一、安装GPU驱动1.1购买云服务器在腾讯云选购一台GPU型的服务器（最好的境外的，境外的服务器后面关于镜像加速的步骤都可以跳过）购买成功之后腾讯的站内信会发送初始的密码给你，登录成功后会自动帮我们安装相关的驱动，提示整个过程大概需要20分钟，我这里大概5分钟就下完了。ThisscriptwilldownloadandinstalltheGPUdriver,CUDA,CUDNNlibraryautomatically安装完成之后//将CUDA的bin目录添加到PATH环境变量中echo'exportPATH=/usr/local/cuda/bin${PATH:+:${PATH}}'>>~/.b

很久没有写公众号了，一方面忙，另一方面也不知道写些什么内容，大家如果有想了解的（前提是我也懂），可以后台发送给我。今天主要来测试一下SPI读写SD卡的速度。SD卡是一个嵌入式中非常常用的外设，可以用于存储一些大容量的数据。但用单片机读写SD卡速度一般都有限（对于高速SD卡，主要是受限于单片机本身的接口速度），在高速、实时数据存储时可能会有影响。但具体速度可以达到多少呢，今天就来实际测试一下。SD卡一般有两种常用的接口SPI和SDIO，SDIO又有1线和4线之分。很多单片机没有SDIO接口，但SPI接口就比较常用，今天主要来测试一下SPI接口读写SD卡的速度，主要是写入速度。     测试条件：

随着企业数字化转型的不断发展，商业和业务的运行模式也不断改变，企业对网络的速度、安全、智能、协同性、经济性等方面的要求越来越高。传统的接入设备采用封闭架构，功能扩展性有限，难以满足业务发展的要求。太平洋电信新一代SD-WAN集路由、交换、VPN、QoS、安全、应用识别以及边缘计算等多种功能于一体,可以部署在X86与ARM架构的硬件平台，也可部署在私有云、公有云环境中。支持零接触部署，可视化管理等，可以促进企业将传统广域网改造成基于SD-WAN的敏捷IT架构，提高企业运营与管理的效率，并支持企业定制化方案，促进企业数字化转型。太平洋电信的优势1.CPE部署采用数字证书认证体系，真正实现安全的ZT

        在ubuntu中编译很多库，尤其是很大的一些中间件，常常会c++:internalcompilererror:Segmentationfault(programcc1plus)这个错误，看到这个错误，很多人一搜索，大部分都是告诉你内存不足，很多人应该增加了虚拟内存后都没有解决。   由于我也踩到了这个坑，所以这里分享容易被大家忽略的一种可能解决办法。   本人是在编译Cartographer时，TX1硬件核心，官方ubuntu18.04系统，遇到这个问题，增加虚拟内存，甚至观察编译失败前的内存情况，基本都没有使用到虚拟内存也会失败，所以我人为并不是内存问题，应该是有其它没有注意

关于sd，我自己也是新手，就简单记录一下首先是项目地址，https://github.com/AUTOMATIC1111/stable-diffusion-webui然后关于这个webui的使用教程，找到一个博客，但是需要科技才能上。 欢迎|StableDiffusionWebUI使用手冊(简体中文)｜Ivon的部落格(ivonblog.com)在部署方面，也是查了很多博客，我这边是部署在autodl服务器上，安装的时候，碰到第一个问题，root用户下不能安装，但是如果新建一个用户的话，又没有python，两难。后来看了下webui.sh中有关于root的注释，其中有一段，注释掉后就不会报错了

 Datawhale干货 作者：崔腾松，Datawhale成员前言Meta开源万物可分割AI模型：segmentanythingmodel(SAM)。本文列举了一些资料，并从SAM的功能介绍、数据集、数据标注、图像分割方法介绍，研发思路以及对未来的展望来展开详细介绍。并综合了一些评价谈论，放眼当下和展望未来，给出了一些个人的想法和看法。资料论文地址1：https://arxiv.org/abs/2304.02643论文地址2：https://ai.facebook.com/research/publications/segment-anything/项目地址：https://github.co

 Datawhale干货 作者：崔腾松，Datawhale成员前言Meta开源万物可分割AI模型：segmentanythingmodel(SAM)。本文列举了一些资料，并从SAM的功能介绍、数据集、数据标注、图像分割方法介绍，研发思路以及对未来的展望来展开详细介绍。并综合了一些评价谈论，放眼当下和展望未来，给出了一些个人的想法和看法。资料论文地址1：https://arxiv.org/abs/2304.02643论文地址2：https://ai.facebook.com/research/publications/segment-anything/项目地址：https://github.co

文章目录ControlNetAPI构建请求参数ControlNetUI布局上传图片控制ControlNet开关LowVRAM&PixelPerfect预处理/Preprocessor模型/Model控制权重/ControlWeight启动控制的步数/StartingControlStep结束控制的步数/EndingControlStep控制模式/ControlMode缩放模式/ResizeMode最终效果代码仓库ControlNetAPI旧的ControlNet

前言从去年年底，nlp领域出现了大模型一统天下的局面，而在cv领域，美国社交媒体扛把子公司meta也推出了在图像分割领域的大模型——segment-anything，简称SAM。看名字就知道了，这个模型就是啥都可以分割，具体可以看看人官网推出的demo，效果那是相当惊艳。其实SAM的提出还是想解决零样本学习的问题，就和nlp领域一样，构建chatGPT这种基座大模型，使其在绝大部分场景下分割效果足够惊艳，在其他没有学习过的场景下也能够达到一定的效果。基于这个想法，作者首先提取一个分割大数据集，SA-1B，由数据引擎收集的1100万张多样化、高分辨率、许可和隐私保护图像和11亿高质量分割掩码组成

问题描述在用webui转换游戏图标的风格时，使用controlnet固定图标样式，运行报错：RuntimeError:mat1andmat2shapescannotbemultiplied(154x1024and768x320)，报错说的是pytorch在进行矩阵乘法运算时，第一个矩阵的行数与第二矩阵的列数不相等，无法作乘法。解决方法一头雾水，查了github，google,百度都未找到解决方法，为了后续人少踩坑，把写问题记一下。当更换当前大模型后，再用同样的参数画图，然后就没报错了。所以，解决方法是：更换大模型！声明：不一定对，仅供参考，不喜勿喷。