获取当天00:00:00和23:59:59时间毫秒数

//当前时间毫秒数
long current=System.currentTimeMillis();
//今天零点零分零秒的毫秒数
long zeroTime=current/(1000x3600x24)x(1000x3600x24)- TimeZone.getDefault().getRawOffset();
String zero = new SimpleDateFormat(“yyyy-MM-dd HH:mm:ss”).format(zeroTime);
//今天23点59分59秒的毫秒数
long endTime=zeroTime+24x60x60x1000-1;
String end = new SimpleDateFormat(“yyyy-MM-dd HH:mm:ss”).format(endTime);

Stable Diffusion是一款基于深度学习的文本到像模型,能够根据输入的文字提示生成相应的图片。为了帮助您了解如何使用Stable Diffusion批量生成图片的过程,下面将为您详细介绍。 ### 环境准备 首先你需要准备好适合运行Stable Diffusion的工作环境: 1. **硬件设备**:建议配备一块NVIDIA GPU,显存越大越好;如果没有GPU也可以只依靠CPU工作,不过效率会非常低。 2. **安装Python环境**:通常选择Anaconda来管理虚拟环境可以简化依赖包之间的冲突问题。 3. **获取Stable Diffusion WebUI项目源码**: - 可以从GitHub上克隆官方仓库`https://github.com/AUTOMATIC1111/stable-diffusion-webui.git` 4. 安装必要的依赖库并启动Web UI界面: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui conda env create -f environment.yaml # 或者使用 pip install 脚本里的命令去创建pip环境 ``` 5. 根据系统情况调整配置文件中的设置(例如CUDA版本等) ### 批量生成功能实现步骤 接下来就是具体的批处理流程了: 1. 进入StableDiffusion web ui页面后,在左侧找到“Batch Generate”选项卡; 2. 设置好每次迭代的数量、随机种子值范围以及总的迭代次数等等参数; 3. 输入想要转换成画内容描述语句作为Prompt,并设定Negative Prompt避免某些特征出现在最终结果里; 4. 修改其他如风格倾向(Style)、CFG Scale、采样步数(Sampling Steps)等相关超参直至满意为止; 5. 开始点击"Generate"按钮就可以让程序自动为你生成一系列高质量的艺术作品啦! 需要注意的是由于这是一个比较消耗资源的任务,所以在长时间稳定输出之前最好先做一些小规模测试熟悉整个过程并且观察效果是否达到预期标准。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值