本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。StableDiffusion插件、“AI绘画细节控制大师”ControlNet迎来重磅更新：只需使用文本提示词，就能在保持图像主体特征的前提下，任意修改图像细节。比如给美女从头发到衣服都换身造型，表情更亲和一点：抑或是让模特从甜美邻家女孩切换到高冷御姐，身体和头部的朝向、背景都换个花样儿：——不管细节怎么修改，原图的“灵魂”都还在。除了这种风格，动漫类型的它也能驾驭得恰到好处：来自推特的AI设计博主@sundyme就称：效果比想象得要好！只需要一张参考图就能完成以上转变，部分图片几乎可以达到定制大模型的效果了。咳咳，

chatgpt免费体验入口网址：http://chat.xutongbao.top一、教chatgpt写提示词StableDiffusion是一款利用深度学习的文生图模型，支持通过使用提示词来产生新的图像，描述要包含或省略的元素。我在这里引入StableDiffusion算法中的Prompt概念，又被称为提示符。下面的prompt是用来指导AI绘画模型创作图像的。它们包含了图像的各种细节，如人物的外观、背景、颜色和光线效果，以及图像的主题和风格。这些prompt的格式经常包含括号内的加权数字，用于指定某些细节的重要性或强调。例如，"(masterpiece:1.5)"表示作品质量是非常重要的，

目录一、下载腾讯的词向量二、停用词三、代码部分    3.1、代码思想四、输出结果        本文主要是将句子分词转向量，再加总词向量求平均变为句子向量。接着再存储到faiss中。等待新句子到来，同样按照上述方法处理。达到在faiss能检索出相似的向量。一、下载腾讯的词向量    下载后放到一个地方，待会代码部分需要使用。下载地址：  EmbeddingDataset--NLPCenter,TencentAILab    二、停用词   可以上网查找一些停用词表，或者自己定义一个stop_words.txt。同样代码部分需要使用。          三、代码部分    3.1、代码思想  

目录一、说明二、安装环境三、Guidelines准则一：写出明确而具体的说明方法1：使用分隔符清楚地表示输入的不同部分方法2：用结构化输出：如直接要求它以HTML或者JSON格式输出方法3：请模型检查是否满足条件方法4：Prompt中包含少量样本准则二：给模型一些思考的时间方法1：指定完成任务所需的步骤方法2：指示模型在匆忙得出结论之前制定出自己的解决方案四、模型的限制一、说明这是吴恩达《ChatGPTPromptEngineeringforDevelopers》的课程笔记系列。本文是第二讲的内容：Guidelines课程主讲：AndrewNg，IsaFulfordIsaFulford也是《O

在Elasticsearch的词分析中，normalizer与analyzer类似，只是它们只能发出一个token。因此，它们没有tokenizer，只接受可用charfilters和tokenfilters的子集。只允许使用基于每个字符的过滤器。例如，允许使用lowercase过滤器，但不允许使用stemmingfilter（词干过滤器），它需要将关键字视为一个整体。当前可以在规范化器中使用的过滤器列表如下：arabic_normalization、asciifolding、bengali_normalization、cjk_width、decimal_digit、elision、germa

一般哈希表都是用来快速判断一个元素是否出现集合里第一次看哈希表有点懵有效的字母异位思路第一串字符先统计个数，第二串字符再减个数，最后看看是不是0.思路很新奇。注意使用数组来做哈希的题目，是因为题目都限制了数值的大小。两个数组的交集代码注释unordered_set中查找元素find()：返回一个迭代器，如果没有找到返回容器结束迭代器使用unordered_set可以对列表元素去重高级循环结构：for(inti:num)设置哈希列表：hash[1005]=0快乐数比较好玩的是这个结果只有两种，一种是收敛到1，另一个是循环起来，不可能是到无穷大，因为三位数最大就是999算出来就是234，所以它一定

词云图制作python练了一段时间的词云图，就来和大家讲讲词云图制作的详细过程。效果图工具准备1、python32、安装第三方库wordcloud3、安装numpy、pillow库。4、安装jieba库5、安装matplotlib库fromwordcloudimportWordCloudimportnumpyasnpfromPILimportImagefrommatplotlibimportcolorsimportcollections#这些都是需要使用的库安装方法：我大多是借助pycharm中的setting直接安装。但是也有安装失败的，大家可以自行“c一下”代码展示#-*-coding:u

词云图制作python练了一段时间的词云图，就来和大家讲讲词云图制作的详细过程。效果图工具准备1、python32、安装第三方库wordcloud3、安装numpy、pillow库。4、安装jieba库5、安装matplotlib库fromwordcloudimportWordCloudimportnumpyasnpfromPILimportImagefrommatplotlibimportcolorsimportcollections#这些都是需要使用的库安装方法：我大多是借助pycharm中的setting直接安装。但是也有安装失败的，大家可以自行“c一下”代码展示#-*-coding:u

文章目录（零）前言（一）提示词翻译（PromptTranslator）（1.1）尚需改进（零）前言本篇主要提到了WEBUI的提示词翻译插件，之前我说不喜欢联网的插件，而它是离线翻译。更多不断丰富的内容参考：🔗《继续Stable-DiffusionWEBUI方方面面研究(内容索引)》（一）提示词翻译（PromptTranslator）参考：https://github.com/ParisNeo/prompt_translator💡不用联网/离线翻译😄它采用的是谷歌语言模型，可以将多国语言（50多种）翻译成英文。之所以单独介绍，是因为它不需要联网去接入什么百度，申请API。PS：但第一次使用需要自

我有一个像这样的正则表达式:findthe=re.compile(r"the")replacement=["firstthe","secondthe"]sentence="Thisisthefirstsentenceinthewholeuniverse!"我想做的是用列表中的关联替换词替换每个出现的地方，这样结尾的句子看起来像这样:>>>printsentenceThisisfirstthefirstsentenceinsecondthewholeuniverse我尝试在for循环中使用re.sub来枚举替换，但它看起来像re.sub返回所有出现的地方。谁能告诉我如何有效地做到这一点？