一、简介facechain人物写真应用自8月11日开源了第一版证件照生成后。目前在github（https://github.com/modelscope/facechain）上已有近6K的star，论文链接：FaceChain: A Playground for Identity-Preserving Portrait Generation：https://arxiv.org/abs/2308.14256。facechain社区非常活跃，fork、commit数都很大，相应截图如下：facechain人物写真主要功能如下图所示，同时支持单人、多人写真功能，也可支持上传自炼的人物写真lora风
StableDiffusionWebUI无法打开，一直显示Loading或载入中，最后无响应直接崩溃卡死（您可以等待该页面恢复响应，也可以退出该页面）或能打开但非常缓慢，点击需要很久才有反应⚙️1.软件环境⚙️🔍2.问题描述🔍🐡3.解决方法🐡🤔4.结果预览🤔⚙️1.软件环境⚙️Windows10教育版64位Python3.10.6Chrome版本119.0.6045.199（正式版本）（64位）Edge119.0.2151.72(正式版本)(64位)StableDiffusionWebUI1.6.0🔍2.问题描述🔍StableDiffusionWebUI在自动打开以及输入本地地址后，一直显示L
ControlNet是一种通过添加额外条件来控制扩散模型的神经网络结构。sd-webui-controlnet下载地址：GitHub-Mikubill/sd-webui-controlnet:WebUIextensionforControlNetWebUIextensionforControlNet.ContributetoMikubill/sd-webui-controlnetdevelopmentbycreatinganaccountonGitHub.https://github.com/Mikubill/sd-webui-controlnet安装ControlNet插件打开WebUI界面
先放两张自己画的图片镇楼。什么是StableDiffusionWebuiStableDiffusionWebUI是StableDiffusion的浏览器界面，StableDiffusion是一种AI模型，可以根据文本提示生成图像或用文本提示修改现有图像。StableDiffusionWebUI是探索StableDiffusion可能性的好方法，只需点击几下即可创建令人惊叹的图像。内容来自官网还是大白话翻译一下，就用这玩意，你就能抛弃GPT4，抛弃Mj（当然实际效果很大可能不如Mj......）,在本地实现AI绘画！部署前提条件虽然咱教程的目标是让所有人都能用上StableDif
上一篇用MindStudio转换完om模型，就可以在板卡里进行推理验证了。SDK里有相关推理的demo，只要om模型转换没有遇到问题，是可以做推理验证。首先SDK里推理验证方式有两种，一个是用H264实时视频流的方式，还有一种是通过图片的方式。 H264方式需要准备好FFMPEG，通过本地视频转换成H264视频流推给板卡。用下面指令就可以。ffmpeg的安装使用就不在这里介绍了。ffmpeg-itest.avi-vcodeccopytest.h264第二种方式，是需要将本地图片转换一下，给的例子是将.jpg图像转换成.bin文件。提供了python方式。importosimportnumpy
文章目录在学校服务器部署StableDiffusionWebui（一）准备工作（二）环境配置（三）git拉取项目到本地（四）运行项目遇到的问题：（一）使用gitclone时，Failedtoconnectto127.0.0.1port7890（二）使用gitclone时，出现RPCfailed（三）RuntimeError:Couldn’tinstallopen_clip（四）Couldn'tcheckout{name}'shash:{commithash}.（五）Failurewhenreceivingdatafromthepeer（六）OpenSSLSSL_read:SSL_ERROR_S
目录一、4位SD总线模式二、1位SD总线模式三、HSPI总线模式四、VSPI总线模式五、关于SD卡开发板：NodeMCU32s（v1.3）SD卡读写模块：SDIO/SPI二合一SD卡：闪迪32GB（TF卡，实际29.7GB）/Kingston32G(TF卡，实际29.1GB)开发框架：ArduinoEsp32可以通过SDMMC和SPI两种方式读取SD/TF卡数据。SDMMC分为1位SD总线模式和4位SD总线模式Esp32上有4组SPI外设，其中，控制器SPI2和SPI3分别使用带前缀HSPI和VSPI的信号总线。注意：在程序下载前，需要断开SD卡供电，否则会出现报错。【VSPI除外】SD卡在复
最近看到很多很精美的AI图片，也想体验下，正好我有台2vCPU和2G内存轻量云服务器，但是不想再额外买GPU，就想着用CPU模式自己部署，部署经过摸索能顺利完成，但是加载模型已经很吃力，老是提示没有足够内存。本过程主要是用来记录部署的详细过程,仅针对于CPU跑Stable-diffusion-webui。1、机器配置要求机器的配置要求主要是针对CPU模式云部署Stable-diffusion-webui。CPU：任何现代AMD或IntelCPU。内存：至少8G内存。存储：这个其实影响不大。显卡： 不影响。系统： centos。2、配置Python环境2.1Miniconda3安装Minicon
本文主要介绍StableDiffusionWebUI的实际操作方法，涵盖prompt推导、lora模型、vae模型和controlNet应用等内容，并给出了可操作的文生图、图生图实战示例。适合对StableDiffusion感兴趣，但又对StableDiffusionWebUI使用感到困惑的同学。前面分享了两篇文章：十分钟读懂StableDiffusion运行原理和一文教会你学会AI绘画利器StableDiffusion，喜欢的可以阅读一下本文希望能够降低大家对StableDiffusionWebUI的学习成本，更快速的体验到AIGC图像生成的魅力。喜欢记得收藏、关注、点赞。文章目录用通俗易懂
#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
