AI绘语 jianquan310
专注分享stablediffusion教程
关注数: 6 粉丝数: 228 发帖数: 878 关注贴吧数: 17
SD webui——A1111 V1.5.0版本发布,加入了对SDXL的支持! 最重要的更新就是能够在A1111上使用SDXL了 更多更新内容可以看下,由gpt翻译,原文请上github 主要更新内容: · 支持SD XL · 用户元数据系统,用于自定义网络 · 扩展Lora元数据编辑器:设置激活文本、默认权重、查看标签、训练信息 · 重新设计Lora扩展,包括其它种类的Lora(之前由LyCORIS扩展处理的所有网络) · 在扩展中显示GitHub星标 · img2img批处理模式可以从PNG信息中读取额外的内容 · img2img批处理支持子目录 · 热键移动提示元素:alt+左/右箭头 · 改进展示花费时间和VRAM使用情况 · 在infotext中添加文本反转哈希值 · 优化:缓存git扩展存储库信息 · 将生成按钮移到生成的图片旁边,适用于移动客户端 · 在Lora额外网络界面中隐藏与当前Stable Diffusion版本不兼容的网络卡片 · 如果所有包都已经安装,使用pip跳过安装包 - 可以加快启动速度约2秒 次要更新: · 在已安装标签页中添加复选框,以全选/取消全选所有扩展 · 在infotext和文件名模式中添加gradio用户 · 允许使用gif格式预览额外的网络 · 添加选项以更改网格中的颜色 · 在额外网络中使用自然排序 · Mac:使用torch 2的empty_cache()清除VRAM · 自动支持安装适合Navi3(AMD)的正确库 · 添加SWIN_torch_compile选项以加速SwinIR升尺度 · 默认情况下,在控制台中禁止打印TI嵌入信息 · 加快额外网络列表的速度 · 添加[none]文件名标记。 · 删除thumbs额外网络查看模式(使用设置选项卡更改宽度/高度/比例以获取缩略图) · 添加always_discard_next_to_last_sigma选项到XYZ图 · 如果生成的图片具有NaN,而不需要--no-half-vae命令行标志,则自动切换到32位浮点VAE。 更新扩展和API: · API端点:/sdapi/v1/server-kill,/sdapi/v1/server-restart,/sdapi/v1/server-stop · 允许脚本具有自定义元类 · 添加模型存在状态检查/sdapi/v1/options · 将--add-stop-route重命名为--api-server-stop · 添加before_hr脚本回调 · 添加callback after_extra_networks_activate · 默认情况下,禁用API控制台的详细异常输出,使用WEBUI_RICH_EXCEPTIONS环境变量来启用 · 当找不到缩略图文件时返回http 404 · 允许使用环境变量替换扩展索引 BUG修复: · 修复捕获获取扩展索引时的错误#11290 · 修复从网络驱动器读取.safetensors文件的加载速度非常慢的问题 · API缓存清理 · 修复写入文件CLIP Interrogator批处理模式时出现的UnicodeEncodeError · 修复PyTorch中'deprecated has_mps'的警告 · 修复额外网络保存图像作为预览时丢失生成信息的问题 · 修复尝试使用I;16模式调整大小图像时抛出异常的问题 · 修复#11534:画布缩放和平移扩展劫持快捷键的问题 · 修复启动脚本可以从任何目录运行 · 在API图像元数据中不添加"Seed Resize: -1x-1" · 使用ctrl+上/下箭头正确删除括号闭合 · 修复新版本gradio上的--subpath问题 · 修复:在调整大小时检查填充尺寸非零(修复#11425) · 使用submit和blur快速设置文本框 · 使用images.save_image()保存img2img批处理图像 · 防止对禁用的扩展运行preload.py · 修复:之前,模型名称与目录名称一起添加到infotext和[model_name]文件名模式中;现在不再包括目录名称。
聊聊自己写stable diffusion教程的心路历程 上年十月份初尝stable diffusion绘图,被它的生成能力所震撼。虽然很想更深入了解下原理和方法,但碍于要准备考研,只得作罢。 今年三月份,终于上岸!有比较充足的时间去了解AI了。从摸索stable diffusion的安装方法开始,一步步,一点点的学习。很多东西都需要从头开始学,虽然使用stable diffusion绘画确实不是很难,但我不想止步于此,我还想知道更多它底层运作的逻辑(这绝对是大坑)。说实话,这个过程还是有些艰难的,因为我是AI小白,对神经网络和深度学习这些领域的知识基本一无所知。因此虽然花了很多时间,无疾而终。主要是因为解释其原理的文章中有很多专业名词,我不懂。作者觉得某个东西是显而易见的,但其实对于AI小白来说,是非常难理解的,其中的逻辑一环套一环,你只看到了冰山,但不知道这只是冰山一角。 之后看了好些人工智能相关的书籍,这里我可以推荐对AI有兴趣的小白看莫宏伟的《人工智能导论》,以及林赐翻译的《Python神经网编程》,可以不看编程部分,其它部分的解释都非常通俗易懂,由浅及深,是很好的入门书。最后是朱小虎翻译的《深入浅出神经网络和深度学习》。想了解AI的话,真的需要一些基础才行,基础不牢,地动山摇一点不假。 有了这些基础之后,再看那些原理性的东西就好很多了,虽然还是有点难,毕竟现在的AI模型其实都是比较新的,有了一些比较新的架构,或者使用了一些变体模型等等都会增加理解的难度。不过这是一个很好的开始。 中间还学了一些python,想着研究生估计也能用到,横竖都是不亏,那就学吧。发现还蛮有意思的,然后技能树就开始歪了,什么爬虫,什么大数据处理,什么自动翻译都浅浅学了一点。 之后就催生了写stable diffusion教程的想法,并陆续在贴吧发布了几期教程,虽然质量还不是很好,但也获得好些吧友的鼓励,真的非常感谢这些人! 之前发在novelAI吧(现已被猫鼠占领),之后都会发在stable diffusion吧了,这才是技术佬该呆的地方。 我一定会继续坚持写下去的,希望可以帮到更多人! 所以你是怎么开始学AI绘画的呢?动机是啥?怎么开始的?
1 下一页