谷歌翻译结束了中国大陆业务;投资炼金术!用户投资交易辅助系统;矢量搜索应用指南与最佳实践;可调整参数的AI绘图插件;前沿论文 | ShowMeAI资讯日报

一些安装AUTOMATIC1111的Stable Diffusion WebUI常遇到的错误消息的解决方式 阅读详情

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子

📢 因使用率过低,Google Translate 结束中国大陆区域的翻译服务

日前不少用户在 Reddit 网站上反馈国内无法正常使用谷歌翻译。随后谷歌发言人通过电子邮件回复 TechCrunch 媒体,承认谷歌结束了其在中国大陆的翻译业务,原因是『使用率低』。

根据用户反馈与网站档案,9月末的某个时间点,谷歌将 translate.google.cn 的翻译界面换成了一个普通的搜索页面,并将访问者重定向到其香港的域名 translate.google.com.hk。

此做法与此前谷歌搜索、谷歌地图等功能退出中国大陆时一致。早在 2010 年谷歌宣布退出中国之后,仅仅保留了谷歌翻译和谷歌地图两款服务。2020 年 2 月 3 日起,谷歌地图在国内停止服务,现在,最后的谷歌翻译服务也关闭了。

目前谷歌在国内仍然提供部分可被访问的功能,包括谷歌广告、开发者社区、Android 开发者社区等,主要为开发者和客户提供支持。

工具&框架

🚧 『Invest Alchemy』投资炼金术用户投资交易辅助系统

https://github.com/bmpi-dev/invest-alchemy

https://money.bmpi.dev/

为了满足上班族或业余投资者简单长期的投资需求,作者开源了这个投资炼金术这个辅助用户投资交易的系统。

系统可以从投资组合整体的角度评价交易策略的风险与收益,而不像大多量化投资软件,解决了交易策略在模拟回测与投资组合实践中差距过大的问题。

🚧 『Daft』为机器学习与复杂数据设计的快速可扩展数据库

https://github.com/Eventual-Inc/Daft

https://getdaft.io/

Daft 是一个快速和可扩展的开源数据框架库,为 Python 和复杂数据/机器学习工作负载而构建。处理复杂的数据(如图像/音频/点云),通常需要加速几何或机器学习算法的计算,其中大部分是利用Python/C++生态系统的现有工具。然而,许多工作负载,如分析、模型训练数据整理和数据处理,往往也需要加载/过滤/连接/聚合的关系查询操作。Daft可以很好地支持这些功能。

🚧 『VR-Baseline』视频恢复工具包

https://github.com/linjing7/VR-Baseline

VR-Baseline 是一个视频恢复工具包,包括超分辨率、去模糊、压缩视频质量提等功能实现。

🚧 『DataSloth』基于GPT-3的自然语言查询工具

https://github.com/ibestvina/datasloth

DataSloth 是一个基于 GPT-3 的自然语言查询工具,它可以搭配 pandas dataframe 格式的数据,基于自然语言描述进行数据查询。

🚧 『txt2img2img for Stable Diffusion』Stability Diffusion插件

https://github.com/ThereforeGames/txt2img2img

txt2img2img 是 AUTOMATIC1111 的 Stable Diffusion Web UI 的一个实验性插件,它简化了通过 txt2img 运行提示的过程,然后使用预先定义的参数通过 img2img 运行其输出。除了能够定义你自己的关键词和预设之外,txt2img2img 还可以根据 txt2img 的输出结果,智能地自动调整 img2img 阶段的参数。

博文&分享

👍 『Vector Search』矢量搜索应用指南

https://github.com/esteininger/vector-search

矢量搜索引擎为开发人员提供了存储围绕某些算法(即KNN)的向量的能力,并提供了计算相似向量(如余弦距离)的引擎来确定矢量相关的矢量。Repo 提供了包括教程、指南、最佳实践和扩展学习的矢量搜索景观的全面概述。

数据&资源

🔥 『Ethics Union Bibliography』伦理相关资源列表

https://github.com/acl-org/ethics-reading-list

为自然语言处理和计算语言学的研究人员和从业者提供的伦理相关资源列表。这是由现任 ACL 道德委员会主持的公开名单。

研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的论文合辑。

科研进展

  • 2022.09.16 『异常检测』 A Deep Moving-camera Background Model
  • 2022.09.15 『点云分割』 Can We Solve 3D Vision Tasks Starting from A 2D Vision Transformer?
  • 2022.09.16 『知识蒸馏』 Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation

⚡ 论文:A Deep Moving-camera Background Model

论文时间:16 Sep 2022

领域任务:Anomaly Detection, Change Detection,异常检测

论文地址:https://arxiv.org/abs/2209.07923

代码实现:https://github.com/bgu-cs-vil/deepmcbm

论文作者:Guy Erez, Ron Shapira Weber, Oren Freifeld

论文简介:Moreover, existing MCBMs usually model the background either on the domain of a typically-large panoramic image or in an online fashion./此外,现有的MCBMs通常是在典型的大型全景图像领域或以在线方式对背景进行建模。

论文摘要:在视频分析中,背景模型有很多应用,如背景/前景分离、变化检测、异常检测、跟踪等等。然而,虽然在静态摄像机拍摄的视频中学习这样的模型是一项相当成熟的任务,但在移动摄像机背景模型(MCBM)的情况下,由于摄像机运动所带来的算法和可扩展性的挑战,其成功率要低得多。因此,现有的MCBM在其范围和支持的相机运动类型方面是有限的。这些障碍也阻碍了在这种无监督的任务中采用基于深度学习(DL)的端到端解决方案。此外,现有的MCBMs通常在典型的大型全景图像领域或以在线方式对背景进行建模。不幸的是,前者产生了几个问题,包括可扩展性差,而后者则妨碍了对摄像机重新访问场景中以前看到的部分的识别和利用。本文提出了一种新的方法,称为DeepMCBM,它消除了所有上述的问题,并取得了最先进的结果。具体来说,首先我们确定了与一般视频帧的联合对齐相关的困难,特别是在DL环境下。接下来,我们提出了一个新的联合对齐策略,让我们使用一个空间变换器网,既没有正则化,也没有任何形式的专门(和非差异化)的初始化。再加上一个以非扭曲的稳健中心矩为条件的自动编码器(从联合对齐中获得),这就产生了一个端到端的无正则化的MCBM,它支持广泛的相机运动并能优雅地扩展。我们在各种视频上证明了DeepMCBM的实用性,包括其他方法无法解决的问题。我们的代码可在 https://github.com/BGU-CS-VIL/DeepMCBM

⚡ 论文:Can We Solve 3D Vision Tasks Starting from A 2D Vision Transformer?

论文时间:15 Sep 2022

领域任务:Point Cloud Segmentation,点云分割

论文地址:https://arxiv.org/abs/2209.07026

代码实现:https://github.com/VITA-Group/Simple3D-Former , https://github.com/reimilia/simple3d-former

论文作者:Yi Wang, Zhiwen Fan, Tianlong Chen, Hehe Fan, Zhangyang Wang

论文简介:Vision Transformers (ViTs) have proven to be effective, in solving 2D image understanding tasks by training over large-scale image datasets; and meanwhile as a somehow separate track, in modeling the 3D visual world too such as voxels or point clouds./视觉变换器(ViTs)已被证明是有效的,通过对大规模图像数据集的训练来解决二维图像理解任务;同时,作为一个独立的轨道,在三维视觉世界的建模方面也是如此,如体素或点云。

论文摘要:事实证明,视觉Transformers(ViTs)通过对大规模图像数据集的训练,在解决二维图像理解任务方面是有效的;同时,作为一个独立的方向,在对三维视觉世界(如体素或点云)建模方面也是如此。然而,随着人们越来越希望转化器能够成为异质数据的 "通用 "建模工具,用于二维和三维任务的ViTs到目前为止已经采用了截然不同的架构设计,几乎无法转移。这就引出了一个(过于)雄心勃勃的问题:我们能否缩小二维和三维ViT架构之间的差距?作为一项试验性研究,本文展示了理解3D视觉世界的诱人前景,使用标准的2D ViT架构,只需在输入和输出层面进行最小的定制,而无需重新设计管道。为了从其二维兄弟姐妹中建立一个三维ViT,我们 "膨胀 "了补丁嵌入和标记序列,同时还设计了新的位置编码机制以匹配三维数据的几何结构。由此产生的 "极简 "3D ViT被命名为Simple3D-Former,与高度定制的3D特定设计相比,它在流行的3D任务中表现得非常稳健,如物体分类、点云分割和室内场景检测。因此,它可以作为新的三维ViTs的一个强有力的基线。此外,我们注意到,追求一个统一的2D-3D ViT设计,除了科学上的好奇心,还有实际意义。具体来说,我们证明了Simple3D-Former能够自然地利用来自大规模现实二维图像(如ImageNet)的预训练权重,这些权重可以被 "免费"插入以提高三维任务的性能。

⚡ 论文:Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation

论文时间:16 Sep 2022

领域任务:Knowledge Distillation, Semantic Segmentation, 知识蒸馏,语义分割

论文地址:https://arxiv.org/abs/2209.07695

代码实现:https://github.com/xiaoachen98/DDB

论文作者:Lin Chen, Zhixiang Wei, Xin Jin, Huaian Chen, Miao Zheng, Kai Chen, Yi Jin

论文简介:In this work, we resort to data mixing to establish a deliberated domain bridging (DDB) for DASS, through which the joint distributions of source and target domains are aligned and interacted with each in the intermediate space./在这项工作中,我们借助于数据混合,为DASS建立了一个商议的领域桥接(DDB),通过它,源域和目标域的联合分布被对齐,并在中间空间相互作用。

论文摘要:在无监督领域适应(UDA)中,直接从源域适应到目标域通常会出现明显的差异并导致不充分的对齐。因此,许多UDA工作试图通过各种中间空间逐渐柔和地消除领域差距,即所谓的领域桥接(DB)。然而,对于密集的预测任务,如领域适应性语义分割(DASS),现有的解决方案大多依赖于粗糙的风格转移,如何优雅地桥接领域仍未得到充分的探索。在这项工作中,我们借助于数据混合,为DASS建立了一个深思熟虑的领域桥接(DDB),通过它,源域和目标域的联合分布在中间空间被对齐并相互作用。DDB的核心是一个双路径领域桥接步骤,使用粗略和精细的数据混合技术生成两个中间域,同时还有一个跨路径知识蒸馏步骤,将在生成的中间样本上训练的两个互补模型作为 “教师”,以多教师蒸馏的方式培养一个优秀的 “学生”。这两个优化步骤以交替的方式工作并相互加强,从而产生了具有强大适应能力的DDB。对不同设置的自适应分割任务进行的广泛实验表明,我们的DDB明显优于最先进的方法。代码可在 https://github.com/xiaoachen98/DDB.git 查看。

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!

◉ 点击 日报合辑,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。

◉ 点击 电子月刊,快速浏览月度合辑。

◉ 点击 这里 ,回复关键字 日报 免费获取AI电子月刊与论文 / 电子书等资料包。

如何使用 Automatic1111 设置 SDXL 1.0 并在本地 PC 上运行(教程含安装步骤) STability AI 最近发布了其第一个正式版本Stable Diffusion XL (SDXL) v1.0。如果您不熟悉稳定扩散,这里有一个简短的概述:Stable Diffusion 是由初创公司 Stability AI 开发的文本到图像 AI 模型。它需要提示并根据该描述生成图像。Stable Diffusion 与其他流行的 AI 图像模型(例如 OpenAI 的 Dall-E2 或 MidJourney)的区别在于它是开源的。这意味着任何人都可以使用它或为其开发做出贡献。 阅读详情

相关推荐

fMRI独立成分分析方法(ICA)工具GIFT

详细介绍了进行fmri数据进行ICA分析的工具包GIFT的使用,和进行ICA分析的流程。

m0_58256026的博客 1万+

Windows10 AUTOMATIC1111 / stable-diffusion-webui 本地部署

本文是一个简单介绍stable-diffusion-webui部署流程的文章。

Pantoran的博客 9850

从CTF到实战:Frida Hook无导出SO函数的3种特殊姿势

本文深入探讨了在移动安全逆向工程中,如何利用Frida Hook无导出SO函数的三种高级技巧:字符串引用定位法、调用栈回溯法和内存特征码扫描。针对安卓So层加固和混淆场景,文章结合CTF赛题与实战案例,详细解析了每种方法的原理、实现步骤与适用场景,为安全研究人员提供了从理论到实践的完整解决方案。

jenkins8butler的博客 518

看完这篇文章,你还会用再用AUTOMATIC1111 WebUI吗?

看完这篇文章,你还会用sd webui吗?果是我,果断回去rm 它,如果上述理由还不够强的话,可以再回去试验下,前者是如何使用SDXL的两阶段模型的,而在新的ui中,两阶段模型是如此丝滑地集成到一起,方便得让人欲罢不能。

None 2877

Claude Code Router 401错误修复

claude code router配置相关环境变量问题

如沐春风 6364

Vercel静态站被墙别慌!手把手教你用Cloudflare免费CDN+域名解析搞定DNS污染

本文详细介绍了如何利用Cloudflare免费CDN和域名解析解决Vercel静态网站遭遇DNS污染的问题。通过诊断DNS污染、设计Cloudflare解决方案架构、实战配置步骤以及高级调优技巧,帮助用户快速恢复站点访问并提升防护能力。

weixin_27442001的博客 707

AUTOMATIC1111/stable-diffusion-webui安装教程

AUTOMATIC1111/stable-diffusion-webui

简单记录些知识 1万+

Qt Coordinate System

Qt 坐标系统Qt 坐标系统 数学基础 Qt坐标系统 视口 平移变换 缩放变换 setWindow 旋转 总结数学基础 矩阵与线性变换坐标系变换Qt坐标系统 视口和OpenGL一样,视口确定了画面在窗口(QWidget)中显示的区域,Qt的绘图坐标会完全映射到视口(View port)上,就像图示一样。默认情况下,窗口和视口是重合的,视口的大小覆盖了整个窗口。和OpenGL一样,Qt的QPa

unclerunning的博客 1152

AUTOMATIC1111 被 Github 禁用!现在就行动!

Stable Diffusion 更新指南:GitHub 账号被封禁,更新方式变更 由于 Automatic1111 的 GitHub 仓库被封禁,无法再通过传统的 git pull 命令更新 Stable Diffusion。原因尚不清楚,但 Automatic1111 已经创建了一个新的仓库,托管在 github.io 上,并提供了新的更新命令。 新的更新方式: 使用新的命令(可在视频描述中...

Aitrepreneur的博客 1846

CarSim仿真快速入门(十八)-CarSim2021中的混合动力和纯电动系统

CarSim和TruckSim包括用于电动汽车(BEV)和混合电动汽车(HEV)的动力总成系统。电动和混合电动系统可与所有现有驱动系统配合使用,例如:FWD,RWD,AWD和多轴驱动系统。混合动力/电动系统模型还包括电池管理控制。CarSim或TruckSim中的默认动力总成是为闭环速度控制器提供的备用动力总成。要安装和使用完整的动力总成,请从Vehicle: Assembly库或Vehicle: Lead Unit 库链接到Powertrain数据集。在“动力总成”界面上,从下拉列表控件中选择以下三个选项

小明师兄的博客 7457

基于STM32的智能婴儿床设计(蓝牙通信+摄像头监控)_315

本项目设计并实现了一款基于STM32微控制器的智能婴儿床系统,通过多种传感器和智能控制模块为家长提供更便捷和高效的婴儿照护解决方案。系统包括婴儿哭泣检测、湿度监测、空气质量检测、温度监控等多项功能,并通过蓝牙与手机APP进行数据传输和远程控制。婴儿床内置摇摇床和安抚音乐播放功能,能够在婴儿哭泣时自动启动摇摇床并播放安抚音乐。此外,系统还支持摄像头远程监控,让家长实时查看婴儿的状态。整个系统采用STM32F103RCT6作为核心控制单元,结合声音传感器、湿度传感器、MQ135空气质量传感器。

869

[AI画图本地免安装部署]Windows 10 Nvidia平台部署AUTOMATIC1111 版本 stable diffusion 免安装版

前置要求: 1. windows10/11 2. 电脑必须使用n卡(Nvidia) 3. 魔法上网

qq_46879529的博客 1万+

Apollo 9.0 速度非线性规划算法 – piecewise jerk speed nonlinear optimizer Ⅰ

二次规划的速度规划算法(PiecewiseJerkSpeedOptimizer)的存在两个问题: 这里以一张图来说明上面的问题,假设存在一个实际限速区间(或曲率很大需要降速的区间)[S1, S2],PiecewiseJerkSpeedOptimizer的做法是根据动态规划的st曲线(黑色),找到具体的时间区间[T1, T2],然后对区间[T1, T2]内所有的点施加约束或惩罚。但是二次规划平滑后的曲线(黄色)发生了变化,那么限速区间[S1, S2]对应的时间区间[T1, T2]也发生了变化,所以实际应该是对

WaiNgai 334

Stable Diffusion Automatic1111 Web UI和dreambooth扩展的安装教程

stable diffusion下dreambooth扩展的安装

aplsc的专栏 2568

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Ollama+Open WebUI+AUTOMATIC1111实现LLM+SD生成图片

本篇我们主要介绍如何在open webui中调用automatic1111的api来。

迪之的博客 5468

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

使用Automatic1111在本地PC上运行SDXL 1.0

这是我们部署Stable Diffusion的第三篇文章了,前两篇文章都详细介绍了Automatic1111的stable-diffusion-webui的安装,这次主要介绍如何使用SDXL 1.0模型。

deephub 4205

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

win11从Github上源码安装AUTOMATIC1111/stable-diffusion-webui(使用anaconda+外接固态硬盘的解决方案)

stable diffusion web ui的安装,win11,外接固定硬盘。

weixin_42735060的博客 2614

AI秒出图!StableDiffusion Automatic1111正式支持Tensorrt

Tensorrt是nvidia推出的推理器,在基于pytorch框架的应用上,它可以先用pytorch进行预处理生成ONNX预处理模型,这样完成了大量重负荷的工作,然后通过Tensorrt推理器,对ONNX进行推理计算。stable diffusion中要把Tensorrt用起来,除了我们知道的Nvidia显卡驱动,CUDA Toolkit, CUDnn外,还要安装TensorRT, 而且TensorRT需要手动安装,Nvidia没有提供一键安装包。秒级出图的AI绘画终于支持Automatic1111。

German2000的博客 1933

VR-Baseline 开源项目使用指南

VR-Baseline 开源项目使用指南 项目概述 VR-Baseline 是一个专注于视频恢复的工具箱,旨在提供一套解决方案,包括FGST(于ICML 2022提出)和S2SVR等技术。本项目特别关注于虚拟现实(VR)环境中的凝视(gaze)驱动认证性能基准,利用庞大的眼球追踪数据集进行广泛研究。此外,它也提供了在不同数据集上训练模型的功能,如VIMEO和MFQEv2。 目录结构及介绍 下面是V...

gitblog_00661的博客 434

【亲测免费】 推荐项目:Automatic1111的 Stable Diffusion WebUI Wildcards

推荐项目:Automatic1111的 Stable Diffusion WebUI Wildcards 项目简介 是一个开源项目,由开发者 Automatic1111 创建,旨在提供一个易于使用的Web界面,用于操作名为"Stable Diffusion"的深度学习模型。这个模型主要用于生成高质量的图像,通过用户提供的文本提示进行创作。项目的重点在于其友好的交互设计和广泛的自...

gitblog_00072的博客 747

图像生成工具WebUI

Stable Diffusion WebUI(AUTOMATIC1111,简称A1111)是一个为高级用户设计的图形用户界面(GUI),它提供了丰富的功能和灵活性,以满足复杂和高级的图像生成需求。如今各种人工智能满天飞,作为程序员的我们应该尝尝鲜,这个是github上一个很火的项目,目前已经有120k的✨,作用是生成图片,个人认为他在m1上的运行速度不是很满意,有时间把他装到家里3060电脑上试一下运行速度。

过于丰富,无法简介 2510

SD AUTOMATIC1111 必装插件

Stable Diffusion 是一款功能强大的 AI 图像生成器。其社区开发的扩展使其脱颖而出,增强了其功能和易用性。扩展塑造了我们的工作流程,使 Stable Diffusion 更加强大。Table of Contents 目录Software 软件AUTOMATIC1111必备扩展Nice-to-have extensions 锦上添花的扩展用于制作视频的扩展。

m0_59162559的博客 1336

Ultimate-Upscale-for-Automatic1111 使用指南及教程

Ultimate-Upscale-for-Automatic1111 是一个功能强大的图像上采样插件,它作为 Automatic1111 的一款脚本,提供了一系列高级选项来优化和提升图像分辨率,同时保持细节清晰度。此项目基于深度学习模型进行工作,能够处理各种大小和类型的图片。 - **作者:** Coyote-A - **许可证:** GPL-3.0 许可证 - **仓库地址:** https:...

gitblog_00229的博客 1005

Deliberated Domain Bridging for Domain Adaptive Semantic Segmentation

语义分割 迁移学习 论文笔记

m0_46598543的博客 640

基于骋风算力,搭建SD AUTOMATIC1111 纯净版

"~/sd-webui-aki-v4.9/models/Stable-diffusion/sd1.5/anything-v5.safetensors" , 是你目标加载文件的路径。"/root/fs_public/Stable_Diffusion/models/Stable-diffusion/sd1.5/anything-v5.safetensors",是实际文件放置的路径。模型路径需要遵守模型本身需要放置的文件夹,如果到错误/models子文件夹,可能会造成模型无法加载成功,

1461

Stable Diffusion WebUI AUTOMATIC1111:初学者指南

Stable Diffusion WebUI(简称AUTOMATIC1111或A1111)是高级用户事实上的GUI。但它不是最容易使用的软件。缺少文档。它提供的广泛功能列表可能令人生畏。本指南将教您如何使用 AUTOTMATIC1111 GUI。您可以将其用作教程。您可以逐步遵循很多示例。您也可以将本指南用作参考手册。跳过它,看看那里有什么。当你真正需要使用一个功能时,再回来。你会看到许多例子来证明设置的效果,因为我相信这是让它变得清晰的唯一方法。Table of Contents 目录。

yihanss的博客 1801
上一篇: 字节跳动开源!超好用的视频抠图工具;GitHub开源项目维护协作指南;自动化数据清洗工具包;强化学习入门教程;前沿论文 | ShowMeAI资讯日报
下一篇: 真·007!核酸采样机器人现身郑州;Python3面试准备与速查表;实时语音转文字工具库;AI绘画根据文本创建纹理;前沿论文 | ShowMeAI资讯日报
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值