系列文章目录stablediffusion实践操作stablediffusion实践操作-webUI教程提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、右上生成图标附近按钮介绍1.箭头介绍（复现别人的作品）1.1这个参数是我们学习大神咒语最常用的一个按钮。1.2当我们下载了非常好的模型案例后使用1.3复制参数并粘贴到提示词框中1.5生成结果1.6C站图片拖进来就可以跟上面一致了（除了参数）2清空按钮3显示其它网络4预设样式4.1保存4.2查看4.3使用2.查看以及打包我们生成的所有图片1.查看2.打包我们生成的图片总结前言本章主要介绍webUI界面中

今天说一个流程化出图的案例，适用很多方面。1、得到线稿，自己画或者图生图加线稿lora出线稿；如果想sd出图调整参数不那么频繁细致，则线稿的素描关系、层次、精深要表现出来，表现清楚。2、文生图，seed随机，线稿图作为controlnet上传模式图，控制sd出图，模型一般选canny或lineart（两者权重一般大于等于1），目前觉得canny出黄金材质效果好，当然前提是选对出图大模型，是3D类还是2D类效果好，可以xyz表测试。3、得到满意的图，发送图生图，再次线稿上传controlnet，模型还是上面那两个，注意记得右下角点击向上箭头按钮，将图片分辨率发送给图生图，否则容易出现出图分辨率和

一、概述        本章是《StableDiffusion从入门到企业级实战》系列的第四部分能力进阶篇《StableDiffusionControlNetv1.1图像精准控制》第02节，利用StableDiffusionControlNetOpenpose模型精准控制图像生成。上一节，我们介绍了《StableDiffusionControlNetInpaint模型精准控制》，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：二、定义ControlNetv1.1共提供了14个功能模型，每一个模型对应一个适用的业务场景，具体的模型信息如下图所示：本文介绍的是C

一、谷歌云介绍什么是Colab？借助Colaboratory（简称Colab），您可在浏览器中编写和执行Python代码，并且：无需任何配置免费使用GPU轻松共享无论您是一名学生、数据科学家还是 AI研究员，Colab都能够帮助您更轻松地完成工作。您可以观看 Colab简介了解详情，或查看下面的入门指南！免费！免费！还是免费！本地训练不了的让它来，电脑配置不行的让它来，什么YOLO，什么ChatGPT交给它就好了，很多github的多星项目都支持部署在Colab。免费版每次会随机分配一个虚拟电脑。缺点是免费版不能长时间连接，另外谷歌的服务需要稳定的合理上网二、部署stablediffusion

系列文章目录文章目录系列文章目录前言一、安装ElementUIPlus二、实现虚拟滚动的Select下拉框1.导入ElementUIPlus组件2.启用虚拟滚动总结前言在Vue3项目中，当下拉框中的选项过多时，使用虚拟滚动可以提升性能和用户体验。本文将介绍如何使用Vue3和ElementUIPlus（el-select-plus）组件实现Select下拉框的虚拟滚动效果，并提供详细的代码示例。一、安装ElementUIPlus首先，确保你已经安装了ElementUIPlus，它是ElementUI的扩展版本，支持更多功能，包括虚拟滚动。如果没有安装，可以使用以下命令安装：npminstalle

前言在ElementPlus组件库中，使用dropdown下拉菜单时鼠标点击或移入时周围出现黑色边框问题。本文实现了vue3+elementplus项目开发中，隐藏下拉菜单el-dropdown-menu/el-dropdown-item周围的边框，如下图所示，当鼠标移入（hover）和点击时就会围绕一圈黑色边框，但通过本文的方案100%完美解决。解决方案按照下方教程，完美解决此问

几个使用StableDiffusionXL1.0生成的图像示例。新的SDXL1.0发布允许在本地计算机上运行的高分辨率人工智能图像合成。周三，StabilityAI发布了其下一代开源权重人工智能图像合成模型StableDiffusionXL1.0（SDXL）。它可以根据文本描述生成新颖的图像，并生成比之前版本的StableDiffusion更多细节和更高分辨率的图像。就像稳定扩散1.4版一样，在去年8月份发布开源版本后引起轰动一样，任何具备适当硬件和技术知识的人都可以免费下载SDXL文件并在自己的机器上本地运行该模型。本地操作意味着不需要支付访问SDXL模型的费用，几乎没有审查问题，未来业余爱

StableDiffusion模型什么是StableDiffusion模型一般而言，扩散是在图像中反复添加小且随机的噪声。与之相反，StableDiffusion模型是一种将噪声生成为图像的机器学习模型。经过训练，它可逐步对随机高斯噪声进行去噪以获得感兴趣的样本，如无条件图片生成(unconditionalimagesynthesis)、图片修复(inpainting)、图片超分(super-resolution)、类别条件图片生成(class-condition)、文图生成(text-to-image)、布局条件图片生成(layout-to-image)等。训练的神经网络通常为U-Net。扩

1环境准备1.1python安装Python3.10.6Python3.10的安装方法（Windows10版本）_python3.10.10_ckirt的博客-CSDN博客1.2cuda安装详细参见：Windows环境关于CUDA+CUDNN的安装教程_windows安装cuda和cudnn_不知名高校研究生的博客-CSDN博客2下载stabledifussion从github来取最新的SD仓库代码到本地gitclonehttps://github.com/AUTOMATIC1111/stable-diffusion-webui.git3模型文件下载下载权重文件sd-v1-4.ckpthttp

配置PostgreSQL+Mybatis-Plus父工程导入dependency>groupId>org.mybatis.spring.bootgroupId>artifactId>mybatis-spring-boot-starterartifactId>version>${spring-boot.mybatis}version>dependency>dependency>groupId>com.baomidougroupId>artifactId>mybatis-plus-boot-starterartifactId>version>${mybatis-plus.version}versi