最近发现了StableDiffusion这个好玩的ai绘画工具，不得不感叹现在ai工具已经进化到这么简单易用的程度，只要下载对应的模型就可以生成各种有意思的图片就算你没有编程基础，跟着教程也能弄出来不过使用过程中发现部分功能无法使用查看日志发现是一些图片生成过程中需要的模型无法下载在终端export代理地址之后，发现依旧报错ssl.SSLCertVerificationError:[SSL:CERTIFICATE_VERIFY_FAILED]certificateverifyfailed:unabletogetlocalissuercertificate(_ssl.c:997)这个报错信息可
很多同学都想要自己的专属AI模型，但是大模型的训练比较费时费力，不太适合普通用户玩。AI开发者们也意识到了这个问题，所以就产生了微调模型，LoRA就是其中的一种。在AI绘画领域，只需要少量的一些图片，就可以训练出一个专属风格的LoRA模型，比如某人的脸、某个姿势、某种画风、某种物体，等等。训练模型经常被大家戏称为“炼丹”，这个词既给我们带来了美好的期待，也体现了模型创作过程的不易。如同炼丹需要精心呵护，AI模型的训练也需要耐心和细致。然而，即使付出了辛勤的努力，最终的结果也未必能如人意。这是大家需要做好的心理准备。LoRA的原理网上已经有很多介绍，我就不说了。本文专门介绍在云环境怎么训练Lo
模型作为机器学习后的结晶，可以说是对绘图画面影响最大的因素之一，一款好的模型即使不写提示词，出的图都会比绞尽脑汁编写咒语出的图更精美。但当我们兴致勃勃的下载了一堆模型后，往往会被一堆看不懂的文件后缀给乱花了眼，为什么模型要划分这么多类型、不同模型间有什么区别、新手如何判断一款模型的好坏？今天我将带你深入学习StableDiffusion模型的类型、差异以及使用技巧，同时也能帮助你建立对开源模型的基础认知框架，全篇没有干货都是感情，快来看看吧～StableDiffusion学习指南系列文章：01 StableDiffusion学习指南【初识篇】02 StableDiffusion学习指南【安装篇
第一次运行stable-diffusion-webui出现了如下错误'(MaxRetryError("HTTPSConnectionPool(host='huggingface.co',port=443):Maxretriesexceededwithurl:/openai/clip-vit-large-patch14/resolve/main/vocab.json(CausedbyConnectTimeoutError(,'Connectiontohuggingface.cotimedout.(connecttimeout=10)'))"),'(RequestID:25f0a961-a00d-
AI画图，之前整理的AI换脸CSDN不给通过，说是换脸之类的不给通过，只能自己看了。GitHub：https://github.com/AUTOMATIC1111/stable-diffusion-webuihttps://github.com/AUTOMATIC1111/stable-diffusion-webui安装完毕跑起来大概长这样： 1.下载工程不管你是下载zip压缩包还是gitclone都行；下载完成之后，运行这个文件；过程中有可能会下载依赖模型，所有需要保持外边网络通畅2.汉化UI从网络安装：GitHub-VinsonLaro/stable-diffusion-webui-chi
目录1、QTModel/View框架简介1.1、QTModel/View是什么？1.2、QTModel/View框架核心思想1.3、Model/View框架工作机制1.4、Model/View框架的类2、Model2.1模型简介2.2、模型索引2.3、数据角色2.4、QStringListModel2.5、QFileSystemModel2.6、QSortFilterProxyModel3、View4、Delegate5、项选择模型5.1、QItemSelectionModel简介5.2、项选择模型使用VC++常用功能开发汇总（专栏文章列表，欢迎订阅，持续更新...）https://blog.
一、为什么要使用comfyui的api?对比webui的api，它有什么好处？1、自带队列2、支持websocket3、无需关心插件是否有开放api接口，只要插件在浏览器中可以正常使用，接口就一定可以使用4、开发人员只需关心绘图流程的搭建5、切换模型、进度查询soeasy6、轻松实现图片生成时的渐变效果7、支持中断绘图任务8、无需繁琐的base64图片转换其实我们之前一直都是用web-ui的api,最近web-ui被我们给废弃掉了，主要是因为comfyui基本上解决了webui做开发所有的弊端，首先列队的问题不用去管，它自己有列队，插件这块是最方便的，用上comfyui以后就不要去管插件是怎么
授权声明：本文基于九天Hector的原创课程资料创作，已获得其正式授权。原课程出处：九天Hector的B站主页，感谢九天Hector为学习者带来的宝贵知识。请尊重原创，转载或引用时，请标明来源。全文共8000余字，预计阅读时间约18~28分钟|满满干货(附代码案例)，建议收藏！本文目标：详解ChatCompletionModels的参数及应用实例，并基于该API实践如何构建本地知识库的问答系统代码&文件下载点这里一、介绍在OpenAI大模型生态中的文本模型包括了Completion模型和Chat模型，如果您还不清楚相关内容的话，强烈建议先阅读这两篇文章再学习本文OpenAI开发系列（三）：Op
文章目录背景开搞使用遇到的问题背景通过代码调用StableDiffusion的txt2img、img2img接口时，很多时候都不知道应该怎么传参，比如如何指定模型、如何开启并使用Controlnet、如何开启面部修复等等，在sd-webui上F12看到的请求也不是正式调用SD的请求，所以当引入新插件或需要使用新功能时，怎么传参成了一个大问题，网上关于接口传参的资料也很少，接下来就介绍一下，如何在每次通过sd-webui点击生成图片时，获取到完整的请求参数。开搞需要使用到开源的项目：https://github.com/huchenlei/sd-webui-api-payload-display
AI图像生成，已经进入了秒速级别，只要4步推理就能完成绘制，最快更是能在1秒之内完成。现在，清华大学联合HuggingFace的研究人员，推出了全新的绘图模型加速模块。作者给出的体验版当中，点击生成按钮后，模型只用了几秒钟就绘制出了4张清晰的图像。这个加速模块叫做LCM-LoRA，发布后不久就斩获了2k+次GitHub星标。它不仅加速能力强、泛化性能好，适配的模型也很广泛，SD系和LoRA模型都能用它来加速。团队基于LCM-LoRA自行优化的文生图模型已在HuggingFace上开放体验，图生图模型也推出了CoLab等版本。AI绘图工具迅速接入LCM-LoRA开源后不久，就有AI绘图工具厂商S
