先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Golang全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Go语言开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip1024b (备注go)
正文
- 在 8GB 上训练嵌入(还报告 6GB 工作)
- 附加选项卡包含:
- GFPGAN,修复人脸的神经网络
- CodeFormer,面部恢复工具,作为 GFPGAN 的替代品
- RealESRGAN,神经网络升级器
- ESRGAN,具有许多第三方模型的神经网络升级器
- SwinIR 和 Swin2SR(参见此处),神经网络升级器
- LDSR,潜在扩散超分辨率升级
- 调整宽高比选项
- 采样方法选择
- 调整采样器 eta 值(噪声乘数)
- 更高级的噪音设置选项
- 随时中断处理
- 4GB 显卡支持(也有 2GB 工作报告)
- 批次的正确种子
- 实时提示令牌长度验证
- 生成参数
- 用于生成图像的参数与该图像一起保存
- 对于 PNG,在 PNG 块中;对于 JPEG,在 EXIF 中
- 可以将图像拖到PNG信息选项卡以恢复生成参数并自动将其复制到UI中
- 可以在设置中禁用
- 将图像/文本参数拖放到提示框中
- 读取生成参数按钮,将提示框中的参数加载到UI
- 设置页面
- 从 UI 运行任意 python 代码(必须使用
--allow-code
运行才能启用) - 大多数 UI 元素的鼠标悬停提示
- 可以通过文本配置更改 UI 元素的默认值/混合/最大/步长值
- 平铺支持,用于创建可以像纹理一样平铺的图像的复选框
- 进度条和实时图像生成预览
- 可以使用单独的神经网络来生成几乎没有 VRAM 或计算要求的预览
- 否定提示,一个额外的文本字段,允许您列出您不想在生成的图像中看到的内容
- 样式,一种保存部分提示并稍后通过下拉菜单轻松应用它们的方法
- 变体,一种生成相同图像但有微小差异的方法
- 种子调整大小,一种生成相同图像但分辨率略有不同的方法
- CLIP询问器,一个尝试从图像中猜测提示的按钮
- 提示编辑,一种中代更改提示的方法,比如开始做西瓜,中途切换到动漫女孩
- 批处理,使用img2img处理一组文件
- Img2img 替代,交叉注意力控制的反向欧拉方法
- Highres Fix,一个方便的选项,只需单击一下即可生成高分辨率图片,而不会出现通常的扭曲
- 即时重新加载检查点
- 检查点合并,该选项卡允许您将最多 3 个检查点合并为一个
- 自定义脚本 具有来自社区的许多扩展
- Composable-Diffusion,一种同时使用多个提示的方法
- 使用大写“AND”分隔提示
- 还支持提示的权重:“猫:1.2 AND 狗 AND 企鹅:2.2”
- 提示无代币限制(原创稳定扩散最多可使用 75 个代币)
- DeepDanbooru 集成,为动漫提示创建 danbooru 风格标签
- xformers,精选卡的主要速度提升:(将
--xformers
添加到命令行参数) - 通过扩展:历史记录选项卡:在 UI 中方便地查看、直接和删除图像
- 生成永久选项
- 训练选项卡
- 超网络和嵌入选项
- 预处理图像:使用 BLIP 或 deepdanbooru(针对动漫)进行裁剪、镜像、自动标记
- 剪辑跳过
- 超网络
- Loras(与 Hypernetworks 相同但更漂亮)
- 一个单独的 UI,您可以通过预览选择要添加到提示中的嵌入、超网络或 Loras
- 可以选择从设置屏幕加载不同的 VAE
- 进度条中的预计完成时间
- API
- 支持 RunwayML 的专用修复模型
- 通过扩展:Aesthetic Gradients,一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法(实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
- 稳定扩散 2.0 支持 - 请参阅 wiki 说明
- Alt-Diffusion 支持 - 请参阅wiki 获取说明
- 现在没有任何不好的字母了!
- 以安全张量格式加载检查点
- 放宽分辨率限制:生成图像的尺寸必须是 8 的倍数而不是 64
- 现在有执照了!
- 从设置屏幕重新排序用户界面中的元素
安装与运行
确保满足所需的依赖项,并按照以下可用说明进行操作:
- NVidia(推荐)
- AMD GPU。
- Intel CPU、Intel GPU(集成和独立)(外部 wiki 页面)
或者,使用在线服务(例如 Google Colab):
使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装
- 从 v1.0.0-pre 下载
sd.webui.zip
并解压其内容。 - 运行“update.bat”。
3.运行“run.bat”。
有关更多详细信息,请参阅 Install-and-Run-on-NVidia-GPUs
Windows 上的自动安装
1.安装Python 3.10.6(较新版本的Python不支持torch),勾选“Add Python to PATH”。
2.安装git。
3. 下载 stable-diffusion-webui 存储库,例如通过运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
。
4. 以普通非管理员用户身份从 Windows 资源管理器运行“webui-user.bat”。
Linux 上的自动安装
1.安装依赖项:
基于 Debian:
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
基于红帽:
须藤 dnf 安装 wget git python3
基于拱门:
sudo pacman -S wget git python3
- 导航到您想要安装 WebUI 的目录并执行以下命令:
wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh
3.运行webui.sh
。
4. 检查“webui-user.sh”选项。
在 Apple Silicon 上安装
在此处查找说明。
贡献
以下是如何向此存储库添加代码:贡献
文档
该文档已从本自述文件移至项目的 wiki。
为了让 Google 和其他搜索引擎抓取 wiki,这里有一个(不适用于人类)可抓取 wiki
- 通过扩展:Aesthetic Gradients,一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法(实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
- 稳定扩散 2.0 支持 - 请参阅 wiki 说明
- Alt-Diffusion 支持 - 请参阅wiki 获取说明
- 现在没有任何不好的字母了!
- 以安全张量格式加载检查点
- 放宽分辨率限制:生成图像的尺寸必须是 8 的倍数而不是 64
- 现在有执照了!
- 从设置屏幕重新排序用户界面中的元素
安装与运行
确保满足所需的依赖项,并按照以下可用说明进行操作:
- NVidia(推荐)
- AMD GPU。
- Intel CPU、Intel GPU(集成和独立)(外部 wiki 页面)
或者,使用在线服务(例如 Google Colab):
使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注Go)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
尝辄止,不再深入研究,那么很难做到真正的技术提升。**
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注Go)
[外链图片转存中…(img-XAkd8KXl-1713162931865)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!