AnChenliang_1002的博客

从零开始使用chatGPT的API；通过chatgpt-next-web部署自己chatGPT web网页；无需翻墙，无需服务器，无需域名；本专栏主要记录人工智能的应用方面的内容，包括chatGPT、AI绘图等等；《从零注册并登录使用ChatGPT》

AnimateDiff大致有以下四种使用方法：1 文生图中直接用提示词生成动画2 文生图中使用提示词游历语法，不同提示词控制不同时段的动画3 在文生图中，配合ControlNet控制，利用外部视频生成可控制的动画4 在图生图中，配合ControlNet控制对外部视频进行重绘，生成重绘动画。

本专栏主要记录人工智能的应用方面的内容，包括chatGPT、AI绘图等等；在当今AI的热潮下，不学习AI，就要被AI淘汰；所以欢迎小伙伴加入本专栏和我一起探索AI的应用，通过AI来帮助自己提升生产力；本文的目标是，争取用一篇文章，让小白也能掌握一些Stable Diffusion的使用技巧，包括提示词的使用，参数的设置，现成的提示词网站和模版，模型路径，模型类别，Embeddings和Lora到底是干什么的，扩展和插件如何安装等。

本专栏主要记录人工智能的应用方面的内容，包括chatGPT、AI绘图等等；在当今AI的热潮下，不学习AI，就要被AI淘汰；所以欢迎小伙伴加入本专栏和我一起探索AI的应用，通过AI来帮助自己提升生产力；本节的目标，让每个人都能在10分钟内，从零开始搭建好属于自己的Stable Diffusion webUI并生成一幅属于自己的图片。

我使用的标注工具是X-AnyLabeling，为什么使用X-AnyLabeling而不是其他工具呢？它有什么优势？其实我使用AnyLabeling的主要原因是，它支持自动标注，比如我有一万张需要标注的图片，我可以先试用AnyLabeling标注1000张，用这1000张去训练模型，然后将训练好的模型再给到AnyLabeling，AnyLabeling就能自动去标注剩下的9000张了，这样大大节省了人力和时间成本。

本文搭建了一个yolov8的识别应用系统，主要功能是，首先将被识别物的参考信息（预期的正确结果）录入Excel，然后通过yolov8对目标进行识别，通过对识别结果与Excel中预期的正确结果相比较，如果一致，则报警灯亮绿色；如果不一致，则报警灯亮红色。之前通过yolov8算法可以对标签的情况进行分类。现在需要先知道正确的分类结果，才能对最终的结果进行报警；比如对于电机转向标签，有的型号产品电机转向标签需要朝上，有的型号产品电机转向标签需要朝下。

背景：最近在研究YOLOv8的应用，并且已经在自己的笔记本环境中跑通了YOLOv8的检测和分类算法，训练、验证、预测等功能均已实现；也通过自己的数据集训练出了自己的模型（权重）；且之前也做了一个webUI界面，对YOLOv8检测和分类的结果进行展示；但是如果在本地的GUI界面调用摄像头肯定比webUI调用摄像头要方便，因此想在电脑本地做一个GUI界面，对yolov8的分类结果进行展示。总体逻辑是，打开电脑的摄像头，然后需要分类时，抓拍，对抓拍的当前帧进行分类，并显示分类结果。

我们知道，对于深度学习算法，要想训练出一个效果不错的模型，一个好的训练数据集是非常重要的；本文记录一下我制作YOLOv8分类算法数据集的过程；当然也适用于YOLOv8的其他算法，甚至其他深度学习算法也是可以使用的。在计算机视觉任务中，数据的多样性是提高模型性能的关键。为了训练一个高效的模型，我们需要一个丰富且多样化的数据集。对于训练所用数据集来说，图片数量越多，信息越丰富，训练的效果越好；但是如果我们希望数据集有一万张图片，那我们一张一张的去拍，拍一万张，显然是不现实的；

但是我为了避免重复性的工作，且为了避免重复安装之前（安装pytorch和yolov8时）已经安装好的库，因此写了一个python脚本进行安装；需要提前在有网络连接的电脑上下载所有必要的依赖项，然后将这些文件传输到离线的机器上进行安装。脚本将自动跳过已安装的包，并安装其余的 .whl 文件。在离线的机器上，切换到包含下载好的文件的目录。证明我们的streamlit安装成功了。证明你的streamlit安装成功了。第一步：在有网络连接的电脑上下载。第二步：将下载的文件传输到离线机器。文件）传输到离线的机器上。

我们都知道，通过 pip安装YOLOv8是非常方便的，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装YOLOv8；今天就来记录一下离线搭建YOLOv8运行环境的过程。并记录了遇到的问题及解决过程。

我们都知道，通过 pip或conda在线安装Pytorch是非常方便的 ，但是有时候网络环境受到限制，比如公司的工作站（无法连接网络）或者机房的教学机器等等，只能通过离线的方式安装Pytorch；今天就来记录一下离线安装Pytorch的过程。并记录了遇到的问题及解决过程。对于深度学习 环境搭建来说，选择Pytorch的版本是非常重要的，尤其是对于GPU的机器，不同版本的CUDA也对应着不同版本的Pytorch；本文以CUDA11.8为例，离线安装CUDA11.8对应的Pytorch。

最近需要使用YOLOv8实现图像分类的功能，因此记录一下整个过程。

最近需要使用YOLOv8实现图像分类的功能，因此记录一下环境搭建的整个过程，本文记录的是通过Anaconda的方式搭建该环境，期间遇到了一些环境配置上的问题，也详细记录了解决过程。

最近需要使用图像分类算法来实现一些功能，找来找去发现大佬已经使用COIL20数据集分别在AlexNet、VGG16、GoogleNet等共5个模型上进行了实验，于是决定在windows上复现一下其项目，然后保存训练好的模型，并调用训练好的模型进行图像分类，现记录一下过程。

本专栏主要记录人工智能的应用方面的内容，包括chatGPT、AI绘图等等；在当今AI的热潮下，不学习AI，就要被AI淘汰；所以欢迎小伙伴加入本专栏和我一起探索AI的应用，通过AI来帮助自己提升生产力；订阅后可私聊我获取 《从零注册并登录使用ChatGPT》《从零开始使用chatGPT的API；通过chatgpt-next-web部署自己chatGPT web网页；无需翻墙，无需服务器，无需域名；》 两份文档；通过这两份文档，每个人都能从零开始，成功注册chatGPT并能够随时随地的使用chatGPT。

用整合包安装Stable Diffusion有一些利弊。好处是，安装非常简单，只需要一键启动就行，而且会自动更新。整合包里自带了一些模型和必要的插件，不需要安装Python等其他软件。不过，也存在一些问题。安装过程中可能会遇到各种问题，而且整合包里的插件可能包含一些用户用不上的东西。目前市面上主要有两款推荐的整合包，分别是秋葉aaaki和独立研究员-星空的。这两个整合包的内核一样，使用上差别不大，主要区别在启动界面和集成的插件。如果是新手，建议用秋叶老师的整合包；而对于使用。

用整合包安装Stable Diffusion有一些利弊。好处是，安装非常简单，只需要一键启动就行，而且会自动更新。整合包里自带了一些模型和必要的插件，不需要安装Python等其他软件。不过，也存在一些问题。安装过程中可能会遇到各种问题，而且整合包里的插件可能包含一些用户用不上的东西。目前市面上主要有两款推荐的整合包，分别是秋葉aaaki和独立研究员-星空的。这两个整合包的内核一样，使用上差别不大，主要区别在启动界面和集成的插件。如果是新手，建议用秋叶老师的整合包；

Stable Diffusion是当下最强大的AI绘画工具；可本地部署，可切换多种模型，且新的模型和开源库每天都在更新发布，最重要的是免费，没有绘图次数限制；其是一种基于深度学习的文本到图像生成模型，于2022年发布。它能够根据文本描述生成详细的图像，同时也可以应用于其他任务，例如图生图，生成简短视频等。是一个基于Web的用户界面，用于使用Stable Diffusion进行图像生成和其他任务。该Web UI由AUTOMATIC1111开发，并开源上传至Github，也是目前使用最多的WebUI版本。

CodeGeeX是一款基于大模型的全能的智能编程助手。它可以实现代码的生成与补全、自动添加注释、代码翻译以及智能问答等功能，能够帮助开发者显著提高工作效率。CodeGeeX支持主流的编程语言，并适配多种主流IDE。CodeGeeX的功能：本文以VSCode中安装使用CodeGeeX插件为例，介绍CodeGeeX的使用方法；领略一下AI的强大；打开VSCode，在扩展中搜索CodeGeeX，点击安装即可，如下图所示：安装成功后如下图所示：在左侧就可以看到这个插件了；点击接受即可；然后长按下图图标，拖动到最

前提：你应该要有一个能正常使用chatGPT的openAI账号；即你已经成功注册了chatGPT，并能正常使用。

前提：你应该要有一个能正常使用chatGPT的openAI账号；即你已经成功注册了chatGPT，并能正常使用。