#记录工作，工作复盘仅作记录，未尽之处请补充，谢谢！电脑配置情况大致记录如下，请参考：MSI移动工作站，64G内存，4GB显存一、安装前准备：阅读文档，明确软件依赖和安装要求：在用Anaconda环境下安装stable-diffusion-webui之前，电脑上先要安装有以下软件：1、Anaconda首先安装 Anaconda，本处用于可窗口化的管理虚拟环境和方便解决环境中包的依赖问题可以参考本站大神的详细文章教程：Anaconda超详细安装教程（Windows环境下）_conda安装-CSDN博客https://blog.csdn.net/fan18317517352/article/det
使用SD有两种方式：本地：显卡要求：硬件环境推荐NVIDIA的具有8G显存的独立显卡，这个显存勉勉强强能摸到门槛。再往下的4G可能面临各种炸显存、炼丹失败、无法生成图片等各种问题。对于8G显存，1.0模型就不行，需要更高的环境配置，所以8G仅仅是个基础。最好还是16G以上。上图是SD在不同显卡下的测试情况。硬盘要求：100G以上的固态硬盘。固态硬盘可以加快读取速度，如果是机械硬盘，很多东西包括模型的创建时间消耗都是成倍的。秋叶大佬的压缩包大概为7~8G左右，但这没有计算模型。实际使用时各种插件及大模型（1G起步）最基础大概需要20G以上。而且在本地训练模型时，一些中间步骤需要保存下来，这就需要
Stable-Diffusion、Imagen等文生图大模型已经具备了强大的生成能力，假设我们的Prompt为 [CyberpunkStyle]，SD或许能很快画出赛博朋克风格的一幅画。但你作为一个不知名的人，不能奢求SD在训练的时候把你自己想要的风格也加进去吧？这时就需要我们能自己个性化调整一下原始的基础大模型。我们日常所用的底模的参数量是巨大的，自己训练是完全不可能的（训练整个Stable-Diffusion-1.4大概要15万GPU小时）。Dreambooth是谷歌的一种微调模型的方案。LORA是Dreambooth的一个简化版。通常来说Dreambooth对于一些比较抽象的或者泛指的概
1StableDiffusion概述1.1图像生成的发展在StableDiffusion诞生之前，计算机视觉和机器学习方面最重要的突破是GAN（GenerativeAdversarialNetworks生成对抗网络）。GAN让超越训练数据已有内容成为可能，从而打开了一个全新领域——现在称之为生成建模。然而，在经历了一段蓬勃发展后，GAN开始暴露出一些瓶颈和弊病，大家倾注了很多心血努力解决对抗性方法所面临的一些瓶颈，但是鲜有突破，GAN由此进入平台期。GAN的主要问题在于：图像生成缺乏多样性模式崩溃多模态分布学习困难训练时间长由于问题表述的对抗性，不容易训练另外，还有一条基于似然（例如，马尔可夫
目录一、前言二、系统和硬件要求三、安装前说明四、安装步骤5、升级pip(这是管理python环境软件工具)，并把资源库换成国内地址为清华镜像。一、前言虽然MJ和SD都可以生成图像，但是为什么我们要考虑使用本地SD部署呢？原因其实很简单：首先，本地部署的使用成本更低，且更加高效；其次，它的功能更强大，更具专业性。然而，本地部署也存在一些缺点。一方面，它对硬件有一定的要求，特别是显卡。另一方面，使用上手需要经过一定的学习，才能熟悉使用。如果你平时只使用在线平台进行AI绘图，那么你只能算是入门级；如果你想达到专业级别，能够熟练地完成绘图任务，甚至商业化应用，那么本地部署就是不可或缺的。接下来教你怎么
今天分享一个用StableDiffusion换背景的小教程。在以往为产品或照片更换背景时，我们通常需要先仔细地将主体内容抠出，再利用PS或其他图像处理工具将主体与新背景进行融合。这个过程往往需要花费大量的时间和精力。这个方法虽然可行，但不够高效，非常考验图片处理技术。今天我将分享一个简单又高效又实用的背景替换小教程，不需要深厚的图片处理技术就可以在几分钟内轻松完成背景替换。1、前期准备本文将会用到“Inpaintanything”插件，也可以使用“Segmentanything”有这俩插件任意一个就行。如果还没有安装插件的可以启动“StableDiffusion”，点击“扩展”—“可下载”—再
Yang,S.,Liu,J.,Zhang,R.,Pan,M.,Guo,Z.,Li,X.,Chen,Z.,Gao,P.,Guo,Y.,&Zhang,S.(2023).LiDAR-LLM:ExploringthePotentialofLargeLanguageModelsfor3DLiDARUnderstanding.InarXiv[cs.CV].arXiv.http://arxiv.org/abs/2312.14074最近，大型语言模型（LLMs）和多模态大型语言模型（MLLMs）在指令跟随和2D图像理解方面表现出了潜力。虽然这些模型很强大，但它们尚未被开发成能够理解更具挑战性的3D物理场景，特
在安装Stable-diffusionWebuUI时，运行pythonlaunch.py出现Can‘tloadtokenizerfor‘openai/clip-vit-large-patch14问题，这是因为安装过程中需要去huggingface网站下载一些文件，但该网站被墙，所以报错。所以可以自己去网站下载好对应文件：https://huggingface.co/openai/clip-vit-large-patch14/tree/main。下面给出两种具体解决方案。方案一：修改代码中的文件路径方案二：将文件(本文附件)移动到电脑中的对应默认路径中win10：C:\Users\用户名.cac
我将数据类型从int到浮动进行了修改，然后，我通过选择“来自数据库的更新模型”更新了模型-＆gt;EDMS文件。它成功更新但事实证明：错误12“会员资格”是“system.web.security.membership”和“testsitev1.model.membership”之间的模棱两可的引用。有人可以帮助我解决这个问题吗？顺便说一句，还有另一个警告说：警告5变量“e”被声明但从未使用过看答案你有课Membership在您的模型中，还包括名称空间System.Web.Security，其中包含一个称为的类Membership.因此错误：“会员资格”是“system.web.securit
对齐颗粒度，打通股票崩盘底层逻辑，形成一套组合拳，形成信用评级机制良性生态圈，重振股市信心！--中国股市新展望！ByToby！2024.1.3综合介绍股票崩盘，是指证券市场上由于某种原因，出现了证券大量抛出，导致证券市场价格无限度下跌，不知到什么程度才可以停止。这种大量抛出证券的现象也称为卖盘大量涌现。这种情况通常会引发投资者的恐慌性抛售，导致股票价格持续下跌。股票崩盘可能是由多种因素引起的，包括经济衰退、政治不稳定、金融危机等。股票崩盘对投资者和市场都会产生严重的影响，因此需要密切关注市场动向并采取相应的风险管理措施。股价崩盘风险是近年来公司金融领域的明星指标。知网上以股价崩盘风险为主题的论
