Tag: 教程

创造梦境：Dreambooth扩展教程
让我们一起踏上一场神奇的图像生成之旅。在这个旅程中，你将掌握Dreambooth扩展，这是一项令人兴奋的技术，它可以帮助你创建令人惊叹的图像，无论是艺术作品还是实验性项目。这个教程将引导你了解如何安装、配置和使用Dreambooth扩展，让你的图像生成梦想成真。

安装与配置

Dreambooth扩展是基于Shivam Shriao的Diffusers Repo的改进版本，旨在在VRAM较低的GPU上提供更好的性能。首先，我们需要安装Dreambooth扩展。
1. 在SD Web UI中，转到“Extensions”选项卡，选择“Available”子选项卡，然后选择“Load from”以加载扩展列表。
2. 找到Dreambooth条目，并点击“install”来安装。
3. 安装完成后，务必完全重新启动Stable-Diffusion WebUI。重新加载UI将不会安装所需的要求。
请确保你的Diffusers版本大于等于0.10.0，否则可能会出现错误消息。如果遇到安装问题，可以根据具体情况使用附带的脚本来解决。

创造你的模型

现在，让我们开始创建一个令人惊叹的模型。
1. 转到Dreambooth选项卡。
2. 在“Create Model”子选项卡下，输入一个新模型的名称，并选择要训练的源检查点。如果你想使用HF Hub中的模型，请指定模型的URL和令牌。
3. 点击“Create”按钮，这可能需要一两分钟的时间，但完成后，UI应该会指示已设置一个新的模型目录。
训练参数

在Dreambooth中，你可以调整各种训练参数来优化模型的性能。

Intervals（训练间隔）

这一部分包含了与训练过程中发生事件相关的参数。
- Training Steps Per Image (Epochs)：每个图像的训练步骤数。设置这个值，告诉模型每个图像需要进行多少次训练步骤。
- Pause After N Epochs：在N个epochs之后暂停训练。这可以让你在一段时间后检查模型的性能。
- Amount of time to pause between Epochs, in Seconds：在epochs之间暂停的时间长度，以秒为单位。
- Use Concepts：是否使用包含多个概念的JSON文件或字符串，或使用下面的单独设置。
Batching（批处理）

这里的设置与同时处理多个训练步骤有关。
- Batch size：同时处理的训练步骤数。通常应该将其设置为1。
- Gradient Accumulation Steps：梯度累积步数，通常应该与训练批次大小相同。
- Class batch size：同时生成分类图像的数量。根据你的GPU能够安全处理的数量来设置。
Learning Rate（学习率）

这一部分包含了与学习率相关的参数。
- Learning rate：学习率的强度，即训练对新模型的影响程度。更高的学习率需要更少的训练步骤，但容易导致过拟合。建议在0.000006和0.00000175之间。
- Scale Learning Rate：调整学习率随时间的变化。
- Learning Rate Scheduler：与学习率一起使用的调度程序。
- Learning Rate Warmup Steps：在缩放学习率之前运行多少步骤。
Image Processing（图像处理）

这里的设置与图像处理有关。
- Resolution：实例图像的分辨率。通常应该设置为512或768。使用比512更高的分辨率会导致更多的VRAM使用。
- Center Crop：当输入图像大于指定分辨率时，启用这个选项以自动使用“dumb cropping”。
- Apply Horizontal Flip：启用这个选项后，实例图像将在训练过程中随机水平翻转。这可以提高可编辑性，但可能需要更多的训练步骤。
Miscellaneous（杂项）

这里包含了与其他方面相关的一些设置。
- Pretrained VAE Name or Path：输入现有VAE .bin文件的完整路径，它将被用于替代源检查点中的VAE。
- Use Concepts List：启用此选项以忽略概念标签并从JSON文件加载训练数据。
- Concepts List：包含要训练的概念的JSON文件的路径。
高级设置

在这里，你将找到更多与性能相关的设置。更改这些设置可能会影响训练所需的VRAM量。
- Use CPU Only：在其他设置都无法运行时，可以选择使用CPU进行训练。请注意，这将非常慢。
- Use EMA：在训练UNet时使用估算的移动平均值。这可以改善生成的图像，但对训练结果的影响很小。
- Mixed Precision：当使用8位AdamW时，必须将其设置为fp16或bf16。
- Memory Attention：用于注意力的类型，可以影响VRAM的使用。
- Don’t Cache Latents：如果选中此框，将不会缓存潜在特征。这可以节省一些VRAM，但会使训练略慢。
- Train Text Encoder：不是必需的，但建议启用。可以显著改善输出结果。
- Prior Loss Weight：用于计算先验损失的权重。
概念

Dreambooth允许你使用三个概念，你可以在这些概念上训练模型。如果你想使用更多的概念，可以忽略此部分，并在参数选项卡下的Miscellaneous部分中使用“Use Concepts List”选项。

调试

这里包含了一些有用的调试工具，可以帮助你确保模型训练正常。
- Preview Prompts：返回将用于训练的提示的JSON字符串。
- Generate Sample Image：使用指定的种子和提示生成样本图像。
继续训练

一旦模型已经训练了任意数量的步骤，就会保存一个包含UI中所有参数的配置文件。如果你想继续训练模型，只需从下拉列表中选择模型名称，然后单击模型名称旁边的蓝色按钮以加载先前的参数。

内存和优化

Dreambooth基于Shivam Shiaro的repo，应该能够在相同的GPU约束下运行，但不能保证。如果你在设置上遇到问题，可以参考discussions页面中的一些建议和技巧，以帮助你在你的设备上运行它。

总结

在这个教程中，我们已经介绍了Dreambooth扩展的安装、配置和使用。现在，你已经有了足够的知识来开始创建令人惊叹的图像，发挥你的创造力，享受这个令人兴奋的图像生成之旅！

无论是艺术家、设计师还是深度学习爱好者，Dreambooth都将为你提供强大的工具来实现你的创意和项目。

开始使用Dreambooth扩展，探索无限的创意可能性吧！

结束语

通过这篇教程，你已经了解了如何使用Dreambooth扩展来创建令人印象深刻的图像。希望你能够充分发挥创造力，将这一强大的工具用于你的艺术、设计和深度学习项目中。祝你在图像生成的旅程中取得巨大成功！

关键词：Dreambooth, SD Web UI, 图像生成, 深度学习, GPU优化

这篇教程已经完成，希望你享受了这次探索Dreambooth扩展的旅程！如果你有任何问题或需要进一步的帮助，请随时联系我们。愿你的图像生成之路充满创意和乐趣！
October 29, 2023
Deforum Stable Diffusion WebUI — 官方扩展教程
在数字创作的浪潮中，一款强大的工具崭露头角，它能够让您创造出令人惊叹的视觉效果，而这正是Deforum Stable Diffusion WebUI。如果您曾幻想过创作出生动、令人印象深刻的动画，那么这个教程将为您展示如何充分利用这个出色的工具。

曾经有一位名叫Pxl.Pshr的艺术家，在Deforum Stable Diffusion WebUI的帮助下，创作了令人叹为观止的动画。在这个教程中，我们将深入探讨如何使用Deforum Stable Diffusion WebUI，以及如何利用其中的各种功能来创造令人惊叹的动画。

步骤1：安装Deforum Stable Diffusion WebUI

首先，让我们从安装Deforum Stable Diffusion WebUI开始，这是您进入创作世界的门票。请按照以下步骤进行：
1. 安装AUTOMATIC1111的WebUI。
2. 有两种方式可以安装Deforum Stable Diffusion WebUI扩展，您可以选择其中一种方式：
  
  a. 通过命令行在stable-diffusion-webui文件夹内克隆此存储库，将其放置在extensions目录中。
```
git clone https://github.com/deforum-art/sd-webui-deforum extensions/deforum
```
  b. 下载此存储库，将其解压缩后，在WebUI安装目录内创建一个名为deforum的文件夹，将下载的文件复制到deforum文件夹中，然后重新启动WebUI。
3. 打开WebUI，在页面顶部找到Deforum选项卡。
步骤2：配置动画参数

现在，让我们配置动画参数，以便开始创作您的动画。请按照以下步骤进行：
1. 在Deforum选项卡下，进入动画设置。
2. 参考这个一般指南和这个数学关键帧函数指南来配置动画参数。需要注意的是，在这个版本中，负权重的提示与原始Deforum不同，您需要使用--neg参数将正面和负面提示分开，就像这样：”apple:\where(cos(t)>=0, cos(t), 0)\, snow –neg strawberry:\where(cos(t)<0, -cos(t), 0)\“。
步骤3：实时预览动画帧

如果您想要在生成动画的过程中实时查看动画帧，而不必等待整个动画生成完成，可以按照以下步骤进行：
1. 转到WebUI的“设置”选项卡。
2. 将工具栏上的数值设置为大于零的值。请注意，这可能会导致生成过程变慢。
步骤4：生成动画并欣赏成果

现在，您已经完成了所有准备工作，可以开始生成您的动画了。请按照以下步骤操作：
1. 运行脚本，查看是否可以成功生成动画。请注意，在3D模式下，首次加载深度模型可能会导致较大的延迟。默认设置下，在3D模式的高峰时，整个过程应该消耗6.4 GB的VRAM，如果使用”–lowvram”命令行参数启动WebUI，则在3D模式下不会超过3.8 GB的VRAM。
2. 动画生成完成后，单击按钮以在GUI中直接查看生成的视频或GIF结果。
步骤5：加入Deforum社区

如果您希望与其他Deforum用户互动，分享生成的作品，提出问题等，欢迎加入我们的Discord社区：https://discord.gg/deforum。我们期待您的加入！

结论

通过这个教程，您已经学会了如何使用Deforum Stable Diffusion WebUI来创建令人惊叹的动画。这个工具的强大功能为您提供了无限的创作可能性，只要您有创意，您就可以创造出令人难以置信的视觉效果。

请记住，虽然这个教程为您提供了入门的指导，但只有通过不断尝试和实践，您才能真正掌握动画创作的艺术。愿您在Deforum Stable Diffusion WebUI的世界中取得巨大成功！

以上就是关于Deforum Stable Diffusion WebUI官方扩展的教程，希望这个教程能够帮助您开始您的创作之旅，享受无尽的创作乐趣！
October 29, 2023
使用Segment Anything增强Stable Diffusion WebUI的完整教程
数字时代带来了许多令人兴奋的可能性，人工智能技术正以前所未有的速度不断进步。其中之一就是Segment Anything（简称SAM）扩展，它旨在将AUTOMATIC1111 Stable Diffusion WebUI和Mikubill ControlNet扩展连接起来，以提升Stable Diffusion/ControlNet图像修复和语义分割的能力，自动化图像抠图，并创建LoRA/LyCORIS训练数据集。

在这篇教程中，我们将深入探讨如何使用SAM扩展，将图像分割、修复、语义分割以及GroundingDINO等功能结合起来，以实现更出色的图像处理。如果您对数字图像处理充满兴趣，那么这篇教程将为您提供有力的工具和知识。

步骤1：安装SAM扩展

首先，让我们来安装SAM扩展，以便开始我们的图像增强之旅。请按照以下步骤进行：
1. 下载SAM扩展并将其放置在${sd-webui}/extensions目录中，您可以使用git clone或从WebUI中安装。
2. 选择一个或多个模型并将它们放在${sd-webui}/models/sam或${sd-webui-segment-anything}/models/sam目录中。请注意不要更改模型的名称，否则可能会由于一个错误而导致扩展无法正常工作。
我们支持几种不同的分割模型，包括来自Meta AI的SAM、SysCV的SAM-HQ以及Kyung Hee University的MobileSAM。您可以根据需要选择合适的模型。

步骤2：使用SAM增强单图像

现在，让我们开始使用SAM来增强单个图像。您可以按照以下步骤操作：
1. 上传您的图像。
2. 可选地在图像上添加点提示。左键单击表示正面提示（黑点），右键单击表示负面提示（红点），再次左键单击任何点以取消提示。如果您不希望使用GroundingDINO，请添加点提示。
3. 可选地启用GroundingDINO，选择您想要的GroundingDINO模型，编写文本提示（使用.分隔不同的类别），并选择一个边界框阈值（我强烈建议使用默认设置，较高的阈值可能导致没有边界框）。如果您不希望使用点提示，请编写文本提示。
4. 可选地启用GroundingDINO边界框预览，并单击“生成边界框”。如果您想要预览边界框，必须编写文本提示。在看到带有左上角数字标记的框后，取消选中您不想要的所有框。如果您取消选中所有框，您将需要添加点提示以生成蒙版。
5. 单击“预览分割”按钮。由于SAM的限制，如果存在多个边界框，当生成蒙版时，您的点提示将不起作用。
6. 选择您喜欢的分割。
7. 可选地启用“扩展蒙版”并指定数量，然后单击“更新蒙版”。
8. [非常重要] 更新您的ControlNet设置，确保在ControlNet设置中启用“允许其他脚本控制此扩展（必须）”。
步骤3：批处理图像

如果您想要一次处理多个图像，SAM也提供了批处理功能。请按照以下步骤操作：
1. 选择您的SAM模型、GroundingDINO模型、文本提示、边界框阈值和蒙版扩展量。
2. 输入图像的源目录和目标目录。
3. 选择“每个图像输出”以配置每个边界框的蒙版数量。我强烈建议选择3，因为某些蒙版可能会很奇怪。
4. 单击/取消选中多个复选框以配置您希望保存的图像类型。查看演示，了解这些复选框代表的图像类型。
5. 单击“开始批处理”并等待。如果在此按钮下方看到“完成”，则一切准备就绪。
步骤4：使用AutoSAM自动增强语义分割

AutoSAM是SAM的自动语义分割功能，它可以显著提升语义分割的质量。让我们来看看如何使用AutoSAM：
1. 首先，安装并更新Mikubill ControlNet扩展，因为AutoSAM需要与其一起使用。
2. 配置AutoSAM可调参数，根据此处的描述。
3. 在ControlNet中选择预处理器。
4. 单击“启用”，选择预处理器为“inpaint_global_harmonious”，模型选择“control_v11p_sd15_inpaint [ebff9138]”。
5. 写入您的提示，配置A1111面板并单击“生成”。
结论

通过SAM扩展的强大功能，我们可以轻松地增强图像的分割、修复和语义分割，实现了更高级的图像处理。无论您是个人用户还是专业图像处理人员，SAM扩展都为您提供了无限的创造力和可能性。

这只是SAM扩展的一小部分功能，您可以根据自己的需求和创意进一步探索，例如图像布局生成、按类别生成蒙版等。希望这个教程能够帮助您入门，并激发您的创造力。愿您在使用SAM扩展时取得巨大成功！

以上就是关于如何使用Segment Anything增强Stable Diffusion WebUI的完整教程，希望对您有所帮助。如果您对数字图像处理和人工智能感兴趣，这将是一个令人兴奋的冒险，愿您享受其中的乐趣和成就！
October 29, 2023
用SadTalker实现音频驱动的单图像表情生成教程
在数字化时代，人工智能技术正以惊人的速度发展，为我们的生活带来了无数令人兴奋的可能性。其中之一就是SadTalker，它是一种强大的工具，能够实现音频驱动的单图像表情生成。这意味着您可以将一张静态的人像图片，通过添加音频，让它栩栩如生地表情丰富起来，仿佛在说话。

想象一下，您拥有一张自己喜爱的明星照片，但您想要让这张照片“活”起来，让明星像真人一样表情丰富地演说。这就是SadTalker的魔力所在。本教程将向您展示如何使用SadTalker这一强大工具，让您的创意得以充分发挥。

步骤1：安装SadTalker

首先，让我们来安装SadTalker。请按照以下步骤进行：

Linux/Unix
1. 安装 Anaconda，Python 和 git。
2. 克隆SadTalker仓库并进入目录：
```
git clone https://github.com/OpenTalker/SadTalker.git
cd SadTalker
```
3. 创建并激活conda环境，并安装依赖：
```
conda create -n sadtalker python=3.8
conda activate sadtalker
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
conda install ffmpeg
pip install -r requirements.txt
```
Windows

在Windows上安装SadTalker稍微复杂一些，但请按照以下步骤进行：
1. 安装 Python 3.8，并勾选“Add Python to PATH”。
2. 手动或使用 Scoop 安装 git：scoop install git。
3. 安装 ffmpeg，可以参考这个教程或使用 scoop：scoop install ffmpeg。
4. 下载SadTalker仓库，运行以下命令：
```
git clone https://github.com/OpenTalker/SadTalker.git
```
5. 下载模型和gfpgan模型，可以参考上面提供的下载链接。
6. 运行start.bat，将启动一个Gradio-powered WebUI演示。
macOS

如果您使用macOS，请参考此教程来安装SadTalker。

安装完成后，SadTalker将准备就绪，您可以继续下一步操作。

步骤2：下载模型

您需要下载一些预训练模型，以便SadTalker能够正常工作。运行以下命令来自动下载所有模型：
```
bash scripts/download_models.sh
```
这将自动下载所需的模型文件。

步骤3：音频驱动的单图像表情生成

现在，让我们开始使用SadTalker来实现音频驱动的单图像表情生成。您可以按照以下步骤操作：

在线演示

如果您想快速体验SadTalker，可以使用在线演示。只需访问HuggingFace，您就可以在那里使用SadTalker进行图像生成。

本地WebUI演示

如果您更喜欢本地演示，可以使用Gradio来运行一个本地WebUI演示。只需运行以下命令：
```
python app_sadtalker.py
``

`

这将启动一个本地Web界面，您可以在其中上传图像和音频，然后观察生成的结果。

### Python脚本

如果您想将SadTalker集成到自己的Python项目中，可以使用以下代码示例：

```python
import torch
from sadt.utils import load_model, pad_seq
from sadt.sadt import SadT

model = load_model('model.pth')
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model.to(device)
model.eval()

# 图像和音频的文件路径
image_path = 'path_to_image.jpg'
audio_path = 'path_to_audio.wav'

# 加载图像和音频
image = load_image(image_path)
audio = load_audio(audio_path)

# 生成表情
with torch.no_grad():
    image = image.to(device)
    audio = pad_seq(audio, 8000).to(device)
    result = model(image, audio.unsqueeze(0))
    result = result.squeeze(0).cpu().numpy()

# 处理生成的表情
# 将result转换为合适的图像格式
# 显示或保存生成的图像
```
这个示例代码将帮助您在自己的项目中使用SadTalker。

结束语

SadTalker是一个令人惊叹的工具，可以为静态图像注入生动的表情。无论您是想要为自己的创作增添趣味，还是想要在娱乐领域做更多创新，SadTalker都将是您的得力助手。希望这个教程能够帮助您入门，开始探索无限可能性。祝愿您在使用SadTalker时取得巨大成功！
October 29, 2023
EasyPhoto教程：从云端到本地，快速入门EasyPhoto图像生成
在当今数字化的世界中，图像生成技术正变得越来越重要。不论是在艺术创作、影视特效还是虚拟现实领域，都需要强大的图像生成工具来创造出令人惊叹的视觉效果。而EasyPhoto作为一款强大的图像生成工具，为我们提供了丰富的功能和灵活的使用方式。

在本教程中，我们将介绍如何快速入门EasyPhoto，无论您是想在云端使用还是在本地安装，都能够轻松上手。让我们一起开始这个令人兴奋的探索之旅吧！

云端使用EasyPhoto

从AliyunDSW获取免费GPU时间

AliyunDSW提供了免费的GPU时间，一次用户申请后有效期为3个月。您可以在Aliyun PAI-DSW中使用这些免费GPU时间，只需3分钟即可启动EasyPhoto。
1. 登录AliyunDSW。
2. 在DSW Notebook中使用免费GPU时间。
3. 启动EasyPhoto，开始创造惊人的图像！
使用AutoDL

如果您正在使用AutoDL，您可以通过提供的镜像快速启动稳定的Diffusion WebUI。
1. 在Community Mirrors中填写相关信息。
2. 选择aigc-apps/sd-webui-EasyPhoto/sd-webui-EasyPhoto镜像。
3. 快速启动EasyPhoto，开始图像生成之旅！
使用Docker

如果您使用Docker，请确保正确安装了图形卡驱动程序和CUDA环境。然后按照以下步骤执行：
```
# 拉取镜像
docker pull mybigpai-registry.cn-beijing.cr.aliyuncs.com/aigc/sd-webui-easyphoto:0.0.3

# 进入镜像
docker run -it -p 7860:7860 --network host --gpus all mybigpai-registry.cn-beijing.cr.aliyuncs.com/aigc/sd-webui-easyphoto:0.0.3

# 启动WebUI
python3 launch.py --port 7860
```
请注意，Docker的更新速度可能略慢于GitHub仓库的sd-webui-EasyPhoto，因此您可以先进入extensions/sd-webui-EasyPhoto并执行git pull以获取最新版本。

本地安装EasyPhoto

环境检查

在本地安装EasyPhoto之前，您需要进行环境检查，确保您的系统满足以下要求：
- Windows 10或Linux操作系统。
- Python 3.10或3.11。
- PyTorch 2.0.1。
- TensorFlow 2.13.0。
- CUDA 11.7。
- CUDNN 8+。
- Nvidia显卡（具体型号根据您的选择而定）。
- 至少60GB的可用磁盘空间。
如果您在WebUI自动被OOM杀死的问题，请参考ISSUE21进行设置，将一些num_threads设置为0，并向我们报告其他修复方法，谢谢。

相关仓库和权重下载

在使用EasyPhoto之前，您需要安装Controlnet进行推断。相关的仓库是Mikubill/sd-webui-controlnet。您需要在使用EasyPhoto之前安装此仓库。

此外，我们需要至少三个Controlnet用于推断。因此，您需要在设置中设置Multi ControlNet：Max models amount（需要重启）的值。controlnet_num

其他依赖项将在启动稳定的diffusion-webui时自动安装，并且在首次训练时会自动下载所需的权重。

插件安装

现在，我们支持从Git安装EasyPhoto。我们的仓库地址是https://github.com/aigc-apps/sd-webui-EasyPhoto。

未来，我们还将支持从Available安装EasyPhoto。

如何使用EasyPhoto

模型训练

EasyPhoto的训练界面如下：
- 左侧是训练图片。只需点击“上传照片”以上传图片，点击“清除照片”以删除已上传的图片；
- 右侧是训练参数，第一次训练时无法调整。
1. 点击“上传照片”，开始上传图片。最好上传5至20张图片，包括不同角度和光照条件的图片。最好包括一些不带眼镜的图片，如果全部都是眼镜，生成的结果可能会容易生成眼镜。
2. 然后点击下方的“开始训练”，此时需要填写上方的用户ID，例如用户的姓名，以开始训练。
3. 当模型开始训练时，WebUI将自动刷新训练日志。如果没有刷新，请点击“刷新日志”按钮。
如果您想要设置参数，每个参数的解释如下：
- 分辨率：训练时输入网络的图像大小，默认值为512。
- 验证和保存步骤：验证图像和保存中间权重之间的步骤数，默认值为100，表示每100步验证一次图像并保存权重。
- 最大训练步骤：最大训练步骤数，默认值为800。
- 每张照片的最大步数：每张图像的最大训练次数，默认为200。
- 训练批次大小：训练的批次大小，默认值为1。
- 梯度累
积步骤：是否执行梯度累积，默认值为4。结合训练批次大小，每一步等同于输入四张图像。
- 数据加载器的工作线程数：加载数据的工作线程数，在Windows下不起作用，因为设置会报错，但在Linux下正常设置。
- 学习率：Train Lora的学习率，默认为1e-4。
- Rank Lora：权重的特征长度，默认为128。
- 网络alpha：Lora训练的正则化参数，通常为rank的一半，默认为64。
推断

单人生成

步骤1：点击刷新按钮以查询已训练用户ID对应的模型。
步骤2：选择用户ID。
步骤3：选择需要生成的模板。
步骤4：点击生成按钮以生成结果。

多人生成

步骤1：转到EasyPhoto的设置页面，并设置num_of_faceid大于1。
步骤2：应用设置。
步骤3：重新启动WebUI的界面。
步骤4：返回EasyPhoto并上传两个人的模板。
步骤5：选择两个人的用户ID。
步骤6：点击生成按钮进行图像生成。

结论

通过这个教程，您已经了解了如何快速入门EasyPhoto，不论是在云端还是在本地安装。EasyPhoto为图像生成提供了强大的工具，无论您是艺术家、设计师还是研究人员，都能够受益于它的功能和灵活性。现在，您可以开始使用EasyPhoto，创造令人惊叹的图像！

在这个数字化时代，图像生成是一个令人兴奋的领域，而EasyPhoto正是您探索这一领域的理想伙伴。无论您是初学者还是有经验的用户，都可以轻松使用EasyPhoto，让您的创意得以充分发挥。愿您在图像生成的旅程中取得巨大成功！

欢迎继续关注王大神AI技术博客，了解更多有关AI技术和创新的内容。

以中文撰写，发布于王大神AI技术博客。
October 29, 2023
Auto-Photoshop-StableDiffusion-Plugin：释放Photoshop中的AI潜力
曾经，艺术家们依赖于各种工具和技巧来创作令人惊叹的图像。然而，如今，随着人工智能技术的不断进步，图像编辑的方式正在发生革命性的变化。在这个变革的前沿，有一款令人兴奋的插件——Auto-Photoshop-StableDiffusion-Plugin，它将稳定扩散AI引入了Photoshop的世界。

插件简介

Auto-Photoshop-StableDiffusion-Plugin是一个强大的插件，它为Photoshop用户提供了一种全新的图像编辑体验。这个插件允许您在Photoshop中直接使用Automatic1111稳定扩散技术，而无需在不同的程序之间切换。这意味着您可以在熟悉的环境中轻松使用稳定扩散AI，并使用所有喜爱的工具来编辑您的稳定扩散图像，然后将其保存在Photoshop中。

安装方法

如果您是一位艺术家，您可以选择使用以下两种方法之一来安装插件：

方法一：一键安装器
1. 下载.ccx文件。
2. 运行.ccx文件，这样就可以使用所有稳定扩散模式（txt2img、img2img、修补和扩展）了。您可以查看教程部分以掌握这个工具。
方法二：解压方法
1. 下载.zip文件。
2. 解压缩到一个与文件名相同的文件夹中。
3. 将解压缩的文件夹移动到Photoshop插件文件夹中。
无论您选择哪种方法，都需要安装“Auto-Photoshop-SD”扩展，该扩展位于Automatic1111扩展选项卡中，以便在修补和扩展时获得良好的结果。

方法三：针对开发者/程序员的UXP方法（仅适用于开发者）

对于开发者，以下是安装插件的方法：
1. 下载插件：git clone https://github.com/AbdullahAlfaraj/Auto-Photoshop-StableDiffusion-Plugin.git
2. 在“Auto-Photoshop-StableDiffusion-Plugin”目录中打开命令行窗口，然后通过键入以下命令来安装依赖项：npm install
3. 通过将TypeScript转换为JavaScript构建插件：npm run watch
4. 运行“Auto-Photoshop-StableDiffusion-Plugin”目录中的“start_server.bat”。
5. 进入您安装Automatic1111的位置，并编辑“webui-user.bat”文件，将set COMMANDLINE_ARGS=修改为set COMMANDLINE_ARGS= --api以启用插件与Automatic1111项目的通信。
6. 运行Photoshop，转到“编辑”->“首选项”->“插件”，确保选中“启用开发者模式”的复选框。
7. 安装“Adobe UXP Developer Tool”并使用该工具将插件添加到Photoshop中。
常见问题和已知问题

什么版本的Photoshop才能运行这个插件？

该插件支持的最低Photoshop版本是Photoshop v24。

插件加载失败

插件加载失败可能有多种原因，以下是与UDT日志中相应错误消息的指令：

没有应用程序连接到服务

当尝试加载插件之前，Photoshop未启动时会发生此错误。只需启动Photoshop，然后重新启动UDX并加载插件即可。

ASGI应用程序中的异常/期望值：行1列1

此错误是由插件与Automatic1111后端之间的期望不匹配引起的。可以通过更新Automatic1111后端的版本以及确保启用了UI中的“将有关生成参数的文本信息保存为png文件块”设置来解决。

没有生成，插件服务器没有发送消息（远程设置）

当远程服务器未启用API时会发生此错误。您可以通过尝试访问您访问WebUI的URL并在URL末尾添加“/docs＃”来验证是否启用了API访问权限。如果有权限，请重新启动远程实例，并使用“–api”标志。

没有GPU选项

我们提供两种在没有GPU的情况下使用Auto-Photoshop插件的选项：

稳定 Horde

稳定Horde是一个免费的众包分布式集群，如果您喜欢这项服务，请考虑加入Horde！Horde完全依赖志愿者的慷慨，所以请确保不要超负荷使用服务，并在可能的情况下加入这一事业。在他们的[GitHub页面](

https://github.com/crowd-horde/Horde)上了解更多信息。

稳定AI合作

稳定AI合作是一个有偿选项，您可以租用其中的一台服务器，以确保您的生成速度最大化。这是一种非常可行的选择，特别是在大型批量生成任务中。

结论

Auto-Photoshop-StableDiffusion-Plugin为艺术家和设计师提供了一个令人兴奋的机会，使他们能够在Photoshop中轻松利用稳定扩散AI的力量。不论您是初学者还是经验丰富的专业人士，这个插件都将成为您创作过程中的有力助手。随着人工智能的不断发展，我们可以期待看到更多这样的工具，它们将进一步推动创意和设计的边界。

通过使用Auto-Photoshop-StableDiffusion-Plugin，您可以将您的创作带到一个全新的水平，释放您的潜力，创造出令人惊叹的图像和设计。

请注意: 本插件是由开发者社区开发的，如果您在使用过程中遇到任何问题或有任何建议，请随时与开发者团队联系，他们将非常乐意提供帮助和支持。祝您创作愉快！

访问Auto-Photoshop-StableDiffusion-Plugin GitHub页面以获取更多信息和更新。
October 29, 2023
人工智能创新药物：突破性的合成胃酸抑制剂

从未来的角度看，2023年的一个普通日子，我们回顾着医学史上的一次革命性时刻——名古屋大学的研究人员，借助人工智能，创造了一种前所未有的胃酸抑制剂。这个故事开始于一个充满奇迹的瞬间，一个将人类智慧与AI的无限潜力融合的瞬间。

曾几何时，在医学界，寻找治疗胃酸相关疾病的新方法似乎是一场永无止境的追求。胃酸，是消化的关键，但当它失控时，它也可以带来极大的痛苦和疾病。传统的胃酸抑制剂已经存在，但它们并不总是足够有效，这驱使科学家不断寻找更好的解决方案。

这个故事的主角是名古屋大学药学研究院的安部博士和横岛教授，他们率领着一个团队，决心挑战传统，通过结合人类智慧和人工智能，开辟出一条崭新的道路，去创造一种比以往任何药物都更具结合亲和力的胃酸抑制剂。

AI的奇妙设计

故事的第一个章节，我们将聚焦于安部博士和横岛教授如何开始他们的创新之旅。他们不仅仅是科学家，更是冒险家，不怕探索未知。他们深入研究了胃质子泵的空间结构，这是胃壁中一个复杂的蛋白质结构，负责调节胃酸的分泌。这里，AI成为了他们的得力助手。

他们使用了一种名为“Deep Quartet”的人工智能平台，用AI的智慧分析胃质子泵的结构。在AI的引领下，研究人员设计了一系列独特的化合物，这些化合物具有特殊的化学结构，可以精准地靶向胃质子泵。他们的目标是寻找一种化合物，可以同时结合多个位点，提高药物的整体效果。

这个章节带领读者走进AI的神奇世界，展示了它如何在药物研发中发挥作用，为科学家提供了前所未有的洞察力和创新能力。这种合作方式的美妙之处在于，AI能够处理大量的数据和复杂的结构，为人类提供更多时间去思考和改进。

从化合物到药物：突破的关键

在故事的第二章节，我们深入探讨了从候选化合物到创新药物的过程。研究团队利用AI生成了100多种具有独特化学结构的候选化合物，但这只是开始。专业化学家和结构生物学家的工作开始了。

他们从AI生成的候选化合物中筛选出最有前景的几种，然后进行合成。这些合成物被送入实验室，进行了与蛋白质的结合和抑制胃质子泵的能力测试。最终，他们的努力发现了第六种合成物（DQ-06），这种化合物的结合强度比现有的参考化合物更强。

在这一章节中，我们跟随着化学家的足迹，看到了他们如何从无数的可能性中找到了突破，发现了一种有望成为新一代胃酸抑制剂的药物。这不仅是科学的胜利，也是团队合作的胜利，AI和人类智慧的完美结合。

结合亲和力的奥秘：AI与人类的协作

在最后的章节中，我们探讨了这项创新方法的真正力量。虽然AI在药物发现中发挥了关键作用，但安部博士指出，它并不是完全自动化的解决方案。他们选择了真正的候选化合物进行合成，并最终用人类的双手进行了改进。

这个故事的结尾是令人鼓舞的。研究人员通过AI的帮助，发现了一种结合亲和力几乎比传统药物高出10倍的化合物。这不仅仅是一次科学突破，更是对人工智能与人类智慧合作的生动证明。

安部博士总结道：“我们可以看到AI在创建治疗方案方面是有用的，但并非完全或自动。”这句话道出了AI与人类协作的真谛。AI能够在特定领域提供巨大的帮助，但最终的决策和改进仍需要人类的知识和智慧。

这项研究代表了药物研发的巨大进步，为胃酸相关疾病提供了更高效和可靠的治疗方法，同时也激发了药物发现领域新的思路。AI与科学家的合作展示了AI作为一种协作工具，与人类一起革新医药界，改善人类健康的潜力。

在未来，我们可以期待看到更多这样的故事，AI与人类智慧相互融合，共同开创出更美好的世界。这个故事不仅仅是一次药物研发的成功，更是一次人工智能与人类的心灵之旅，带来了希望和创新。

感谢您阅读这个故事，让我们一起期待未来的奇迹。

October 29, 2023
编译 Ubuntu 20.04 内核教程
在计算机世界里，操作系统是一切的基础，而Linux作为一个强大而开放的操作系统，允许你深入定制内核以满足你的需求。Ubuntu 20.04是一个备受欢迎的Linux发行版，它的内核也可以根据你的要求进行编译和定制。本教程将带你深入了解如何编译Ubuntu 20.04的内核，以便你可以自定义你的Linux体验。

步骤一：准备工作

在开始编译Ubuntu 20.04内核之前，确保你已经完成以下准备工作：
- 一台运行Ubuntu 20.04的计算机。
- 安装了所需的编译工具和依赖项，包括gcc、make和libncurses5-dev。你可以使用以下命令安装它们：
```
sudo apt update
sudo apt install build-essential libncurses5-dev
```
- 下载Ubuntu 20.04的内核源代码，你可以从官方网站或使用Git克隆获取。
步骤二：配置内核

现在，让我们开始配置内核以进行编译。打开终端并导航到内核源代码的目录。
```
cd /path/to/linux-source
```
然后，运行以下命令以开始配置内核：
```
make menuconfig
```
这将打开一个文本界面，允许你选择内核的不同配置选项。你可以在这里根据你的需求进行定制，例如添加或删除内核模块、启用特定的硬件支持等。

步骤三：编译内核

配置完成后，让我们开始编译内核。在终端中运行以下命令：
```
make -j$(nproc)
```
这将利用多个CPU核心并行编译内核，加快编译速度。请耐心等待编译完成，这可能需要一些时间，具体取决于你的计算机性能。

步骤四：安装内核

一旦编译完成，你可以安装新内核。运行以下命令：
```
sudo make modules_install
sudo make install
```
这将安装新的内核和相关模块。接下来，更新GRUB引导菜单以包括新内核：
```
sudo update-grub
```
步骤五：重启计算机

现在，你已经成功编译和安装了新的内核。最后一步是重新启动你的计算机，以应用新内核：
```
sudo reboot
```
结论

通过按照以上步骤，你已经成功地编译了Ubuntu 20.04的内核，并可以根据你的需求进行自定义。这为你提供了更大的灵活性，以适应不同的工作和项目。

编译内核可能是一项复杂的任务，但它也是一个充满乐趣和学习机会的过程。通过深入了解Linux内核，你可以更好地理解操作系统的工作原理，并定制一个适合你需求的系统。祝你编译愉快！

这就是如何在Ubuntu 20.04上编译内核的教程。希望这篇文章对你有所帮助。如果你有任何问题或疑问，请随时在下面的评论中提出。

感谢阅读！

本文介绍了如何在Ubuntu 20.04上编译内核，以便自定义Linux系统。通过详细的步骤和说明，你可以轻松地进行这项任务。如果你是一个Linux爱好者或系统管理员，这将是一个有趣和有用的技能。不要害怕尝试，定制你自己的Linux内核吧！
October 29, 2023
如何提取局域网中的IP和MAC地址
曾经有一位名叫王大神的程序员，他在经营自己的网站，热衷于远程办公和编程。有一天，他遇到了一个问题：他想要了解局域网中的设备的IP和MAC地址，以便更好地管理网络和设备。但是，他并不知道如何开始。于是，王大神踏上了一段新的学习之旅，探索如何提取局域网中的IP和MAC地址。

准备工作

在开始之前，让我们明确一些基本概念。IP地址是网络上的设备的唯一标识符，而MAC地址是网络适配器的硬件地址。了解局域网中设备的IP和MAC地址对于网络管理和故障排除非常重要。

步骤一：获取本机IP和MAC地址

首先，我们将学习如何获取本机的IP和MAC地址。为此，我们可以使用Python编写一个小程序，如下所示：
```
import os

def local_ip_mac():
    output = os.popen('ipconfig /all')
    for line in output:
        if '物理地址.' in line:
            mac = line.split(':')[1].strip()
        if 'IPv4' in line.upper() and '(' in line:
            ip = line.split(':')[1].split('(')[0].strip()
    if ip and mac:
        return [ip, mac]

# 调用函数获取本机IP和MAC地址
ip_mac = local_ip_mac()
print("本机IP地址:", ip_mac[0])
print("本机MAC地址:", ip_mac[1])
```
这个程序通过运行ipconfig /all命令来获取本机的IP和MAC地址，并将它们存储在一个列表中。现在，我们知道了如何获取本机的信息。

步骤二：提取局域网中的IP和MAC地址

接下来，我们将学习如何提取局域网中其他设备的IP和MAC地址。我们可以使用Python编写另一个小程序，如下所示：
```
import os

def lan_ip_mac():
    device_list = []
    output = os.popen('arp -a')
    for line in output:
        if '动态' in line:
            parts = line.strip().split()
            ip = parts[0]
            mac = parts[1]
            device_list.append([ip, mac])
    return device_list

# 调用函数获取局域网中设备的IP和MAC地址
devices = lan_ip_mac()
for device in devices:
    print("设备IP地址:", device[0])
    print("设备MAC地址:", device[1])
```
这个程序通过运行arp -a命令来获取局域网中设备的IP和MAC地址，并将它们存储在一个列表中。

通过以上步骤，我们学习了如何获取本机和局域网中设备的IP和MAC地址。这对于网络管理和故障排除非常有用。王大神成功掌握了这些技巧，使他的网络管理工作更加高效。

不要忘记保存提取的结果，以备将来使用。现在，你也可以尝试编写类似的程序，提取局域网中的设备信息。祝你在网络管理方面取得成功！

以上就是关于如何提取局域网中的IP和MAC地址的教程，希望对你有所帮助。

注意： 请在使用这些技术时遵守适用的法律和政策，以确保合法和合规的使用。
October 29, 2023
如何在Proxmox上设置EFI分区和克隆引导
故事发生在王大神的工作室，他正在深入研究Proxmox虚拟化平台，以构建强大的服务器架构。然而，他遇到了一个棘手的问题：如何在Proxmox上正确设置EFI分区以及在多个硬盘上克隆引导，特别是在进行内核更新时。让我们一起探讨他的解决方案，以及如何避免潜在的坑。

设置EFI分区

首先，王大神选择了Proxmox并创建了一个RAID Z3阵列，以确保数据的安全性。但是，他意识到正常的EFI分区无法放在RAID上，因此需要手动设置EFI分区。

他在每个硬盘上都建立了一个1GB的EFI分区，以确保系统引导的稳定性。接下来，他使用以下命令查看EFI引导顺序：
```
efibootmgr -v
```
然后，他更新了GRUB并安装了GRUB引导：
```
/usr/sbin/update-grub
/usr/sbin/grub-install --recheck
```
为了确保每个硬盘上的EFI分区都能正确引导，他使用了以下命令：
```
boothdd=`df -h | grep efi | awk '{print $1}' | sed 's/://g' | sed 's/\/dev\///g'`
/usr/sbin/grub-install --recheck --bootloader-id debian-${boothdd%?}
```
最后，他复制了EFI分区的内容到所有硬盘上的EFI分区，以确保引导的一致性：
```
dd if=`df -h | grep efi | awk '{print $1}'` of=/dev/sdb1 bs=1M
efibootmgr --create --disk /dev/sdb --part 1 -w --label debian-sdb --loader "\EFI\debian\grubx64.efi"
```
克隆引导

现在，王大神的Proxmox系统已经正确设置了EFI分区。但他还面临一个挑战：如何在多个硬盘之间克隆引导，以便在内核更新时保持系统的稳定性。

他思考了一种解决方案：编写一个自动克隆脚本，在内核更新时触发克隆操作。但在着手实施之前，他需要解决一些潜在的坑。

首先，他注意到两个硬盘上的/boot/efi分区的UUID是相同的，这可能导致系统随机选择其中一个硬盘进行引导。因此，他需要确保在克隆操作中正确处理UUID。

其次，他需要考虑如何触发脚本以进行克隆。王大神的解决方案是将脚本与内核更新挂钩，以便在每次更新时自动运行克隆操作。

在Proxmox上正确设置EFI分区并实现引导克隆是一个复杂而重要的任务。王大神通过使用命令行工具和脚本，成功地克服了这些挑战，确保了他的系统的稳定性和可靠性。

通过这个故事，我们学到了如何在Proxmox上设置EFI分区，以及如何处理引导克隆的问题。这些技巧对于管理虚拟化环境的人来说是非常有价值的，可以帮助他们确保系统的安全性和可维护性。

无论你是Proxmox的新手还是经验丰富的管理员，希望这个故事能帮助你更好地理解如何处理EFI分区和引导克隆，以提高你的服务器架构的效率和可靠性。
October 29, 2023