种类的StableDiffusion模型Mo
RockyDing公众号：WeThinkIn最新更新：Rocky也一直在更新StableDiffusion系列的文章内容，包括最新发布的StableDiffusionXL。Rocky都进行了全方位的深入浅出的解析，码字真心不易，希望大家能给Rocky正在撰写更新的下面两篇文章多多点赞，万分感谢：深入浅出完整解析StableDiffusionXL（SDXL）核心基础知识深入浅出完整解析StableDiffusion（SD）核心基础知识写在前面【算法兵器谱】栏目专注分享AI行业中的前沿/经典/必备的模型&论文，并对具备划时代意义的模型&论文进行全方位系统的解析，比如Rocky之前出品的爆款文章Ma
