尝试本地部署StableDiffusion的时候遇到了很多的麻烦，自己训练AI也非常的麻烦，可以尝试使用Webui使用别人上传的模型第一步进入网站https://github.com/camenduru/stable-diffusion-webui-colab向下拉到readme第一个stable_diffusion_webui_colab，点击左边OpeninColab的图标跳转到GoogleColab的网站，这一步需要谷歌账号注册，方法可以参见我的上一篇文章http://t.csdn.cn/BV9Ya点击上方任务栏中的“代码执行程序”点击更改运行时类型选择GPU保存之后，点击“代码执行程序

尝试本地部署StableDiffusion的时候遇到了很多的麻烦，自己训练AI也非常的麻烦，可以尝试使用Webui使用别人上传的模型第一步进入网站https://github.com/camenduru/stable-diffusion-webui-colab向下拉到readme第一个stable_diffusion_webui_colab，点击左边OpeninColab的图标跳转到GoogleColab的网站，这一步需要谷歌账号注册，方法可以参见我的上一篇文章http://t.csdn.cn/BV9Ya点击上方任务栏中的“代码执行程序”点击更改运行时类型选择GPU保存之后，点击“代码执行程序

文章目录（零）前言（一）基础模型（Stable-Diffusion模型）（1.1）ChilloutMix（仿真）（1.2）BasilMix（仿真）（1.3）BeautyProMix（仿真）（1.4）ChikMix（仿真）（1.5）Dalcefo_Realistic_Tally_v3（仿真）（1.6）Dreamlike-photoreal-2.0（仿真）（1.7）MajicMixRealistic_v4（仿真）（1.8）Realdosmix（仿真）（1.9）RealMax_V34（仿真）（1.10）URPM_v13（仿真）（1.11）国风（2.5D）（1.12）Anythingv5（2D卡通）（

文章目录一、前言二、功能介绍2.1功能一2.2功能二2.3其他有趣的功能三、总结一、前言用Midjourney花一个小时做的项目logo图：解释一下logo的含义：一只坐在地上的马赛克风格的熊。坐在地面上是因为ground有地面的含义，然后分割后的图片可以认为是一种马赛克风格，而且马赛克谐音mask，之所以用熊作为logo主体，是因为项目主要示例的图片是熊。Grounded-SAM把SAM和BLIP、StableDiffusion集成在一起，将图片「分割」、「检测」和「生成」三种能力合一，成为最强Zero-Shot视觉应用。二、功能介绍项目体验的地址为：https://github.com/I

1）实验平台：正点原子MPSoC开发板2）平台购买地址：https://detail.tmall.com/item.htm?id=6924508746703）全套实验源码+手册+视频下载地址：http://www.openedv.com/thread-340252-1-1.html第十四章SD卡读写TXT文本实验SD存储卡是一种基于半导体快闪记忆器的记忆设备。它具有体积小、传输速度快、支持热插拔等优点，在便携式装置领域得到了广泛的应用，如手机、多媒体播放器等。本章我们将使用MPSOC开发板学习如何对SD卡（这里特指MicroSD卡，即TF卡）进行TXT文本的读写操作。本章包括以下几个部分：14

https://stable-diffusion-art.com/how-to-come-up-with-good-prompts-for-ai-image-generation/https://stable-diffusion-art.com/how-to-come-up-with-good-prompts-for-ai-image-generation/提示词快速入门|StableDiffusionWebUI使用手冊(简体中文)｜Ivon的部落格这节教学StableDiffusion的提示词(prompt)写法，并附上范例。非AUTOMATIC1111开发的StableDiffusion也

SegmentAnything摘要体验地址论文地址代码地址这篇文章最近有点火，已经有1万多star了大规模数据集（超过10亿个mask）可以做zero-shot任务引言作者问了三个问题：图像分割成功取决于三个组成部分:任务、模型和数据。本文解决了以下关于图像分割的问题:什么任务可以实现零zero-shot泛化?相应的模型架构是什么?什么样的数据可以支持这个任务和模型任务在NLP和最近的计算机视觉中，基础模型是一个有前途的发展，它可以通过使用“提示”技术对新数据集和任务执行零次和少次学习。受此工作的启发，我们提出了可提示分割任务，其目标是在给定任何分割提示时返回有效的分割掩码（上图a）。提示符简

我在使用subprocess模块获取崩溃程序的输出时遇到问题。我正在使用python2.7和subprocess调用带有奇怪参数的程序以获得一些段错误为了调用程序，我使用以下代码:proc=(subprocess.Popen(called,stdout=subprocess.PIPE,stderr=subprocess.PIPE))out,err=proc.communicate()printout,err被调用的是一个包含程序名称和参数的列表(一个包含随机字节的字符串，除了子进程根本不喜欢的NULL字节)当程序没有崩溃时，代码会运行并向我显示stdout和stderr，但是当它确实崩

我在使用subprocess模块获取崩溃程序的输出时遇到问题。我正在使用python2.7和subprocess调用带有奇怪参数的程序以获得一些段错误为了调用程序，我使用以下代码:proc=(subprocess.Popen(called,stdout=subprocess.PIPE,stderr=subprocess.PIPE))out,err=proc.communicate()printout,err被调用的是一个包含程序名称和参数的列表(一个包含随机字节的字符串，除了子进程根本不喜欢的NULL字节)当程序没有崩溃时，代码会运行并向我显示stdout和stderr，但是当它确实崩

介绍使用MetaAI的SAM，并添加了一个基本界面来标记图像，并保存COCO格式的掩码。源码https://github.com/anuragxel/salt安装安装SAM；创建conda虚拟环境，使用condaenvcreate-fenvironment.yaml;安装coco-viewer来快速可视化标注结果。使用方法1、将图片放入到/images/*并且创建空目录/embeddings标签会自动保存在/annotations.json2、运行helpers脚本运行extract_embeddings.py来提取图像的中间特征运行generate_onnx.py来生成*.onnx文件，保存