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年最新大数据全套学习资料》,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%以上大数据知识点,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:vip204888 (备注大数据)
正文
安装步骤
- 如果未安装 Homebrew,请按照https://brew.sh上的说明进行安装。保持终端窗口打开并按照“后续步骤”下的说明将 Homebrew 添加到您的 PATH。
- 打开一个新的终端窗口并运行
brew install cmake protobuf rust python@3.10 git wget
- 通过运行克隆 Web UI 存储库
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
- 将要使用的稳定扩散模型/检查点放入
stable-diffusion-webui/models/Stable-diffusion
. 如果您没有,请参阅下面的下载稳定的扩散模型。 cd stable-diffusion-webui
然后./webui.sh
运行网络用户界面。将使用 venv 创建并激活 Python 虚拟环境,并且将自动下载并安装任何剩余的缺失依赖项。- 要稍后重新启动 Web UI 进程,请
./webui.sh
再次运行。请注意,它不会自动更新网络用户界面;要更新,git pull
先运行再运行./webui.sh
。
SD中文汉化
模型下载
https://huggingface.co/models?pipeline_tag=text-to-image&sort=downloads
https://civitai.com/
SD基本使用
各选项卡的一句话介绍
- txt2img文生图:顾名思义就是用文字生成图片
- img2img图生图:顾名思义就是用图片生成图片
- Extras更多:这里其实是“无损”放大图片用的
- PNG info图片信息:从图片exif里获取图片的信息,如果是SD原始生成的png图片,图片的
exif信息里会写入图片生成参数的,所以你在网上看到大佬生成的美图,可以用这个功能帮你
查看 - Checkpoint Merger模型(ckpt) 合并:合并不同的模型,生成新的模型
- Train训练:自己炼embedding或者hypernetwork
7.Settings设置:顾名思义就是设置页面 - Extensions扩展:顾名思义这里是扩展的管理页面。
下边开始较为详细的介绍一下各个界面
提示词Prompt
用文字描述你想要生成的东西
支持的语言
支持的输入语言为英语(不用担心英语不好的问题,目前网上有很多tag生成器供你使用),SD支
持用自然语言描述,不过还是推荐使用用逗号分隔的一个个的关键词来写,当然表情符号,
emoji,甚至一-些日语都是可以用的。
tag语法
1.分隔:不同的关键词tag之间,需要使用英文逗号,分隔,逗号前后有空格或者换行是不碍事的
- ex: 1gir,oli,long hair,low twintails (1个女孩, loli, 长发,低双马尾)
3.混合: WebUi使用|分隔多个关键词,实现混合多个要素,注意混合是同等比例混合,同时
混。 - ex: 1girl,redlblue hair, long hair (1个女孩,红色与蓝色头发混合,长发)
5.增强/减弱:有两种写法
●第一种(提示词:权重数值):数值从0.1~100, 默认状态是1,低于1就是减弱,大于1就是加强
●ex: ,(loli:1.21),(one girl:1.21),(cat ears1.1),(flower hairpin:0.9)
●第二种((提示词)),每套一层()括号增强1.1倍,每套一层[]减弱1.1倍。也就是套两层是
1.1*1.1=1.21倍,套三层是1.331倍,套4层是1.4641倍。
ex: ((li)((one jir)),(cat ears),[flower hairpin]和第- -种写法等价
●所以还是建议使用第一种方式,因为清晰而准确
1.渐变:比较简单的理解时,先按某种关键词生成,然后再此基础上向某个方向变化。 - [关键词1:关键词2:数字],数字大于1理解为第X步前为关键词1,第X步后变成关键词2,数字小
于1理解为总步数的百分之X前为关键词1,之后变成关键词2
●ex: a girl with very long [white:yellow:16] hair等价为
开始a girl with very long white hair
16步之后a girl with very long yellow hair
●ex: a girl with very long [white:yellow:0.5] hair等价为
开始a girl with very long white hair
50%步之后a girl with very long yellow hair
1.交替:轮流使用关键词
ex: [cowhorse] in a fneld比如这就是个牛马的混合物,如果你写的更长比如[cowlhorselcatldog]
in a fteld就是先朝着像牛努力,再朝着像马努力,再向着猫努力,再向着狗努力,再向着马努力
tag书写示例
建议按类似这样的格式书写提示词
画质词>>
这个一般比较固定,无非是,杰作,最高画质,分辨率超级大之类的
风格词艺术风格词>>
比如是照片还是插画还是动画
图片的主题> >
比如这个画的主体是一个女孩, 还是一只猫, 是儿童还是萝莉还是少女,是猫娘还是犬娘还是
福瑞,是白领还是学生
他们的外表> >
注意整体和细节都是从上到下描述,比如
发型(呆毛,耳后有头发,盖住眼睛的刘海,低双马尾,大波浪卷发),
发色(顶发金色,末端挑染彩色),
衣服(长裙,蕾丝边,低胸,半透明,内穿蓝色胸罩,蓝色内裤,半长袖,过膝袜,室内
鞋),
头部(猫耳,红色眼睛)
颈部(项链),
手臂(露肩),
胸部(贫乳),
腹部(可看到肚脐),
屁股(骆驼耻),
腿部(长腿)
脚步(裸足)
他们的情绪> >
表述表情
他们的姿势>>
基础动作(站,坐,跑,走,蹲,趴,跪),
头动作(歪头,仰头,低头) ,
手动作(手在拢头发,放在胸前,举手),
腰动作(弯腰,跨坐,鸭子坐,鞠躬)
腿动作(交叉站, 二郎腿,M形开腿,盘腿,跪坐)
复合动作(战斗姿态,JOJ0立,背对背站,脱衣服)
图片的背景> > >
室内,室外,树林,沙滩,星空下,太阳下,天气如何
杂项>>
比如NSFW,眼睛描绘详细
将不同的分类的词,通过换行区分开,方便自己随时调整
(masterpiece:1.331), best quality,
illustration,
(1girl),
(deep pink hair:1.331), (wavy hair:1.21) , (disheveled hair:1.331) ,
messy hair, long bangs, hairs between eyes, (white hair:1.331) ,
multicolored hair, (white bloomers:1.46) , (open clothes) ,
beautiful detailed eyes,purplered eyes) ,
expressionless ,
sitting ,
dark background, moonlight, , flower_ petals, city , full_ moon,
tag书写要点
1.虽然大家都管这个叫释放魔法,但真不是越长的魔咒(提示词)生成的图片越厉害,请尽量将
关键词控制在75个(100个) 以内。
2.越关键的词,越往前放。
3.相似的同类,放在一-起。
4.只写必要的关键词。
反向提示词Negative prompt
用文字描述你不想在图像中出现的东西
Al大致做法就是
1.对图片进行去噪处理,使其看起来更像你的提示词。
2.对图片进行去噪处理,使其看起来更像你的反向提示词(无条件条件)。
3.观察这两者之间的差异,并利用它来产生-组对噪声图片的改变
4.尝试将最终结果移向前者而远离后者
5.一个相对比较通用的负面提示词设置
lowres , bad anatomy , bad hands , text , error ,missing fingers,
extra digit, fewer digits, cropped, worst quality,
low quality , normal quality, jpeg artifacts, signature ,
watermark, username,blurry,missing arms, long neck,
Humpbacked ,missing 1 imb, too many fingers ,
mutated, poorly drawn,out of frame,bad hands 1
unclear eyes ,poorly drawn, cloned face,bad face
采样迭代步数Sampling Steps
Al绘画的原理用人话说就是,先随机出-个噪声图片
然后一步步的调整图片,向你的提示词Prompt靠拢
Sampling Steps就是告诉AI,这样的步骤应该进行多少次。
步骤越多,每-步移动也就越小越精确。同时也成比例增加生成图像所需要的时间。
大部分采样器超过50步后意义就不大了
下图是同- -个图从1step到20step,不同step时图像的变化。
采样方法Sampling method
使用哪种采样器,人话就是让AI用什么算法。
这里只介绍常用的,不太常用的就自己去琢磨吧
- Euler a :富有创造力,不同步数可以生产出不同的图片。超过30~40步基本就没什么 增益
- Euler:最最常见基础的算法,最简单的,也是最快的。
- DDIM:收敛快,- -般20步就差不多了。
- LMS: eular的延伸算法,相对更稳定一点,30步就比较稳定了
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:vip204888 (备注大数据)
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!
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:vip204888 (备注大数据)
[外链图片转存中…(img-JjCAhf31-1713694317452)]
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!