本地部署自动化ai需要什么配置

ai 界的安卓系统正式开源了，羊驼二可以称之上目前开源系统中最强的 ai 大语言模型，而且可免费商用。今天老张教大家如何把羊驼二部署到你的本地，咱们提前体验一下。首先看一下效果，可以直接将拉玛尔部署到咱们的本地电脑上， 根据您电脑性能不同，咱们可以选择不同的版本，性能越强，它的效果也就越好。接下来老张教大家如何轻松的把它部署到你的本地，咱们提前体验一下辣么二究竟有多强大。首先第一步，咱们可以去 dd hop 网站中搜索 test 杠 generation 杠外部 ui， 要这样的一款 ui 工具， 咱们可以往下去拉，找到最底端的这个下载选项，根据您的电脑系统进行下载。下载完成以后，直接将压缩包解压出来，然后双击进入，然后选择 start 杠温 六字典 b a t 这个文件双击打开。如果过程当中有任何问题，欢迎在评论区当中进行留言，老张会给大家一一解答。好的，安装成功以后呢，咱们会发现他会自动的给您产生一个 test 杠，占地 recent 杠 y b u i 拿到他以后，咱们不要着急启动。 老张呢给大家提供了这样的一个拉马尔七 b 的一个语言包模型，如果您这边说老张我自己想下载，我去哪下呢？ 可以直接去这个憨狗 face 上找到这个 mate lamar 这样的一个文件，然后选择您对应的版本，因为它本身是三个模型嘛。七 b 十三 b 七十 b， 根据您的显卡进行选择，如果您是第一次打开这个网站，会让您先去做一个申请，因为我这边已经申请过了，咱们可以直接选择文件和版本，然后可以在这直接进行对应的下载，这是第一个下载方式，第二个下载方式可以直接 下载对应的版本，注意咱们的版本后缀是 ggml 这样的一个版本信息。当然如果说你说老张我什么都不想下，我只想体验一下所有东西，我会给大家打包整理好，到时候你可以直接在老张这进行领取。 ok， 然后这个地方都配置完成以后，咱们再次的双击打开，如果双击过程当中爆了一些错误，咱们可以先尝试更新一下对吧？这有一个更新系统，然后双击打开，当咱们打开之后，他会弹出一个 uil htvp， 冒号幺二，七点零点一，冒号七九零八，证明咱们这次启动是完全 ok 的， 咱们就可以直接打开您本地的浏览器，直接启动就可以，启动完成之后不能直接使用。注意上方有一个 model 啊，这个这模型对吧？把模型这个位置一定要选择咱们的这个拉吗？二，这样的一款模型，这款模型 咱们放在哪呢？放在咱们 test 杠 generation 杠外的 ui 的文件夹中，有一个 models 文件夹，把这个模型放到这个里面，我会给大家把模型提供，你直接拽进来就可以，然后在这个位置选择模型，一定要选择复合，然后再点击刷新， 刷新之后回到这就可以轻松的进行聊天了啊。因为现在这个羊驼二呢，他刚刚开源，对中文呢还是不太理解的，所以说咱们不要担心，你先把他部署上，后续都会逐一更新的。

玩 stable diffusion 到底要不要配台司机？我的建议是刚入门的时候可以选择云部署，如果追求效率跟体验的话，最好还是配一台。在这之前我是麦克产品重度用户，在这大半年用过扣啦 otodl 跟青椒云，在中韩考虑各种问题之后，最终还是选择在东哥的店里配了一台。下面给大家分享一下我的配置。 cpu 是一三七零零 kf， 主板是微星四七九零的 p wifi， ddr 五内存是支持三十二 gb 套装。 ddr 五硬盘是幻想式 tb 固态硬盘， 电源是振华八五零瓦全模组，散热是利明三六零冰封幻境，显卡是 g 加魔音四零六零钛十六 g， 机箱是先满的，随便找了一个，因为我平时不玩游戏，在显存能量跟性价比之间选择了四零六零钛十六 g， 双击是送的上门安装。接着给大家 看一下测试数据，鲁大师跑分两百一十六万 stable deputy 设置图片尺寸五百一十二乘九百二十，开启面部跟高清修复总批次设置吧，跑了几次，用时平均在五分四十秒左右。 最后给大家看一下生产还不错的几张图。 lola 用的是物理秦川的镜中花，这个 lola 已经开放下载，喜欢的可以去自行搜索。

让我看看谁还在一个月花三十美刀，又没这逆生成图的！这个本地一键部署的 sd 启动器，他不香吗？无需费用，无需繁琐的插件代码部署，直接一键安装，就能让你享受原汁原味的 sable the fusion。 当然，前提是你的电脑配置要跟得上， 至少要确保恩卡是英伟达的，毕竟显卡越高，出来的图就越厉害，速度也越快。当你的电脑配置达到要求后， 你就可以根据教程进行安装运行了，花费的时间一分钟都不需要就可以安装完成。这个启动器里面自带了非常多的成品模型，你可以直接下载下来使用。想要具体的安装包和教程的兄弟，记得评论区留言告诉我。

大家好，最近一段时间很多朋友在咨询关于大模型本地化部署微调和显卡的配置建议，所以将我们团队之前做的显卡速度测试数据分享给大家。首先呢，我们先来看第一个表格，我们实测了四种不同的 gpu， 从 a 六千，六千 a 的 a 一百到 max studio 都有，速度方面是六千 a 的最快， a 六千。第二名 a 一百，第三名 max studio 第四名， 我们是用拉马二选用十三 b 的参数量来做测试，那为什么选十三 b 呢？因为七 b 太笨，七零 b 呢？没有聪明到哪里去。那我们测出来十三 b 他的 cp 值最好，也就是说他不会太笨，那也不会占用太多资源，所以我们推荐的 是使用拉玛二十三 b hf 叫做半精度浮点数，也就是 fp 十六。我们在测试时为了比较精准，所以我们没有用量化，我们就直接用 fps 十六来做这几张显卡的速度测试。 那六千 a 的由于它是新一代的显卡，所以它速度是最快，那大家一直在讲说 a 一百，那其实它是上一代的显卡， 所以实测出来他的速度就没有那么快。那另外之前有传说 max 丢丢可以来做大语言模型的训练及推理，但是我们实测他的速度大概只有六千 a 的四分之一， 所以它的速度稍微慢了一些，但是它的内存大，这是它的优势。接下来我们来看看第二个表格，第一个没有亮化，叫做 f p 十六，第二个是八倍词量化，第三个是四倍词量化，那他们的差别在哪里呢？如果是以这个拉玛二十三 b 的大语言模型来讲，假设你用 fp 十六就是没有量化，那他需要占用的 gpu 显存是二十六 g 以上， 为了比较容易记住，就是十三乘以二，得到二十六。如果是八倍子量化，占用的 gpu 显存是十三 g 以上，十三乘以易得到十三。 如果是四倍次量化，占用的 gpu 显存是六点五 g 以上，十三乘以零点五，得到六点五。 通过这两张表，大家对本地化部署大模型的显卡配置应该有了一定的了解。经过我们长时间的业务应用，有一些小建议分享给大家，如果企业的数据可以上云，建议使用 微软的挨着 opennine 做微调和推理。如果企业的数据不想上云，可以本地化部署大语言模型，因为咱们用的是中文为主，不建议用拉玛二，可以用国产的大语言模型。 如果大家对这期内容感兴趣，可以在评论区与我交流，非常感谢大家的观看，我是你们的朋友 leo， 祝大家生活愉快，拜拜！ i place my ear to the other。

啊，大家好，今天那个我们给大家聊一下这个视频监控项目当中的这种 ai 的智能分析啊，就是现在很多这种项目啊，包括一些特别是智慧类，像什么智慧工地啊，什么智慧园区啊，智慧工厂啊，他都需要这种 一些 ai 的啊，一些辅助的功能，这个 ai 的这些辅助的功能啊，它有几种部署方式，今天主要给大家讲一下到底部署在哪里？一般来讲， ai 呢，我们有三种部署方式啊， 第一种啊，我们可以叫做本地计算啊，将 ai 的功能做到这个摄像头里，就是由摄像头来实现这种 ai 的一个计算能力。这种呢就比较适合用在一些比较固定的场所啊，比如我们在一些项目当中，呃， 在某个地方禁止停车啊，比如消防通道是吧，然后这个地方呢，我可能就上一个摄像头，然后这个摄像头 他具备这个检测这个地方有没有停车的这种算法。另外一种呢，就是我们常说的边缘计算，我们是针对这一个园区或者一个社区，然后我们部署一个边缘盒子啊这样一个东西。这个边缘盒子呢，它是一个具有很强计算能力的 呃，一个设备内置了一些边缘计算的一些算法，那比如说一些工工厂啊，检测这个安全帽啊，检测穿没穿这个工装啊，那这些呢，由于他可能要分析整个社区或者园区的大部分的一个摄像头的一个画面啊，那这个时候我们可以采用这种 啊，边缘计算的这种盒子啊，来做这种呃 ai 算法，这个我们常规的摄像头接入到这种边缘计算盒子里，然后这个盒子呢，里头内置了这种边缘计算的一个算法，呃，实现一些这个呃 ai 的计算的这种分析的 这个业务啊。呃，第三种呢，就是呃我们常说的云计算的这种方式了啊，就是说他的这个 ai 算法是部署在云端啊，或者是在一个大型的项目，比如说他 在智慧工地上啊，可能有很多个工地，他已经把这个视频都汇聚到这个呃总部来了，然后在总部部署一个 ai 的算法的服务器来集中进行计算啊。那么还有一些呃就是说现在这个互联网的一些平台，比如说我们呃一些百度啊， 啊，这个什么阿里啊，腾讯啊这些，他会有专门的提供这种 ai 的服务啊。其实上他都是属于这种云端的计算这种方式。那么这种方式呢？就是说他需要把所有的需要计算的是摄像头的视频汇聚到云端。那么这种方式呢，他有个好处啊，就是说他的计算 能力啊，是可以在云端啊，可以利用很多种算力啊，来解决他的计算能力的问题，而且他的算法可能会更丰富啊，因为他是一个庞大的一个系统级的平台。 但是这种部署方式呢，它有一个问题，我们知道这个视频监控的这种 ai 的智能分析啊，它首先需要将所有的视频全部汇聚到我们的一个具有计算能力的这样的一个地方，然后将所有的视频进行分解 啊，我们就解码变成图片，然后再用图片的方向式套用到这个我们的 ai 算法当中，然后对这个进行图片进行这个 呃算法的分析，比如说从图片上看有没有这个人戴没戴安全帽是吧，如果发现哎没戴，那我们才能触发我们的这种告警信号。那么这种方式呢，就是说云端部署的，我们就要 考虑他会有大量的视频的上行的带宽需要占用啊。那其实我们在这做这种就是 ai 智能分析的这种项目当中呢，其实主要考虑的就是两点问题啊。 第一点就是带宽啊，那么你如果大量的分析摄像头啊，你如果是你无论是在云端也好，还是在本地也好， 那么你的带宽是否能满足这个环境啊，能满足你这个业务的需求。另外一个就是算力，那我们知道大量的这样的一个编解码的一个动作啊，他需要耗费大量的 cpu 甚至 gpu 的资源，那么你的这个 边缘盒子也好啊，这个云端计算也好，有没有这么多的计算的能力。比如说我们在项目当中要对一百个这样的高清摄像头进行智能分析，那么你需要有对一百录这种视频的一个解码能力啊，这个都一 般我们 cpu 做啊都已经很费劲了，肯定需要一个比较强大的 gpu 的这样的一个算力的资源，这个也是我们要考虑的啊。所以说我们在做这种啊视频监控的智能分析的时候呢， 那么我们可以根据啊客户的一个现实的情况，灵活的去选择这三种方式啊。第一种我们就是选择用 ai 的摄像头啊，然后根据客户需求临时加点 啊，来解决这种 ai 的分析问题。第二种呢，那我们就需要用边缘计算的这种盒子，然后来接入，将本地的摄像头接入到这种边缘盒子，进行实时的分析。 那么第三种就是说通过云端的。那么这三种呢，都有一些应用啊，各有优缺点，也要看具体项目来具体的落地。好，关于 ai 的啊，部署的这种三种方式啊， 今天就给大家啊。聊到这，欢迎大家收看章鱼评测啊，章鱼评测为您分享行业的产品和解决方案。

大家好，今天要讲的内容是 windows 本地部署拉玛二大模型。 在本节课中，我们将在 windows 环境不使用 gpu， 只使用 cpu 的情况下，基于拉玛点 cpp 这个库部署并运行拉玛二大模型 完成部署后会直接使用 python 接口进行文本生成。 二零二三年七月十九日， meta 发布了免费并且可商用的大语言模型拉玛二，这一举措足以让大模型领域的格 格局发生巨大的变化。 number 二系列模型有七十亿、一百三十亿和七百亿三种不同规模参数的模型， 经过评估，拉玛尔的实际效果已经超过 gpt 三，甚至已经接近 gpt 三点五。 关于拉玛尔本身，有非常多值得讨论的地方，尤其是对国内 ai 领域的深远影响，将来我会再专门出视频来讨论。 下面我们进入正题，就用手头的个人电脑来体验一下。辣妈二， 我们都知道大圆模型动辄就是上百亿的参数，本身就不是在单机环境下使用的， 即使是拉玛系列最小的七十亿参数，也需要英伟达 r t x 四零九零或 a 十来运行。 但是有位超级大神，他基于 meta 发布的拉玛模型开发出了一个运行拉玛模型的模块拉玛点 cpp。 该项目纯手工基于 c 加加打造，没有任何第三方便于依赖，使我们可以基于 c p u 条件进行大模型推理。 另外， 拉马点 c p p 不仅支持拉马二模型，还支持 alpaca、 chinese、 拉马 visor 的 l m 等等其他模型，并且还提供了 python、 go、 node、 j s 等其它语言的接口。 接下来我们来一步步搭建拉玛 cpp 的拍摄环境，实现大语言模型的单机运行。 在搭建环境前，需要提前安装 video studio 用于编译拉玛点 cpp， 我们可以直接在 vs 的官网下载 vs 二零二二 社区版进行安装。 完成 vs 的安装后，使用安娜康大创建一个新的 python 环境，其中 python 版本选择三点十， 接着打开环境，使用 pad install 拉玛 c p p python 命令安装 python 接口的拉玛 c p p。 我们可以在哈根 face 上下载量化后的拉玛二模型，具体登录哈根 face， 找到 the block 这个项目，然后再在其中找到拉玛二 七 b chat g g m l 模性这里要说明的是拉玛尔七 b 是原始的七 b 版本， chat 代表聊天微调版本，而 g g m l 代表亮化模型。 所谓模型量化，可以简单的理解为一种模型压缩的技术。 在下载列表中，我们选择下载其中的 q 四零这个版本，列表中还有很多其他版本， 简单来说， q 四零表示每四个比特一个权重， q 五零就表示每五个比特一个权重，其中的数越大，那么就代表精度越高，我们选择一个差不多的来 使用就可以了。 完成环境的搭建和模型的下载后，就可以编写 python 代码了，程序会依赖拉玛 cpu python 这个模块儿，它的接口使用方法可以在项目的文档中找到， 打开项目文档可以找到接口中的各个参数都怎么使用， 这里就不过多介绍，具体的使用效果还需要大家自行调试。下面我们就来写一个简单的样例程序。 首先导入 lama c p p 在内函数中首先创建拉玛模型，模型使用我们刚刚下好的 q 四零模型，然后对模型输入， hello， who are you？ how old are you？ 看一看模型的反应如何。 这里我们实现一个功能函数， generate text 函数传入模型 model 和输入信息 message 函数返回模型的输出结果。 在函数中，首先需要将 message 转换为 prompt， 然后将 prompt 输入至模型，得到输出 output。 输出结果的格式可以参考文档。我们将其中的 trialses 中的 text 字符串取出， 保存到 answer 中，并将 answer 返回 运行程序，可以得到三个测试结果。发送 hello， m 二会回复一个友善的回复。发送 who are you？ m 二会自我介绍发送 how old are you？ m 二也会给出合适的结果。 那么到这里， windows 本地部署拉玛尔大模型就讲完了，感谢大家的观看，我们下节课再会。

不吃电脑配置，不花一分钱，一键轻松部署一个 ai 小助手，可直接使用 chat g m l 二、拉姆二等开源大语言模型，周末时间大家来一起部署一个属于自己的 ai。 老规矩，我们先看一个基础测试，现在呢已经被咱们成功的部署到了云端，也采用的是 chat g m m 二 对应的一款大语 ai 模型，而且这个位置还可以上传本地的知识库，可谓非常的强大，不吃你电脑，而且所有的内容呢，完全免费操作。 想要本次视频中资料的兄弟们老规矩，点赞关注评论六六六。首先我们先打开老张给大家提供的第一个链接，我们先在阿里云服务器上领取这三个月的 额度，然后认证方式呢，我们直接选择个人认证即可，注意啊，三个月是不花一分钱的。好的，打开咱们的第二个链接，把这两个数据库呢 给他领取一下，因为咱们将来如果说你想要在当前的这个内容中啊，搭建你本地的知识库，或者说上传知识库文件，你需要用数据库作为存储方式，跟之前一样，点击立即使用。 大家注意啊，这两个关联角色和服务角色一定要点击下创建。最后呢，我们再来领取五十个 g 的文件存储空间，用来放咱们将来要部署的大语言模型， 领取方式跟之前一样，咱们点击试用。好的，当咱们把以上这些内容领取完成之后呢，大家可以在这个产品位找到对应的计算选项，这有一个函数计算 fc， 咱们点击进入， 点击进入管理控制台创建默认角色，然后在左侧栏中找到应用选项，咱们可以看到他会有大量的模板，在这大家看到了有 a n 大语言的， a n 绘画的，同意千问的，那我们直接找到 你要部署的 ai 大语言模型，直接点击立即创建，点击进入以后啊如果您有 github 账号，您可以直接进行输入，如果没有的话，咱们直接部署都是一样的， 然后这个地方任何东西咱们都不用去改，然后在最下面点击创建并部署默认环境，然后他会弹出咱们刚刚是不是领取到的两个资源呢？直接点击，然后选择同意，然后选择继续部署， 这样的话他就会自动的帮咱们去创建应用，可能速度呢会稍微的慢一点，大家稍等片刻，然后大家看，如果说现在咱们显示部署成功的话，兄弟们看这他会产生一个钉的域名，咱们可以直接点击域名好，咱们就可以直接对齐进行提问了，大家来看 效果还是非常不错的，对吧？质朴公司，那么咱们看到他最最上方呢，有一 一个三十次的问答额度，那么这个问答额度咱们怎么提升呢？咱们可以切换个人数据库，个人数据库呢，就是大家在这个位置所领的这个二 ds 数据库，那么这呢很多兄弟可能会出现一个小问题啊，就是你在领领取的时候，比如说跟老张一样在这领取， 咱们这个呢，直接这个都不用去管他，咱们注意现在的主节点可用区是不是杭州可用区为 g 啊？然后咱们在这选了一个 vpc， 然后需要选一个交换机，结果咱们发现一勾中啊，发现，哎，交换机不能围空，但很多兄弟的问题就出现了，这个地方没有选项， 那咱们可以怎么样呢？大家来看啊，假设像老张这个已经配置好了，你看是不是没问题啊？那怎么配置的呢？兄弟们，先记住你当前的主节点可用区在哪，然后点击专用的网络控制， 然后在这创建一个交换机，这个标签名称呢，咱们可以任意续起，咱们把它绑定在默认的这个专用的网络下，注意你的专用的默默认网络是什么，然后在这注意交换机名称啊，你可以先随便的去叫可用需，这跟谁一样？兄弟们划重点了，是不是跟这个 主节点可用区是一样的就可以了，然后直接选择立即试用，所以大家看这个这个解决方案一定要记住，否则的话你没有这一步，你将来这个 r d s 你是没有的。好，那么有了这个 r d s 以后呢，咱们就可以让它切换至个人 个人数据库了，那个人数据库咱们就得做一个简单的配置来完成，然后接下来我们来操作一个个人的数据库，后面的难度可能要稍微大一点，大家跟上节奏啊。首先第一个呢，咱们选择阿里 刚才咱们领数据库的这个页面，这是不是有一个已试用啊？咱们点击好，然后我们打开实际列表之后呢，看到这个状态是运行的，我们直接选择管理，管理信息中选择账号管理，然后选择创建账号 数据库，账号这个地方由您自己决定，然后高权限账号密码也是由您自己决定好，高权限账号已经激活，证明咱们账号创建完成，然后选择左侧的数据库管理， 点击创建数据库，数据库名称还是您自己随便的睡觉。选择完成以后，在这点击授权账号就是刚才咱们创建的高权限账号，然后选择创建，然后再往下选择白名单与安全组，然后找到 defote， 选择修改， 修改之后咱们把它呢直接按照这个位置进行修改，请你们看一下，把这个直接复制过去，选择放到这个位置，表示全 公网开放，这样的话咱们可以直接使用测试即可，然后点击下方数据库连接，选择开通外网地址，好的，这样的话外网地址配置成功，点击复制， 然后打开咱们刚才布置好的这个内容，选择迁移个人数据库，不连接地址，直接添入，添入之后端口也是在这个位置，咱们刚才拿到的五四二三的这个外网端口，点击回来高权限账号，咱们自己注册的内容账号密码，咱们自己注册的密码， 数据库名称，咱们自己注册的数据库名称。好的，那么现在上方的限额也被咱们取消了，可以直接上传本地文件，甚至可以导入知识库的 uil， 直接进行本地访问，可谓非常的哇塞，有任何问题记得评论区给老张留言，周五了，大家抓紧去尝试。

超越 taggbt 四点零的中文理解能力， chitgmm 二正式开源公布，这是一款由清华大学出品的 ai 大语言模型，直接部署到本地就可轻松运行，而且对配置要求在逐渐降低，增加了逻辑思维和语言理解能力。接下来大家跟老张快速的体验一下。 首先我们打开对应的一件包，在这个一件包当中呢，咱们会拿到以下这四个对应的内容。首先咱们先说安装包，安装包是本次运行必备的环境之一，必须要把它先进行安装一次， 安装成功以后，咱们接下来需要先把这个一键安装包，对应的工具就是咱们说的一键启动器，把它解压出来，解压出来在这就是对应的这样的一个效果啊，有一个快速启动咱们可以看到，然后这个解压出来之后，紧接着第二步咱们需要做的就是把 把这两个对应的模型也就解压出来，这个模型是咱们今天的主角 chin gm 二，号称可以和 chintpp 四点零掰手腕的国产 ai 模型，这一款呢是我们程序儿界啊非常好用的专门写程序的代码模型，今天老张就不做演示了，如果你需要，你可以把它给下载下来， 然后解压出这款内容。之后呢，咱们把解压出来，他是一个对应的文件夹，咱们把这个文件夹复制，然后放到咱们当前的一键包中， 找到这个 models 文件夹，把它直接粘贴过来，这样的话就可以在一键启动器上找到咱们的 check gml 二对应的这个 an 模型， 找到之后呢，咱们可以直接在这选择快速启动好，然后在这选择对应的模型，因为咱们我这呢有两个模型，咱们要的是这个，对吧？拆个 gm 二杠六 b， 然后这款模型启动完成之后呢，咱们首先先根据您 的显卡来进行选择，比方说老张是八 g 闪存的，我就选择这一项，如果您是四 g 闪存，直接选择下一项就可以了，对吧？根据您对应的内容来进行调试， 可能首次加载他的时间会非常的长，咱们可以稍作等待，如果说他出现了一些报复原因，你一定要检查是不是你电脑显存不扣导致报显存等相关问题。好的，当咱们进行重新之后，你可以看到有一个编个地址栏，可以把这个地址复制，直接就可以打开了，这个就是咱们对应的模型选择， 咱们可以在哪呢？可以在这个模型选项中进行看，对吧？这是咱们这个模型，这是没问题的。好，然后咱们这是文本驱动器，在这就可以直接进行对应的应用效果呢？如果您的电脑配置够好，效果还是非常不错的，但是如果电脑配置一般的兄弟们可能要稍微的差一点。

抽时间教大家本地部署 ai 人工智能声音音色提取模型，训练到加载模型。全套教程。用 ai 模拟人的音色实施诈骗的比较多，提醒谨防电信诈骗。这里免责声明一下，禁止非法使用。第一步安装拍放环境， 傻瓜式安装即可，本教程不作赘述。第二步安装相关的包。第三步准备相关声音文件，准备训练模型。第四步加载 vipui， 配置相关参数，调用模型生成文件。本视频先安装包，后期继续更新。

今天呢，教你用人工智能来生成视频，和火遍全网的 ranway 的真兔技术不同，今天呢，我们使用的是 stable defend 的一个插件 animate def， 在几周之前， animate def 发布之后，由于它惊人的效果呢，引起了很多人的关注。 之前生成的动画视频不同，他生成的视频的一致性非常的强，非常的流畅，几乎呢不会出现脸崩了的这种情况。 究其原因呢，是这个技术的底层并不是在研究一张图片怎么去变成另外一张图片，他是将整个的纹身图的模型当成一个完整的研究对象。在这个纹身图的模型的基础上呢，增加了一个动作层，这个呢就是我们看到的 annimate def 的运动模型。 同样，我们先来看一下他怎么使用，然后再来说一下怎么安装。我们使用的主模型呢叫做吞，又是一个效果非常棒的动画模型。在这里的正向提示词和反向提示词呢，其实不能 重要，大家喜欢怎么写就怎么写。采样器我们选择 ddim， 为什么会选择它呢？是因为它的效果呢，和 dpm 加加系列的采样器呢基本相同，但是用时呢会更短。采样步数我们设置成四十， 图片的宽高呢设置成五幺二乘五幺二，而 c f g 的值呢，我们设置成八。那最关键的部分来了，我们来看一下艾米米特地府的设置。首先呢是运动模型，这呢我们选择一点四，这个模型官方呢一共提供了两个模型可选，一个是一点四，一个是一点五，下面呢是总帧数，我们设置成十六， 再往下边呢是真频，这样呢，我们设置成八，其实呢，你大致可以换算出来我们生成的视频的长度呢，大概是两秒钟。然后呢，我们勾选启用 antimate def 这个插件，点击生成，我们会得到十六张连续的图片，同时这十六张连续的图片会生成一个 jf 图片。对，就像你现在在视频当中看到的。这 下面呢，我们说一下这个插件怎么安装，你现在看到的是 annimate def 的官方首页，它的安装呢非常的简单，我们只需要进入到 step deform 外播控制台的 institution 选项卡，搜索一下 annimate def， 找到他之后点击安装就可以了。但是呢，我们需要下载一下运动模型，大家可以从这个网址下载相关的运动模型。 官方提供的运动模型呢有两个，一个是一点四，一点五，这个呢我们选择一点四下载，下载完之后我们把它放在插件所在的这个目录里边的 毛肚丝目录下边就可以了。总体来讲，这个插件这个效果还是非常棒的，他唯一的缺点就是占用的显存有点大，官方建议呢应该是十二级以上，还等什么，赶紧自己来试一下吧，关注我，让知识变得更有意思！

i want to take bunket down how to take it to bunket toe。 帮助这杯酒。

第一步，根据个人企业搭建内部知识库，选择企业内部文件的知识库或者是个人需要的学习文件进行打包整合， 进行向量，完成后运行大语言 ai 模型， 这是大语言 ai 模型的默认回答， 调用知识库的回答，并且可以轻松找到文件， 是个人和企业支持文件管理的不二之选。

我的黔东家鹅厂昨天发布了 stability fusion 的设计落地流程，简单给大家介绍一下。这篇文章介绍了 stability fusion 需要的硬件配置，包括内存、显卡等等，部署需要什么样的环境，整个部署流程是怎样的？还有 s d 插件的应用，纹身图的流程，每一步的采样值是怎么设置的？ 如何进行高清修复，面部修复提示词的注意事项，可以添加哪些提示词，达到什么样的效果，模型库如何训练，提供了很多模型库下载的网站，还有模型库怎么安装，训练的流程等等等等。这篇文章我也落到了我们资料库的本地话里，我想说的是，大厂不愧是大厂，在这方面永远跑在别人前面。

哈喽，大家好，在上一期中我们完成了纳斯托尔的基础设置，接下来我们进行一个锁引器的设置，我们 可以看到它内置的缩影，也是自制这些公开占点的缩影的，但是占点不是很多，我们可以用 jk 的来代替，那么在设置这个之前，我们要先要去进行 jk 的设置， jk 的我们已经安装好了，首先我们看到 jk 的配置，像 这边的话，默认配置你可以不不修改，也可以自己去修改一下，加一些管理员的密码，或者是修改他的 ul 地址啊，这个根据你的需求来这边 也不多说，这边的话我就要讲一下这个 follow slover 的 a p i 地址。我们的这些 b t 站点有一部分它是受这个 clarophia 这样的一个防护防护的，你直接通过 a p i 这种巨大量的访问，它可能是 无法正常的联通了，他是有库里这种限制的，那么我们图要通过这样的一个工具去进行访问。 ok， 这个工具的话我们也来安装一下，直接进入到我们的 nars 里面，我们用打开安装 注册表中，我们搜索这个， 这第一个好，我们下载选择最新的 特点， flare slo slover 已经下载好了，我们直接点启动， 然后下一步高级设置的样子里，我们添加一个黄金变量叫 test 飘摇 容器，启动的时候会去连接这个 ul， 看能够是否正常联通，如果不能正常联通的话，它是不能正常启动的。 设置好，我们保存这边把端口映射出去，不用添加，直接完成。 稍等一会我们看一下详情， 这边应该是已经正常启动了，我们再到 jack 的这边来，在设置中把这个地址填进来。 呃，如果你在同一台机器上，直接填本地的幺幺七点零点幺二的地址，然后填上端口里面 http 协议 之后你再应用即可。这样我们这个 flares 之后，我们的 a p i 就设置好了。接下来我们添加缩影，这里直接点击 at index， 可以看到这边有很多的站点，我们可以按照一定的条件去搜索这边语言这边 我们找一些中文的 p t 的 private， 这个是需要账号或者 cookie 的 public， 我们再用 public， 我们将这几个添加进来， 继续添加，我们再加一些英文的，这边的话我加 只要加一些电影的，你可以全部给他勾了啊，这里随机勾几个 拖拉，下面添加。 添加完之后可以测试一下这个 teslo， 可以一次性全部测试。 发现这边有很多 在脸超时了，我们把这些脸部上的可以删掉。我这边只是加了一些测试，然后如果你使用的话，可以把所有的加一遍，然后再测一下，把没用的都删掉就可以了。 然后我们复制这个 a p i k， 给它复制好到 not store 中，这边收音器这边打开 jacket 地址的话，就是这个地址 啊，七点零点零点一，然后呃六七把 k 粘贴进来，由于我们没有设置密码，这里就不用填了，我们测试一下， 这成功， ok， 可以正常联通，这样收音机就好了。我们可以在资源搜索这边搜索一下， 看看收音机是否生效了， 找到这个影片，这里就是开始使用收音器去搜索 这边搜索完成了，可以看到 已经搜索到了这个资源，然后我们可以点这个去下载。 ok， 那么这样我们的锁引器就设置完成了，下一期我们来进行下载器的设置，谢谢大家。

大家好，自从我发布了基于本地大模型构建企业私有知识库系统的视频，很多小伙伴在后台留言让我出教程。最近一直忙着交付一些本地大模型和私有知识库的系统项目，一直腾不出时间来，现在总算有空了来安排。 首先我的视频会分为硬件和软件两个部分，教会大家从零开始部署一个基于本地大模型的私有知识库系统。首先是硬件篇， 做到硬件必不可少的就是四零九零了，现在的大模型动辄十几个 g 的最低显存要求，对于消费级硬件，这也足够了。视频最后是配置单，按照这个配置单的电脑基本上跑六 b 七 b 的模型很流畅，十三 b 的拉玛兔稍微有点卡， 传奇的过程我就直接快进了。考虑到散热，我配置了一个比较大的机箱。因为我对酷炫的灯光不太感兴趣，所以选择硬件的时候灯光效果不在我的考虑范围内。我主要从性能、稳定性、价格几个层面去考量。 这个配置的机器我已经用了三个月了，各方面我还是非常满意的。 关注小百，了解更多 ai 干货！

兄弟们， gp 四的多模态还没开放，但是咱清华版本支持本地部署的多模态模型已经出来了啊。我把我的头像放进去了，然后我问他，这张图片你看起来像什么？他准确的描述出来了啊，非常强。这模型是一个开源的支持图像中文和英文的多模态对话语言模型啊， 模型是基于清华六 b 的那个语言模型，他的参数是六十二亿，虽然参数小，但是实图 这个部分其实是很 ok 的啊。最关键的啊，是这个模型跑起来他只需要八点七 g 的现存，所以说他在消费机显卡上就可以很轻松的运行，也就是说你的电脑能玩三 a g 游戏，你，你就能跑这个多模态的原模型。