-
Stable Diffusion生成功能教程
这次教程是怎样使用Stable Diffusion生成想要的图片效果：1、TAG基本操作，加权{{1girl}}和减权[[1girl]]，括号内部的TAG数量和嵌套是没有限制，这个内容也是非常基本内容，但是把tag复制几份也是可以起到了加权重tag的效果，而权重越大的tag，那么生成图片过程中就会越容易出现这个元素。另外在操作界面的重要哦功能说明，第5个选项是保存tag，是可以直接在下面的Styles列表找到加载，第4个选项是把选中的Styles在以tag的形式复制回去，第3个选项在接下面的教程内容有说明，剩余的功能都是基本功能。2、模型、Lora的下载和使用教程说明：一般常用的模型下载网站：https://civitai.com/（国外网站！！） 大可以根据在模型下载网站/civitai的页面右侧的列表就可以区分开模型的类型了。lora：是放在/st...
2023-05-16 -
深度真人lora模型训练建议
1、训练总数：建议50张图片数据集深度训练15000次左右，更大数据集可以用Dadaptation优化器测试最佳总步数。2、训练轮次：建议10-15次预设，每个图片建议单轮训练20-30次。3、训练分辨率：建议是768x1024，可以根据电脑显存来进行调整。4、训练源模型：建议chilloutmix_Niprundefp32fix，1.5模型。5、Text Encoder learning rate （文本编码器学习率）：主要影响了鲁棒性，乏化性和拟合度，过低不利于更换特征。6、Unet learning rate（Unet学习率）：主要是影响了模型像与不像，影响了lost率和拟合度，不拟合加大，过拟合减小。7、文本编码器学习率和Unet学习率的关系：没有必然的1/5~~1/10倍率关系、庞大数据集下Unet甚至可以低过text。8、Network Rank（dimension）（网络大小...
2023-05-16 -
Stable Diffusion SD使用详细教程
1、首先打开杏霖云网站，注册登陆账号后，并选择合适的GPU机型然后点击开始使用：2、杏霖云平台是已经安装好镜像，用户可以直接选择所需的镜像就可以了，这里我们选择是Stable Diffusion。3、选择好镜像，点击立即创建：4、创建后，会进入我的实例页面，会进去系统配置状态，稍等下就可以了点击前往工作区：5、前往工作区后，就进去操作系统了：6、输入：cd stable-diffusion-webui/ 会出现如下界面：7、再输入：python launch.py --share --enable-insecure-extension-access8、输入后会跳转到下面界面，稍等1-2分钟会出现类似下面圈着地方链接，然后复制链接，在本地浏览器打开链接就可以了。9、打开链接后，就可以进去SD操作界面了。选择所需模型就可以进行AI绘图了。10、简单介绍下Stable D...
2023-05-11 -
42 个人工智能机器学习数据集推荐！
2022 年，人工智能早已成为各行各业科技转型最受关注的“顶流”。然而实际情况是：大多数 AI 项目由于种种因素最终无法实现成功部署。这其中一个重要因素就是数据质量低或数据不足。在本文中，我们收集了现有的 42 个高质量机器学习数据存储库和数据集，并按照项目类型和行业对它们进行了分类。点击相应的文字链接即可一键 get，马上抱走并分享给小伙伴们吧！01 数据存储库 / Data Repositories Kaggle是规模最大的在线数据集存储库之一，涵盖体育、医学和政府等一系列主题。它的平台由社区主导，这意味着用户可以上传自己的数据集。鉴于 Kaggle 的数据来源多种多样，彻底检查您取自其中的数据集的质量非常重要。此外，Kaggle 还提供关于机器学习主题的讨论以及关于关键流程的教程。Google数据集Google 提供一个数据集搜索引擎，您可以在其中按名称搜索数据集。该引擎允许您按多种...
2023-01-03 -
十大靠谱“计算机视觉数据集”榜单
在如今的人工智能和机器学习领域中，计算机视觉（CV）无疑是最热门的一大分支。在自动驾驶、社交媒体面部识别、医学影像分析、家居安防系统、生产流程质量管控等各行各业的场景中，CV 的应用都在致力于改善人们的生活并推进科学技术的研究。训练高质量的 CV 算法是一个时间和数据密集型的工程。这使得 CV 的部署往往面临训练数据不足的挑战。预标注 CV 数据集或许是一个高性价比的解决方案。小编搜罗了全网各种类型场景的开源/可购买数据集，整理了这份“十大最佳 CV 数据集榜单”，点击文字链接即可 get√，赶快点赞收藏起来吧！最适合无偏见数据：ObjectNet预标注 CV 数据集的主要问题之一是偏见，这是由于许多数据集的来源均使用从互联网上抓取的不完整图像。与传统数据集不同，由 MIT-IBM Watson AI Lab 开发的 ObjectNet 不是从现有来源挑选照片，而是将图片进行人工众包及审核...
2023-01-03
