大模型ai实训营笔记（4）

part1
创建项目，选择B1.medium规格服务器
选择CUDA12.1 PyTorch2.1.1的镜像
在模型中搜索Qwen2-0.5B-Instruct
点击启动后，进入环境。
在/gemini/code中存放代码，/gemini/pretrain中是我们刚刚挂载的模型

我们在本地解压大模型应用.zip，得到5个文件，进入/gemini/code目录，将文件拖入窗口完成上传
part2
不选B1.small，选B1.medium
镜像和数据集选择完毕之后，点击 “立即启动”
进入环境后在网页终端输入以下命令：
tar xf /gemini/data-1/stable-diffusion-webui.tar -C /gemini/code/
chmod +x /root/miniconda3/lib/python3.10/site-packages/gradio/frpc_linux_amd64_v0.2
cd /stable-diffusion-webui && python launch.py --deepdanbooru --share --xformers --listen
开设端口7860，端口用途随便
1.Stable Diffusion图像生成方法

1）概述：一种基于深度学习的文本到图像的生成模型

（1）主要组成部分：
文本编码器：将文本输入转化为向量表示，便于模型理解和生成图像
图像解码器：将向量表示转化为图像，生成具有特定风格的图像
噪声预测器：预测图像中的噪音，以便于模型在生成过程中更好地控制图像的质量和细节
2）模型优势

（1）模型稳定性：在训练过程中表现较高的稳定性，不易出现崩溃或异常现象
（2）训练速度：能够快速生成高质量图像
（3）易于优化和多样性控制
优化方法：采用高效的优化方法，使模型在训练过程中能够快速收敛，提高模型生成效果
多样性控制：通过控制模型参数，实现对模型的多样性控制，使模型能够生成的用户图像
参数调整：提供丰富的参数调整选项，用户可以根据自己的需求调整模型的参数，从而实现对生成图像的个性化控制
3）模型缺点

（1）样本多样性牺牲：模型训练数据不足；模型参数设置不当；模型结构设计问题
（2）生成样本速度问题：模型训练时间和模型推理时间过大，对硬件要求高
4）应用前景

（1）创意性与多样性拓展
创意性拓展：生成各种创意性图像，如艺术作品，产品设计，为创意产业提供新的可能
多样性拓展：生成各种类型的图像，如风景，人物，动物，满足不同领域需求
（2）未来发展趋势与潜力：将推动图像生成技术发展，广泛应用于人工智能应用，促进创意产业发展