草庐IT

faster-whisper-webui

全部标签

Windows10 AUTOMATIC1111 / stable-diffusion-webui 本地部署

Windows10AUTOMATIC1111/stable-diffusion-webui本地部署文章目录Windows10AUTOMATIC1111/stable-diffusion-webui本地部署前言一、前期准备1.Python2.git3.stable-diffusion-webui存储库4.模型5.必须文件二、部署步骤1.安装Python2.安装git3.stable-diffusion-webui存储库4.修改webui-user.bat文件5.放置模型及相关文件6.运行webui-user.bat三、可视化界面操作简介1.更改中文2.页面简要介绍3.通用提示词文末前言非常简单的

Windows10 AUTOMATIC1111 / stable-diffusion-webui 本地部署

Windows10AUTOMATIC1111/stable-diffusion-webui本地部署文章目录Windows10AUTOMATIC1111/stable-diffusion-webui本地部署前言一、前期准备1.Python2.git3.stable-diffusion-webui存储库4.模型5.必须文件二、部署步骤1.安装Python2.安装git3.stable-diffusion-webui存储库4.修改webui-user.bat文件5.放置模型及相关文件6.运行webui-user.bat三、可视化界面操作简介1.更改中文2.页面简要介绍3.通用提示词文末前言非常简单的

SD-WebUI 安装方案

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

openai的whisper语音识别介绍

openAI发布了chatgpt,光环一时无两。但是openAI不止有这一个项目,它的其他项目也非常值得我们去研究学习。今天说说这个whisper项目https://github.com/openai/whisperta是关于语音识别的。它提出了一种通过大规模的弱监督来实现的语音识别的方法。弱监督是指使用不完全或不准确的标签或注释来训练模型的方法。这种方法可以避免手动标注数据的费时费力,同时也可以利用更多的数据来提高模型的性能。在这个方法中,使用了大量的未标注语音数据和一些已标注的数据来训练一个深度学习模型。这个模型可以自动学习如何从语音信号中提取特征,并将其转换为文本。来看看官方的说明:(不

本地部署Stable Diffusion Webui AI 记录

StableDiffusionWebuiAI本地部署基本分为两种方式:1、使用大佬的打包好的安装包一键部署b站秋葉aaaki2、手动部署(个人实践记录)参考文章本地部署基本要求1、需要拥有NVIDIA显卡,GTX1060(或者同等算力的N卡)以上,显存4G以上。2、操作系统需要win10或者win11的系统。3、内存16G或者以上,至少有一个128G以上的SSD固态硬盘。4、会使用科学上网。5、我的配置:CPUR55600H,显卡:GTX1650,4G显存,内存16G部署算法环境简单来说就是创建python3.10.6环境+git拉取webUI项目+下载CUDA+下载AI模型+运行项目一、创建

python - 使用 Fast/Faster-RCNN 在 C++ 上制作对象检测器的最简单方法是什么?

在C++上使用Fast/Faster-RCNN和Caffe制作对象检测器的最简单方法是什么?众所周知,我们可以在Caffe中使用followRCNN(基于区域的卷积神经网络):RCNN:https://github.com/BVLC/caffe/blob/be163be0ea5befada208dbf0db29e6fa5811dc86/python/caffe/detector.py#L174快速RCNN:https://github.com/rbgirshick/fast-rcnn/blob/master/tools/demo.py#L89scores,boxes=im_detect

python - 使用 Fast/Faster-RCNN 在 C++ 上制作对象检测器的最简单方法是什么?

在C++上使用Fast/Faster-RCNN和Caffe制作对象检测器的最简单方法是什么?众所周知,我们可以在Caffe中使用followRCNN(基于区域的卷积神经网络):RCNN:https://github.com/BVLC/caffe/blob/be163be0ea5befada208dbf0db29e6fa5811dc86/python/caffe/detector.py#L174快速RCNN:https://github.com/rbgirshick/fast-rcnn/blob/master/tools/demo.py#L89scores,boxes=im_detect

使用stable diffusion webui在本地搭建中文的AI绘图模型

❤️觉得内容不错的话,欢迎点赞收藏加关注😊😊😊,后续会继续输入更多优质内容❤️👉有问题欢迎大家加关注私戳或者评论(包括但不限于NLP算法相关,linux学习相关,读研读博相关......)👈使用stablediffusionwebui在本地搭建中文的AI绘图模型最近一段时间大火的AI绘画引起了各界人士的关注,但是stablediffusion开源的都是英文的模型,本文参考封神榜团队开源的太乙模型以及相关代码,利用stablediffusionwebui搭建一个中文的AI绘图模型,在本地实现AI绘画。如下就是使用AI作画绘制的图形。想体验的可以通过下面的链接进行体验(想更好地体验建议参考第三章指

使用stable diffusion webui在本地搭建中文的AI绘图模型

❤️觉得内容不错的话,欢迎点赞收藏加关注😊😊😊,后续会继续输入更多优质内容❤️👉有问题欢迎大家加关注私戳或者评论(包括但不限于NLP算法相关,linux学习相关,读研读博相关......)👈使用stablediffusionwebui在本地搭建中文的AI绘图模型最近一段时间大火的AI绘画引起了各界人士的关注,但是stablediffusion开源的都是英文的模型,本文参考封神榜团队开源的太乙模型以及相关代码,利用stablediffusionwebui搭建一个中文的AI绘图模型,在本地实现AI绘画。如下就是使用AI作画绘制的图形。想体验的可以通过下面的链接进行体验(想更好地体验建议参考第三章指

优化UnRaid容器的WebUI端口设置实现应用快捷访问的方法

文章目录前言详细流程前言自从入了UnRaid的坑,发现Docker真是个好东西,各种各样的应用工具层出不穷,可以大大提高生产效率。然而在安装Docker应用后,对于如何方便的访问该应用,各个应用服务提供者给出的解决方案不是完全一样,有的按其默认模板安装后啥子也没有,需要自行复制地址访问,很不人性化。有没有什么好的方法,在安装容器后自动生成访问地址快捷菜单,一劳永逸的解决此痛点呢?经过我的不断摸索总结,终于搞明白了其设置方法。不敢独享,在此与大家分享【大佬绕过哈…】。详细流程假设UnRaid宿主机IP为192.168.111.111;假设容器端口为80;假设容器映射到UnRaid宿主机的端口为2