速度还挺快!无界14 Pro轻薄本实战Stable Diffusion AI画图

Stable Diffusion AI画图现在简直太火爆了。各路大神使用支持CUDA或是Rocm技术的显卡做出了无数吸引眼球的作品。但是对于没有搭载独立显卡的轻薄本来说,AI画图就不能实现了吗?当然不是!Stable Diffusion其实是有基于DirectML运行库的版本的,但凡支持DirectML计算的显卡或是CPU都能够实现运行,只是效率上要比CUDA和Rocm要低一些。

图片

AMD锐龙7 7840HS处理器中集成了目前性能最强的核心显卡Radeon 780M,因此这也是目前最适合运行Stable Diffusion的核心显卡了。采用锐龙7 7840HS处理器的笔记本大部分为高性能轻薄本,比如最近机械革命的无界14 Pro就是其中之一,而且最新版的BIOS中加入了显存手动调节功能,可选择4GB大显存,建议大家更新。下面小编就是用无界14 Pro来为大家讲解一下Stable Diffusion DirectML版如何部署并使用。

图片

首先进入https://github.com/lshqqytiger/stable-diffusion-webui-directml,点击右上的绿色Code按钮后再点击Download ZIP就能很快完成下载。Git可以帮助Stable Diffusion Webui下载所需要的各种组件和模型,这是必须要安装的,下载地址:https://git-scm.com/download/winStable Diffusion Webui是开源项目,基于Python运行,所以需要下载Python才能够运行。下载地址:https://www.python.org/ftp/python/3.10.7/python-3.10.7-amd64.exe

下载时请注意不要使用太新的版本,推荐3.10.7以免造成兼容性问题而无法运行。

图片

在安装好git和Python后,将Stable Diffusion DirectML的压缩包解压后运行里面的webui-user.bat批处理文件。

图片图片

之后程序会自动从网络上下载所需要用到的组件并自动进行安装。具体完成时间根据网络情况而定,如果部署过程中出错可重新运行webui-user.bat批处理文件,会从上次中断的地方继续下载。

图片

待所有组件全部下载并自动部署完成后关闭窗口,找到文件夹中的webui-user.bat批处理文件,邮件点击编辑。在set COMMANDLINE_ARGS=后面加入 --precision full --no-half --lowvram参数。双击重新运行该品处理文件稍等片刻浏览器就会自动打开WebUI的界面。

图片图片

经过小编的测试,无界14 Pro轻薄本中的Radeon 780M核心显卡在512x512分辨率下能实现3s/it的迭代速度,虽不及支持CUDA和Rocm的独显,但是能够将顶级CPU踩在脚下。由于最高4GB的共享显存,因此通过GPUZ可以看到无界14 Pro在计算AI时因为显存已经被占满的原因,GPU核心并没有完全发挥出全部实力。

图片图片

接下来小编尝试将分辨率提升到512x768,点击生成后直接因为显存不足而报错了,手中有无界14 Pro的朋友尽量在使用Stable Diffusion时将出图分辨率限制在512x768以下,以免因为显存不足而报错。

图片

接下来小编为大家介绍一下本次文章中使用的无界14 Pro轻薄本,其采用了星空灰的配色,相比较传统银色来说在质感上就更胜一筹,整机材质也是大家喜闻乐见的航空级铝合金,表面经过非常精细的喷砂和阳极氧化工艺,手感无比细腻。

图片

机械革命的LOGO位于机身A面的左上侧,通过CNC开槽将亚克力LOGO铭牌镶嵌其中,高精度下做到了非常平滑的过渡。

图片

为了实现屏幕的180度全开合,机械革命在无界14 Pro轻薄本的转轴上下足了功夫。采用了立式转轴,对出风口没有遮挡,散热效果更强劲。同时还能够实现180度的完全放平。

图片

屏幕方面,机械革命为无界14Pro轻薄本启用了一款分辨率高达2880x1800的2.8K超高清广视角液晶面板,比之前型号的2.5K屏幕显示效果更加细腻。100%sRGB高色域覆盖下能实现1670万色的色彩表现力,同时120Hz高刷新率对于用户日常使用来说也能提供如丝般顺滑的感受。

图片图片

标准电压处理器带来强劲性能的同时也具备了较高的发热量,机械革命为无界14 Pro轻薄本配备了双风扇和双出风口,散热能力更有保障。用户还可以通过Fn+F1按键在节能模式、平衡模式和性能模式间随心切换。下面是小编使用Stable Diffusion DirectML搭配机械革命无界14 Pro轻薄本炼出来的几张图,最后祝大家玩得愉快!

图片

提示词:best quality,high resolution,highly detailed,detailed background,perfect lighting,The student council girl with twin braids and glasses whom you don’t know that she’s a pervert until looking prompts,

反向提示词:(EasyNegative),(bad-hands-5),an6,verybadimagenegative_v1.3,(worst quality, low quality:1.2),(missing fingers, missing hands, missing legs:1.4) (extra limbs, extra fingers, extra hands, extra legs:1.4),(mutate fingers, mutated hands, mutated legs:1.4),(malformed hands, malformed fingers, malformed legs:1.4),(poorly drawn hands, poorly drawn face),(text, signature, watermark, username),(logo:1.5),

图片

提示词:best quality,high resolution,highly detailed,detailed background,perfect lighting,vivid color,

反向提示词:multiple tails,two tails,quad tails,(worst quality, low quality:1.4),(EasyNegative:1.2),

图片

提示词:(kawaii,cute illustration:1.2),(1girl, child, kid, solo:1.4),(from front,fullbody:1.1),BREAK [(blonde hair, golden hair:1.2):(grey hair:1.2):0.5],(long hair, two side up:1.2),(purple eyes,amethyst eyes:1.3),(wink, smile, neat and clean:1.2),BREAK (casual,black skirt, white blouse, ribbons, long skirt, long sleeves, cross,:1.2),BREAK (autumn, early 20th century, europe:1.2),wildlife,A rolling countryside with fields of green and a distant farmhouse,Vincent van Gogh,Expressionism,

反向提示词:NG_DeepNegative_V1_75T,EasyNegativeV2,extra fingers,fewer fingers,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,(worst quality, low quality:1.4),Negative2,(low quality, worst quality:1.4),(bad anatomy),(inaccurate limb:1.2),bad composition,inaccurate eyes,extra digit,fewer digits,(extra arms:1.2),(bad-artist:0.6),bad-image-v2-39000,

图片

提示词:best quality,masterpiece,highres,cg,1girl,slightly chubby,long hair,dress,water,solo,jewelry,white dress,earrings,hair ornament,splashing,upper body,hair bun,black hair,lighting,candid,Photograph,high resolution,4k,8k,Bokeh,

反向提示词:(((simple background))),monochrome,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,lowres,bad anatomy,bad hands,text,error,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurry,ugly,pregnant,vore,duplicate,morbid,mut ilated,tran nsexual,hermaphrodite,long neck,mutated hands,poorly drawn hands,poorly drawn face,mutation,deformed,blurry,bad anatomy,bad proportions,malformed limbs,extra limbs,cloned face,disfigured,gross proportions,(((missing arms))),(((missing legs))),(((extra arms))),(((extra legs))),pubic hair,plump,bad legs,error legs,username,blurry,bad feet,

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 (全套教程文末领取哈)

随着技术的迭代,目前 Stable Diffusion 已经能够生成非常艺术化的图片了,完全有赶超人类的架势,已经有不少工作被这类服务替代,比如制作一个 logo 图片,画一张虚拟老婆照片,画质堪比相机。

最新 Stable Diffusion 除了有win多个版本,就算说底端的显卡也能玩了哦!此外还带来了Mac版本,仅支持macOS 12.3或更高版本

在这里插入图片描述

2.stable diffusion视频合集

我们在学习的时候,往往书籍源码难以理解,阅读困难,这时候视频教程教程是就很适合了,生动形象加上案例实战,一步步带你入坑stable diffusion,科学有趣才能更方便的学习下去。

在这里插入图片描述

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果,这时则需要通过使用大量训练数据,调整模型的超参数(如学习率、训练轮数、模型大小等),可以使得模型更好地适应数据集,并生成更加真实、准确、高质量的图像。

在这里插入图片描述

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言,整个SD学习过程中都离不开这本提示词手册。

在这里插入图片描述

5.AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述
这份完整版的学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

`stable diffusion`实战通常涉及到深度学习领域的一种生成模型——扩散模型。这种模型通过逐步添加噪声到数据上,然后从噪声重建原始数据的过程来进行样本生成、图像超分辨率等任务。其核心在于模型能够“逆向”从高维噪声空间恢复出低维的数据表示。 ### 简介 扩散模型的基本思想是在训练过程中对输入数据逐步加入高斯噪声,形成一个由干净数据到完全随机噪声的连续过程。训练阶段,模型学习如何从不同噪声级别下恢复数据。在实际应用时,通过反向过程(即从最终噪声状态逐渐去除噪声),模型可以生成新样本。这一过程称为“稳定扩散”。 ### 实战步骤: #### 准备工作: 1. **环境搭建**:首先安装必要的Python库,如PyTorch、NumPy等,并设置CUDA环境以便利用GPU加速计算。 2. **数据集准备**:选择合适的数据集用于训练和测试。例如,在图像处理场景下,可以使用MNIST、Fashion MNIST或ImageNet等数据集。 #### 模型设计与训练: 1. **模型架构**:设计扩散模型的前馈神经网络架构,包括编码器和解码器部分,以及关键的噪声预测层。 2. **损失函数**:采用交叉熵损失或其他适合的损失函数来优化模型。 3. **训练流程**:在训练集中逐批次加入噪声,模型通过预测噪声分布并尝试反向重构数据。这需要大量迭代以适应复杂的噪声扩散过程。 4. **评估与调整**:在验证集上评估模型性能,根据结果调整模型参数或结构。 #### 应用实例: - **图像生成**:通过控制扩散过程的起始噪声级别和时间长度,生成新的图像。 - **超分辨率**:在较低分辨率的图像上增加细节,提高清晰度。 - **文本生成**:基于预先训练的模型,生成新的文本序列。 ### 实验注意事项: - **内存管理**:由于扩散模型涉及大量的数据处理和矩阵操作,需要注意内存优化和避免过拟合。 - **训练效率**:合理设置学习率衰减策略,加快收敛速度。 - **正则化手段**:防止模型过度拟合,保持泛化能力。 ### 相关问题: 1. **扩散模型如何有效减少生成样本的多样性损失?** 这通常涉及到精细调整噪声添加策略和训练目标函数,保证模型能够在不同噪声级别上都能准确地恢复数据特征。 2. **在哪些场景下扩散模型特别有效?** 扩散模型适用于图像、文本等多种类型的数据生成任务,尤其是在对抗生成网络(GANs)难以达到理想效果的情况下,扩散模型提供了另一种有效的生成途径。 3. **如何优化扩散模型的训练效率和生成质量?** 优化策略包括但不限于调整噪声强度、改进损失函数设计、采用更高效的优化算法、引入正则化项等。同时,对于大规模数据集,还可以考虑分布式训练技术,以加速训练过程并提升模型的生成质量。
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