molili模型更新方法
国内访问国外的这个 ai 模型啊啊？特别慢啊啊？我今天在部署的时候我就发现这个问题了 啊，以前我会尝试开 vpn 然后去下载，但是也是慢。然后今天呢？啊，我就也是在网上找方法了 啊，然后总结出来一个，就是你去那个叫摩搭的那个网站，那个就是所有国外模型的一个镜像，国内的镜像 呃，他那里边我看他是基本上就一个小时去国外网站去更新一次，然后速度也是特别快啊啊？叫魔搭魔搭，然后你想下哪个模型就去搜索，然后他那边他就有相应的下载包。
粉丝2131获赞1.0万
相关视频
06:19查看AI文稿AI文稿嗯， hello， 大家好，今天我们插件更新到一点零七版本，然后之前的版本，嗯， gpt 模型，在 ai 生活中， gpt 模型现在已经支持一 k 到四 k， 然后价格都是一样的，一毛二， 一 k， 二 k， 四 k 价格都是一样的。然后，嗯，之前的版本，对于一点零七之前的版本，嗯，其他的都正常，只不过 g gpt 二可能四 k 不 支持，所以说尽快更新到这个版本，点击关于面板里就有 显示。然后我们的 cdr 插件，嗯，版本支持叉八到二零二六，然后不限制你， win 十 win 七都可以， win 十一双击安装就可以了，不需要关闭杀毒软件上。然后今天给大家讲一下一些常用的逻辑关系。 首先如果你要想使用好这个模型，首先你得知道他的能力在哪里，比如说现在最火的两个模型，香蕉二，他有什么能力呢？一个是他有什么优势，所以说在我们日常工作当中，我们要熟练的搭配。首先第一点 啊，支持超长的比例，比如说一比四，一比八比一，他的优势在这，这是第一点。第二点 指令，语言，指令更加准确，它的语言控制能力，要输入的提示词，它控制的能力比较强， 所以说香蕉二可以用在修改图片，特别厉害。然后我们的 g p t 二也是当下最火的一个模型，它它有什么优点？首先第一个排版， 排版超强， 好，那么接下来我们开始演示一下他们两个区别，以及他们互相搭配，以及还有其他的高清放大，他们配合使用。好，那么我们首先使用 gpt， 让我们生成一个缩版的海报，就比选择一个九比十六 生成一张篮球宣传海报，然后这个我们就不用提示词，每日选择四 k， 然后开始生成同样的提示词，我们给到我们使用香蕉二， 然后也点击发送队列中已经存在。好，那么我们稍等一会，看看他们的效果如何。 好，可以看到香蕉二已经生成完成， 这是四 k 这个效果生成的，香蕉二生成的还是比大香蕉，这个 g p 二生成的图片还是看着比较好的。 好，那么我们继续下一个，比如说这张海报，还有一些我们这些快捷提示词是如何使用的，以及能达到一个什么样的效果。首先第一个更改比例，顾名思义就是把这张海报的内容改成任意的尺寸，首先画一个你想改的一个尺寸，比如说我们画一个横版， 呃，我们改到一米二六百，或者是一米五， 然后这个时候我们就需要使用一个，我们就需要使用香蕉模型，因为它语言指令更精准。好，第一步， 上传一张空白的图片，就是你需要更改的比例的图片。第二张上传这张参考图，点击参考图。第三步，点击更改比例比例，这个需要选择 alt。 好， 我这里演示选择一 k， 点击开始生成，我再把这张图也更改一下比例。 好，可以看到它这个比例对不对？好完美， 可以说使用不同的效果就需要使用不同的模型，这就是插件的一个用法，比如说还有一些喜图，还有高清纠树，人像精修，还有证件照，这些可以， 刚才是一米五六百， 横版改竖版，竖版改横版都是这个流程，所以说改版特别简单。好，再给大家演示一下这个，如果你要制作，要是打印出来， 需要打印制作出来，现在这个尺寸是六百多乘一米多，如果你要打印非常大怎么办？ 好，那么使用我们的高清放大模式，上传当前的参考图，选择九倍放大，点击开始生成，看看放大后之后的图片是多大，对于文字超多的肯定是不太合适。 然后高清放大模式，现实 限时零点零一元，相当于免费的。嗯，活动日期一直到差不多五月二十号，所以说大家想使用想体验的都可以。然后其他的除了下面这三个都是零点零一，上面都是，价格也不高，都是正常的价格，大家可以去官网上去查看。 好，这是高清放大之后的图片，一米八等三米多，完全可以够够用，对比一下原图 清晰度完全没有问题 啊，今天就给大家演示到这些。
01:32查看AI文稿AI文稿兄弟们，这个 hammer's agent 安装，然后就是这条命令安装，安装完之后，如果你以后有更新的话，输这条命令进行更新，然后配置模型，选择 hammer's mode， 然后选择最后一个自定义， 哎，最后一个好，这个 custom endpoint， 然后拍回车，这个时候输入你的 bios 一 二 l。 bios 一 二 l 是 哪个呢？ 是这个，我是本地部属的，所以呢，我就是复制这个地址，复制一下 过来粘贴， come on the v 回车，然后我的 k， k 是 sk 杠，一二三四五六，这个 k 就是 全局设置这个地方设置的 k 或者是这个， 然后你要加载你的模型啊，你看我这边已经加载了， ok， 我 就选择第三个灰灰，输入三回车上下文大小回车， 然后名字叫灰灰灰车， ok， 然后在这个微信 bot 里面，我说你现在是什么模型，他就回答我了，是这个模型， ok。
82沪上码仔AI
02:51查看AI文稿AI文稿今天这期视频以 deepsafe 为例，因为收到群友以及评论区的反馈，说我上一期出的视频零四期有很多朋友用了之后，模型方面还是存在一些问题，比如说虽然设置的是 deepsafe v 四 pro， 但是实际上返回的是 flash 模型， 就因为我上一篇文章写的是以智普模型为例子的解决方案，那么视频就换成 deepsafe 为例。第一步我们需要下载 cc switch 这个软件，具体的下载方案呢，你可以在我的抖音群内找到，或者说你自己直接用浏览器搜索一下就可以了。我们下载之后点击右上角的这个黄色的加号，我们以 deepsafe 为例，点击这个 deepsafe， 然后我们往下滑， 在 api k 这里我们填入密钥名称，这里随便填，我们点一个测试吧请求地址，它是默认填写的，如果说官方有要求的话，以官方要求为准。然后我们再往下划看这块的模型选择，如果说官方准备好的话，我们直接点这个获取模型列表就可以了，如果发现获取不了，那我们就手动输入就可以了。 比如说我们想用的模型是 deepsea v 四 pro， 那 我们就直接输入 deepsea v 四 pro 就 可以，要注意一般都是小写。然后我们全都换成 deepsea v 四 pro， 默认是这个是最高级的，然后这个是中级，这个是低级， 以此类推，把这个选择最高级的模型，这个次一等，这个再次一级，这个名称要注意看一下，因为后面我们是要一一对应的，比如说这个模型的话，它是 deepsea v 四 pro， 之后在 cloud code 桌面端的话就是要对应这个模型的，我们点击保存 这里就可以发现有了这个测试用的模型。接下来我们来配置路由功能，点击左上角的设置，点击路由，点击本地路由，点击路由总开关，勾选 cloud 这个服务地址，需要记住我们后面会用到，那我们 c c switch 的 方面就配置完成了。 那我们来配置 cloud code 的 桌面端，点击左上角三条横杠，点击 developer， 点击 configure party inference， 进入 connection， 我 们点击右上角新建一个模型，比如是 deepsafe 测试用，点击 confirm， 在 base url 这里填写的就是我们刚刚说的那个服务地址，我们粘贴一下，然后 api k 照例填写我们的 deepsafe v 四 pro 的 api k 继续往下滑，在 model list 这里我们点击添加，我们在这里填写 cloud o p u s， 注意都是小写，如果支持一照上下文的话，我们就点击打开再添加第二个模型。 如果说你只用两个模型，那基本上到这就够了。这里的 cloud o p u s 模型与这里的 deepsea v 四 pro 模型对应这里的 cloud s o n n e t 模型与这里的 deepsea v 四 flash 模型对应。如果说你还有其他需要使用的模型，那你就继续点击添加，如果没有的话两个就可以了。然后我们点击 apply locally 重启，打开 cc switch， 点击启动。然后我们问一下你好， 测试模型发现可以使用，那我们就解决了这个问题了。好了，希望能帮助大家，祝大家用的愉快。
1142🍍Loading.ai
01:35查看AI文稿AI文稿兄弟们，这次真的是核弹级更新，五月最新出了全新的 comfy ui 的 懒人整合包，这一波绝对是小白的神之一手，别再担心开放环境红节点报错了，这次已经帮大家把最难啃的骨头全拆完了，真正的开箱即用，双击启动，甚至无需借助网络工具，全套汉化界面，哪怕对英语一窍不通也能闭眼入。 最狠的是这里面直接内置了市面上最火的两百加大神级工作流，都只需要把图拉进去，点击生成，一键搞定。东西全打包好了，都按合规方式准备，感兴趣的来看看我们怎么使用吧。我们下载好我们的压缩包，这里分有基础版和进阶版，那对于小白同学来说呢，我们下载这个基础版本就可以了。 解压完成之后，我们找到这个图标双击打开，然后呢会弹出一个黑色的窗口，我们稍微等待加载一会，他就会自动的在浏览器当中打开，那么你就会看到是这样子的一个界面。在这里呢，我还给大家准备了非常多的模型可供大家选择，像一些常见的 plus 模型，还有千 万模型等等，像这一枚举等等，我都会放在我们的整个包里面，以及有非常多的模板可供大家进行选择，在这里呢都可以找 到对应的工作流，大概会有两百多款，是完完全全能够满足大家的一个生存需求的。那文件呢，都已经放好了，想生存的效果大家也可以看一下，直接点击运行就能够生成这些系列的图片了，全程非常的高清， 而且人物的真实感都是非常强的，我们也可以放大看一下，那么大家拿到手之后呢，就可以自己去动手试一试，看看生存的效果怎么样。那个人认为呢，这样的生存效果还是比较不错的，比市面上大多需要收费的软件效果是比较好的，毕竟呢这个软件是完完全全免费的，感兴趣的八八八哦。
26小叶说AIGC
01:16查看AI文稿AI文稿靠子桌面端更新以后，大家的 api 是 不是都接不上了？别怕，我已经找到解决方案了，而且是终极的解决方案。而今天我发了一个视频，是说直接把模型 id 改成靠的官方的模型 名称就可以用了。用是可以用，但是问题是你切到的那个模型只能看到靠的官方的模型名称，最重要的是 bigc， 它会自动把那个模型降级成 flash， 用不了 pro 就 很难受。然后我研究了很久， 总算被我搞出来了，我干脆把我这个方法做成了一个小工具，而且我已经验证成功了，在我的设备上使用是没问题的。呃，就 因为大家的设备的版本跟型号都不一样，可能要大家去试一下，要是有 bug 的 话可以给我反馈，我去修一下。然后 我这个工具还可以一次性接入最多八个的第三方厂商的模型，不管你用的是哪个国产模型都可以，然后模型的名称也是可以正常显示的。然后大家接下来看我的演示吧，带大家教一下大家怎么使用我这个工具。
2078Winhao学AI
18:05查看AI文稿AI文稿五月一日，康威 u i v 八中文版整合包震撼更新，妥妥的小白福音全中文界面，而且支持中文提示词，根本不需要懂英文。更重要的是这次整合包直接内置了三百一十一个风格模型，全是主流模型，还帮你预设成工作流了，点开输入提示词就能用。 安装也还是超简单的，三步就能搞定一下。二解三，找到启动器，双击即可打开运行。支持苹果和 win 十十一系统，一键升图，一键升视频，还能建模和做音乐，所有操作都是点一下就能实现，特别省心。模型数量太多，我就不挨个介绍，感兴趣的铁子七七八带走尝尝。 那么接下来我们详细介绍一下 cf ui 的 下载以及部署方式。我们先安装资源包里面附带的启动器运行依赖，接着打开解压之后的 cf ui 文件夹，在文件夹内找到 a 会式启动器，随后点击一键启动即可。 稍等片刻后，我们便来到了 cf ui 的 主界面。首先是电脑配置以及系统环境的介绍，首先是显卡方面， 最低要求是拥有四 g 及以上显存的英伟达显卡。接下来是 cpu， 关于 cpu 要求不高，英特尔十代 i 三以上就可以使用。接下来是内存，内存至少需要十六 gb， 推荐三十二 gb 以上，以确保可以加载和运行较大的模型。最后是硬盘，关于硬盘呢，至少需要两百 g 的 空余空间， 推荐使用大容量的固态硬盘。 ok， 在 咱们安装并打开康否 u i 之后，我相信大家跟我看到的都是一样，都是这个默认的工作流界面，咱们现在滑动鼠标的滚轮就可以发现，咱可以利用滚轮进行放大或缩小。接着现在我们按住鼠标滚轮，哎，按下去我们就可以发现了， 咱们是不是可以拖动屏幕了？好，那么恭喜你掌握了两种最基本的操作方式。接着咱们看到这工作流他是不是有一个一个的 节点构成的，啥是节点？这一个咱们称为节点，那这一个我们也称为节点，这一个也是节点，这个也是。而节点与节点之间它能通过线连接， 咱们细心观察可以发现这个粉色的按钮要连哪？连的是另外一个节点的粉色按钮。 继续看，比方说像这个什么 ve 解码的图像蓝色按钮，那它连接的也是这个保存图像的蓝色按钮。 好的，那么现在我们最基本的节点与节点之间是如何连接的？稍微参透了一点点，再继续深入之前，我们先看到右上角有一个直行点击一下，那么这个东西就好像咱们的升图按钮，点击了之后 等待个几秒到数十秒，这个等待时间就会由小伙伴们的设备来决定。我们可以看到现在生成了一张图像，那么生成这张图像的速度和大家的显卡性能有关，我这边还是比较推荐大家 至少要三零六零级以上。当然如果说你没有这么好的硬件设备，我们也可以用云端，比方说现在什么 app， ai， 什么端脑之类的，有很多可以在线升图的平台，那这个我们放在第五节课中会提到。接着我们重新回到这张图片，咱们可以看到它是一个 装着星云，装着紫色森林的瓶子，以及它的背景是树林。问题来了，凭什么它生成的内容是这一些，而不是一头大象护着做一只小猫？那这边咱们就要看到正象提示词， 啥是正向提示词啊？细心观察可以发现这边有一个正面条件，那正面条件这根线连出去的框框，这个叫做什么？ c l i p 文本编码器，咱们称之为 click 文本编码器， 那么在这边输入的内容就被称为正向提示词内容，也就是我们想要什么就在这边输入什么。咱们可以来做个简单的小实验，大家看我们把这些词汇给删去，输入一座花园，注意这边一定要输入的是英文， 如果是中文的话，那么电脑将无法识别，从而生成错乱的图片。好，那么在我们输入完一座花园之后，就点击直行，现在我们可以看到 生成的图像是不是成功变成了花园呢？简直是像魔法一般神奇。好的，那么在我们说完正向提述词之后，我们来说一说他的对角叫做反向提述词，也称为负向提述词。想想在哪输入，看到正面条件的下面有一个负面条件， 当然就是在这所连线的框框，也就是这个 clip 文本编码器，输入咱们的副象提示词。 ok， 那 么新的问题又来了，正向提示词非常好理解，咱们刚才这个就是想要什么就输入什么， 那副象提示词该怎么理解？其实和刚刚说的相反，我们不想要什么，就在副象提示词文本框内输入什么步骤我还是不懂。好，我这边来举个小例子， 比方咱们看到刚才生成这张图像怎么样？是不是有非常多的花，有粉的、红的、紫的，各式各样？那如果我们现在不想要图片中的花占比这么多的话，那么我们就在复相提示词中 输入花朵，那花朵怎么拼？ flower？ 当然如果小伙伴们在园上遇到任何问题，我们都可以用翻译，比方这个 有刀翻译我就挺喜欢的，非常便捷。 ok， 这边是纯推荐，还不是广告？好，我们接下来就点击执行。现在咱发现了没有， 图片中花朵的元素是不是降低了很多？比方我们再次点击执行来看一下，经过两次实验，图片中的花朵确实是比例明显变少了，但是并不是说完全消除。 那这也正如我刚才所说，负面提示词他所做的更多是消除我们输入的东西在画面中的比例，在画面中的权重， 是吧？但是完全根除，这需要其他操作，我们接下来的课程中会提到。 ok， 那 么现在学习完正负向提示词，我们再来看一下连接正负向提示词的这一个叫 k 彩阳器，那么他我们可以理解成就好像 人体的大脑，它控制的整个工作流。不难发现，基本上所有的节点都汇集到了 k 采集器里，这些所有的数据参数汇聚到这之后，经过 k 采集器内部的运算，然后最终才得出了我们的 ai 图像。 至于背后的生图逻辑，我们下一节第三节在纹身图以及背后的运行原理中会详细展开，那么这边我们先大概了解一下就好。接着我们来看到这个 k 采阳器，它有个叫做 layton 的 东西，这个 layton 我 们顺着粉色的线往下看，连到了一个叫空 layton 的 节点， 大家看看这空雷特，他是干啥用的呀？我相信关于这个名词不能说百分百吧，百分之九十九的小伙伴应该都是非常的困惑的。好，那么我们在学习一个新东西的时候， 我们可以看一下他的参数，咱们一起来研究一下。首先他一共有三个参数，分别是宽度、高度，还有皮尺大小， 现在是不是豁然开朗？这个节点就是控制我们最终生成图像尺寸比例，图片整体像素的一个节点。比如我们把这宽度给改成七百六十八，相当于此时的宽高比为二比三，咱们点击直行 怎么样？最终升图是不是非常简单的就被修改成了竖屏比例，那么同样的比方，我们把这个宽度给改成七百六十八，然后把高度改成五百一十二， 此时咱们再点击直行，就可以看到图片也是非常顺利的变成了横屏比例。而关于最后一个参数，也就是空阶的 p 次大小，这一个我们是不是还有点疑虑？好，那么咱们就来尝试一下，比方把它给改成个四吧，具 体会发生什么我们待会才知道，咱们只管点击直行就好。 ok， 我 们来看一下发生了什么变化吗？咱们看到这个保存图像节点的右下方出现了一个 四分之一，并且这边有个交叉按钮，咱们点击一下，发现原来刚才的批次大小代表着一次性出多少张图片，像刚才我们设置成四， 此时也就是一次性出了四张图片，比方说我们在需要进行大批量生图的时候，或者说在测试某一个参数的影响，那么我们就可以把这个空内存的批次给调高一些。不过如果说批次大小过高，比方说三十、四十甚至是一百， 那么就有可能会出现报显存的情况。如果大家不幸遇到了报显存，那么我们重启一下 comfui 就 好。好的，我们来看一下。现在啊，咱们已经把正向提示词还有反向提示词的文本编码器都讲了，以及 k 太阳器 comlatin 也讲了，还有哪个没讲，那就是 click point 加载器。咱们把目光看到这儿， 可以发现了，它是不是有点像一切的源头，非常多的线都连到了这个节点上，这代表着它有非常重要的地位。也确实我们在 checkpoint 加载器里面加载的就是大模型， 我相信这个名词大家或多或少都听说过。那么啥是大模型呢？咱们可以这么简单的去理解，大模型可以控制整体的出图基调，比方说有的大模型是全能系，有的大模型是真实系，有的大模型是动漫系。 咱们现在把大模型给换成一个动漫类大模型，接着什么参数都不用调，直接点击执行 来看一下单单修改一个大模型，会对我们最终出图效果发生什么样的变化。好的，现在我们不难发现图片了，是不是整体风格都变成了偏动漫或者说非写实的风格， 那么我们现在重新看到大模型，咱现在再换一个真实的大模型，再点击执行，是不是感觉到画风一转啊，瞬间变成了写实风格， ok， 这又是大模型的威力，非要比喻的话，可以把它想象成人体的意识。 啥意思？如果我整天哎只想着色色的事情，我最终出图，咱们最终的成品必然也是和色色有关。 那如果说我整天想的是非常正能量，积极向上的事情，那咱们的最终成品也必然会，你懂吧？ ok， 之后我们来看到这个 v e 解码， 它就好像一个转换接头，可以把咱们的 latent 图像变成像素空间图像，那具体是啥意思？我们放在下节课去讲。接下来比方说我们不小心把这个 v e 解码给删去了，之后我们该如何去添加？一共有多种方法，一个就是摁 ctrl z， 那么就可以回到上一步的操作。好的，现在我们再把它给删去。还有种方法就是我们在 k 采集器的后边 laten， 咱们把它给拖出来，松开鼠标，看到这个 ve decode 怎么样？它是不是又重新出现了？接着我们只需要把它的图像与 原来的保存图像相连，这个 ve 又是个新名词，把这个 ve 连接在哪？咱们可以找一找 哪有红色的输出，那就是 checkpoint 加载器。我知道小伙伴们现在可能有非常多困惑，但是都不用着急，因为我们本节课主要教的是基础的操作，至于接下来的比方说参数，或者说他们背后的逻辑，我们会在后边揭晓。好的，那么刚才我们讲完了第二种添加这个 v e 解码的方法。 那么还有第三种方法是啥？我们可以双击界面，此时出现了一个搜索节点栏，那么我们可以在这边输入，想要查找节点的名字， 咱们就搜 v a e 解码，可以看到这边也是有非常多的选项，咱们选择第一个看到 v a e 解码，点击一下，它就这么出现在了我们画面之中，接下来也是与其他节点相连即可恢复成原来的样子。 好的，第三种方法讲完了之后，我们来看一下第四种方法，我们同样的把鼠标放在空白处，按一下右键，接着看到这一个添加节点按钮，点击一下， 随后我们找到 later， 同样的点击一下后，就可以发现咱们的 v a e 解码在这边出现了，对吧？接下来只需要再次点击，那么他就重新出现在了工作流之中，不过我们也能发现这第四种方法非常的繁琐，一般情况下我们都是直接搜索即可。 当然其实还有第五种方法啊，我这边也说了，因为这节课是基础操作课，咱们就把这些最基础的给讲透，我们把目光看到左边有一个像字典一样的东西，点击一下，那么这个东西它是 存放所有节点的地方，我们同样的可以在这边搜索节点，输入 ve， 然后就可以看到各个节点包里面和 ve， 也就是咱们相关输入的词汇有关的节点， 那么我们也不难发现 ve 节点码在最上边，对吧？同样的点击一下，就可以看到它又再次出现在了工作流之中。那么以上就是五种常见的加载节点的方式， 而正如我刚才所说，咱们平时最方便最实用的方法就直接双击界面，然后搜索 ve 即可，这是一种，还有一种就是直接来到比方说像这个内存拖出来，可以看到在这个默认的加载节点里面有 ve 解码，点击一下， 那么它是不是也非常快速的就被加载出来了？那么以上两种方法是最常用的，大家稍微记一下即可。 好，既然我们看到了左边，我们就继续顺着左边来看一下这些东西都代表了什么。首先上面这一个像时钟一样的点击一下，可以发现咱们之前生成的队列， 也就是咱们所执行的任务都在这边出现了，比方像这一个下面有个四的角标，代表着一次性出了四张图，对吧？咱们可以点击一下，这一次任务所生成的四张图就会被展开。好，我们在队列的返回按钮点击一下，咱们就可以回到刚才的队列预览界面。那接着 我们来看一下这一个小小的立方体，它代表什么？这一个是我们存放模型的地方，比方说像什么大模型， lol 什么 ctrl 内模型，都可以在这边显示。那具体像我刚才说那些名词，他们代表了什么， 也是在之后的课程中咱们会逐一揭晓。那顺着这个立方体往下看，有个文件夹，那这个文件夹就是我们存放工作流的地方。这边又要隐身出个问题了， 比如说我们现在这一套工作流想把它给保存下来，怎么保存？我们同样的也是看到左上角有一个工作流，点击一下，随后咱们可以点击保存后的另存为咱们先点下保存，接着编辑一下工作流名字。比方说第二节课 点击确认怎么样？咱们刚才保存的工作流是不是就到了这下一次想要调用的时候，我们只需要双击或者说把它给拖出来，拖到空白处就可以重新加载咱们保存的工作流。好的，我们顺着文件夹往下看，有一个月亮按钮， 点击一下，那么整体的风格就会变白，变得明亮，再点击一下又会回到刚才的深色风格。 ok， 那 现在重要的来了，看到这个齿轮，也就是设置，我们可以在这边来调整咱们的界面语言， 我们看到这个 comfy 的 区域设置，在这里就可以调整相关语言了，当然你想要英语或中文或者说什么其他语言都行，那我这边也是选择了中文。好的，接下来我们看到 这个 comfy 下面的画面，点击一下，随后我们看到连线渲染样式，那这边我们可以选择曲线或者说其他的线型， 比方说直线，咱们点击一下，接着就可以看到垂直，怎么样？界面的所有连线都变成了直线，直来直去的，那这一个就根据大家的个人喜好来进行调整了吗？ ok， 我 们重新回到刚才的画面，那我这边也是先保持直线，我觉得直线会更为直观一点，更方便大家去辨认哪一个节点连接的哪个地方。 ok， 接下来我们看到画面下边的外观，那么在这边我们可以调整色彩主题， 也就是美化咱们的界面，那么我相信大家刚和我进来的时候都是这个 dark， 也就是默认选项，我们可以调成明亮的风格，也可以调成这个蓝色调 或者黑色调。 ok， 我 还是调回默认模式，接着可以看到下面有一个节点不透明度，那这个参数比较重要，因为比方说我们看到这套工作流，如果我们把 v e 解码 不小心放在了这个 k 采暖器的后面，我们就压根看不见了，而节点一多，就有可能会出现这种节点之间相互遮挡的情况，从而增加我们构建工作流的难度， 那么我们就可以回到刚才的节点不透明度，把它给设置成零点四，当然更低也行，那么此时我们就可以透过 k 采暖器看到下边的 ve 解码节点了，对吧？这样我们在构建工作流的时候会更加的 轻松愉快。 ok， 咱们再讲一个小知识点，比方说像我们刚才是不是新添了这一堆节点了，咱现在不想要了怎么办？我们当然可以一个一个节点的这样去删除， 我们也可以摁住 ctrl 键，然后再摁住鼠标左键，这样子就可以框选节点，接着再摁键盘上的 delete 键，就可以做到区选删除。而同时比方说我们现在区选这一套工作流， 我想同时拖动这么多节点的话，直接摁住鼠标左键就可以进行整体拖动了。而如果说我们想升图的时候，我们除了直接点击执行， 我们也可以摁 ctrl 加 enter 键，这样就可以做到快捷的图片生成。好的，那么以上就是关于本期的全部内容了，知识点比较碎，比较杂，可能需要吸收一段时间，那么我们就在下节课纹身图以及深层原理再见。
06:50查看AI文稿AI文稿五月大佬科目一八中文版整合包震撼更新，妥妥的小白福音全中文界面，而且支持中文提示词，根本不需要懂英文。更重要的是，这次整合包直接内置了三百一十一个风格模型，全是主流模型，还帮你预设成工作流了，点开输入提示词就能用， 安装也还是超简单的，三步就能搞定，一、下载二，解压，找到启动器，双击即可打开运行。支持苹果和 win 幺零幺幺系统，一键升图，一键升视频，还能建模和做音乐，所有操作都是点一下就能实现，特别省心。模型数量太多，我就不挨个介绍，感兴趣的铁子七七八带走尝尝。 我们可以看到这个界面有非常多的选项框，以及各种各样陌生的参数，我相信小伙伴们此时一定跃跃欲试，想大展身手了，哎！那么先别急， 我们先来了解各个参数究竟是什么意思，以及具体的使用方法。我们可以看到这边有文生图，还有图生图以及诸多模块。首先最基本的就是文生图以及图生图了，我们从文生图讲起，这边我们可以看到有两个文本框，这个是正向提示词文本框，而这个呢是副向提示词文本框。 那么什么是正向提示词呢？比如说我们想生成一个女孩，那么我们就可以输入 one girl， 这个就是我们的意愿对吧？我们想让 ai 给我们画出一个女孩，这边我们点击生成， 好的，我们可以看到我们成功生成了一张动漫女生的图像。那么接下来我们来讲一下什么是负面提示词，比如这张图片背后有非常多的建筑，如果说我们不想要这些建筑的话，那么我们可以在这个负面提示词文本框内输入建筑，也就是 building， 那 么我们再生成一次看看， 我们可以看到此时的背景变得干净了许多，已经没有任何建筑了。总结概括就是，在正面提示词这里，你想要什么就输入什么。而在负面提示词这里，你不想要什么便输入什么。好的，接下来我们看到上面有个叫做 stable diffusion 模型的选项， 点开后我们可以看到这边一共有五个模型，而这些大模型都是安装包内预先为大家准备好的。这个 anything 威武，是一个哄用大模型，无论是写词还是二次元风格都可以胜任。而这个 animal hunting 以及下面的大客寿司还有 reanimate 都是二次元系的大模型。而上面这个 mighty mix realistic 则是写实类的大模型，比如说我们使用该模型接着直接生成， 哎，我们可以看到此时的图片变成了写实风格，而我们并没有添加任何的关键词，那么这就是大模型的威力。比如说我们切换成二次元素的大模型，我们再生成一次， 我们可以看到此时的图片完全变成了动漫风格。好的，相信大家对大模型已经有了一个初步的认知。接下来我们再来看一下这个外挂 ve 模型，那么这是什么意思呢？ 我们可以简单的理解为 ve 就是 滤镜，我们使用不同的 y 会带来不同的效果。这边我们可以看到一共有两个选项，分别是 anime ve 以及这个八四零零零零 ve， 那 么在生成动漫类图像的时候，我们可以选择这个 anime ve， 而在生成真实系以及其他图片的时候，我们可以使用这个八四零零零零 ve。 好， 接下来我们再来看看下面的这些陌生参数。首先是采用方法，点开后也是可以看到有非常多的选项，那 那么经过测试，这边效果最好的是这个 d p n 加加二 m 以及 d p n 加加二 m s d e 我 们可以简单的理解为更具创造力。 好，这边我们先选择 d p n 加加二 m， 然后我们再来看一下这个调度方式，点开后我们也是可以看到有非常多的选项，这边呢经过测试 cara 是 效果最好的。 然后再来看看迭代步数，迭代步数代表着生成图片一共分多少个步骤，比如说我们将迭代步数改成五， 我们可以看到生成的跟一堆乱码没有区别，而迭代步数越高则代表着运算的次数越多，时间也越长， 那么我们一般选择一个合适的织即可。很多时候运算四十次的效果和运算二十五次的效果百分之九十九的相同，那么我们也完全没有必要去因为那百分之一而浪费非常多的运算时间。好的，我们接下来看一下下面有个叫做宽度以及高度， 那么这顾名思义啊，就是控制着图像的尺寸，比如这边我们将高度改成七百六十八，所以这个值一定是八的倍数。然后我们再点击生成，这边在提嘴的是生成的快捷键是 ctrl 加 enter， 非常实用， 我们可以看到此时的图像已经成功变成了素屏。然后我们再看一下后面的总批次数以及单批数量，他们也是顾名思义啊，单批数量就是指每生成一次会出多少张图，而总批次数呢，则代表着一共生成几次。比如说我们将单批数量改成四，然后点击生成， 我们可以看到他一次性出了四张图片，那么这边我们将总批次数改成二，再次生成， 此时的图片数量则是二乘四，也就是八张图片。那么接下来我们看到下面的这个叫做随机种子，哎，什么是随机种子呢？我们可以简单的理解为它就是图片的 id， 也就是它的身份信息。比如说这边我们生成一张图片， 我们可以看到此时生成了一张穿着蓝色服装的女孩在秋天中漫步的景象。那么如果说我们还想要复现这张图片的话，我们点击这个按钮，循环利用啊，这一串数字就是这张图片的 id 号，不信的话我们再次生成。 哎，我们可以发现还是刚才的那张图片，那么这就是随机种子的含义。当正负项关键词以及各种参数还有随机种子都相同的时候，我们完全可以在另外一台电脑上复现同一张图片。我们再来看一下随机种子的其他用途，比如说我们在正向提示词这里输入 yclose 白色的衣服，哎，我们发现了没有，女生的服装变成了白色，而背景的大体几乎保持不变，那么这就是随机种子的应用。好的，接下来我们往下滑 看到这个 control net 可能有的小伙伴已经听过这个名字， stable fusion 里面最最重要的一个插件，那么这边我做一个小案例，教大家如何实现现稿转化。首先我们上传我们的现稿图，然后点击允许预览 看到控制类型，这里我们选择 line 二限稿，随后预处理器以及模型都保持默认即可。点击红色的爆炸按钮， 我们可以看到预处理图像已经生成出来了。接下来我们按 ctrl 加 enter 进行图片生成，我们可以看到此时已经成功完成了限稿转会， 是不是非常的简单呢？当然如果说你想改变现稿转会的服装颜色也非常容易，比如这边我们可以输入黑色的衣服，那么就是 black clothes。 接着我们再次生成即可，我们可以看到此时女生的服装已经成功变成了黑色。好的，那么以上就是关于本期的全部内容。
252AI界小学生
13:55查看AI文稿AI文稿哎呀，人工智能算法学习两个月，从入门到精通第二天，那此时我姑家可能会问我一个问题，就是我们一直在说这个权重 这东西吧，到底是从哪来的呢？咱在哪得到的这个权重呢？来问问大家，兄弟们帮我猜一猜。哎，你说权重这个东西啊，我们应该是怎么去得到啊？ 我要这么说啊，就权重这个东西，一开始咱是干啥？一开始我们是做一个随机的出使画啊，兄弟们，这个大家注意权重这个东西啊，来我们说第一步它是一个随机的，你看我们这边给大家列出来的， 就好比说我现在啊，不知道我下一步该怎么走了，要不然我撞撞运气吧，随机走一个， 然后我再去调整啊，根据我遇到的问题我再去改是不可以的，所以大家注意一下，一开始我们说咱们任务当中，这是一个随机来去出使画的一个结果，但是接下来我想问大家一个问题，就是在咱们这个任务当中啊， 虽然说我们第一步咱们做了一个随机的一个出场，但是后续他会不会更新呢？权重这个东西，我们说是训练，说是剑魔，所以这东西怎么样一定是会更新的一件事啊。好了，来第一步我们是做一个随机的， 然后呢我们说这个随机值啊，他是有正有负，有大有小的，就是一开始啊，我们说神经网络呀，哎呀，你说这个权重是啥？他也不知道，那他就猜呗，随便来猜一个就完事了。 哎，那此时我想问问大家，就这个任务当中啊，哎，你觉着这个我们这个权重参数他该怎么样进行更新啊？这个是不是咱们接下来比较关键的一件事？ 那下面来我给大家来梳理梳理啊。一会咱们跟更新相关的一个问题，这一会咱给大家画个图啊，因为这个东西本质来说啊，并不是多复杂的一件事啊。我给大家画个图，咱们来通俗去看一看这个任务我们该怎么去做。 来这里边我们打画图啊，咱来捋捋这个任务在咱们任务场景当中啊，需要大家这么想，就是，哎，我们说这是什么？这是有我们的一组权重参数， 然后呢？有了一组权重参数完之后，咱可干什么呢？一会我们会给大家说啊，就是咱们要去计算一个损失。什么叫计算一个损失呢？就是这件事你的预测结果他是个猫，你非说不是猫，那损失比较大， 他本来是个飞机，你说他也是个飞机，那这损失又比较小，就说你的预测值跟实际真实的结果是不是一样的啊？这个就是你跟结果差异越大，我说这个损失也是越大的。 咱八点半上课，八点三十一来的有一点点损失，九点来的损失比较大，那十二点来的损失更大，那不来的损失最多就这种感觉哈。好了，那我们说损失大概是这样一件事，就说我们这个权重啊，哎，肯定是有一个嘴有解的 啊，肯定有个最好的一个权重，他会使得我们最终结果是最好的一件事。那关键问题又来了，就是在我们这个任务当中啊，咱是不是得去想招求一下这个最优解是什么？ 但是你说这事能直接进行求解吗？啊？什么叫记忆学习也好，深度学习也罢，人工智能也罢，有一件事是一定的， 就是我们永远找不到一个最优解，但是呢，我们在尝试着不断去逼近一个最优解，就像我媳妇，她喜欢吃啥我不知道，反正我做啥都不喜欢吃，做这个不行，做那个不行，那我说这个最优解我肯定找不到的，但是我可以去改进， 尝试按照他的口味去改进，慢慢逼近于这样一个最优解，所以这个也是我们模型要去做的一件事。一开始呢，他要干什么？咱们刚是不说了，一开始我们是随机出式画的 来假设，假设我们一开始随机出纸画在这里了啊，就是个随机纸，那大家可能说这随机纸也不好啊，这损失挺老挺老大的，就好比说，咱也不知道今天晚几点上课，大家随机来的，半夜三点来了， 下课了，这感觉不对，是不是？那我们是不是去调整一下这个策略啊？什么叫做一个调整这个策略啊？有一个事就是说对了一半啊？就是，但是不仅仅是今天晚上啊，来，那问他怎么去调节我们这个策略呢？ 在咱们这个任务当中，我需要大家这么去想，就是现在啊，咱不是已经有了一个实际的更新方向了啊？实际我们要去有的一个权重值了吗？那下面我们就得去猜一猜，这个权重值应该往哪个方向去更新才是合适的？多放点盐， 多放点辣椒，多放点什么什么东西，哎，你说到底应该朝着哪个方案去更新呢？怎么能把这个菜做好？怎么能把我们的一个损失给他下降呢？ 所以说关键一个问题是不就是说我不能盲目的去猜呀？我这回放三勺盐齁死他，下回放十把辣椒辣死他。哎，我觉得这么做好像不太科学呀，都是随机猜的呀， 我们是不得沿着一个正确的方向去猜什么叫正确的方向，就换句来说，怎么做能让我们这个损失降低啊？那怎么做能延能让损失降低？ 我们说咱不仅要让它降低，我还得去讲一讲啊，还得去想一想咱们要做这个优化。而且我希望咱能不能说沿着最优解去做这个优化呀？ 如果说咱们这个任务当中，我能沿着最好的根方向去做这个优化，那这一件事是不是，哎，咱可以解决掉啊？所以说下面啊，就是我们大家说了，咱们任务当中啊，叫做一个梯度下降， 我给大家写一写啊，就是名字叫梯度下降，实际上什么事呢？就是我们要更新这个东西， 别瞎更新，别觉着你觉着往啥方向更新，你就往啥方向更新，这里边咱需要干啥 这里边，哎，我们需要找一找比较合适的一些方向，比如说咱们人物当中沿着当前这个点，你就当做下山吧，什么样的方向是我下山最快的？沿着就是跟当前这个点相关的，什么样的方向是我最快的？ 是不是带来看我们的一个切线的方向，咱们是一个最快的一件事啊，感觉应该是一个切线的方向吧。哎，那此时想问问大家，那干脆咱这么定呗，我沿着切线方向去走， 切线什么方向？其大家如果说没听过切线偏导数，你总听过吧？沿着咱们导数这个方向是不也行啊？ 所以说换句来说就是我们要去下山，但是呢，我们在做的过当中，咱是希望沿着 下山最快的方向去做这个事儿啊。所以说一会儿我们任务当中咱实际上再去做的就是来什么样的方向下山最快，咱就沿着什么样的方向去走就完事了啊。这个就是我们今天任务当中咱们要去解决的一个问题啊。好了， 这块来给大家去梳理了一下啊，我们任务当中这叫梯度下降，沿着梯度这个方向去更新哎，但是我问问大家，我更新了一步，就走了一段距离呗，走到这了， 走到这完之后，我问问大家，就咱这个策略还要不要更新呢？给他举个例，就比如说我上高中，上高中吧，那时候吧，我们总爱列学习计划， 你说我高一列的学习计划符合我当下场景，但是我高二你觉着还能用上了吗？兄弟们，大家帮我想一想，高一能用上东西，你高二不一定能用上了是不是？ 所以说我们说沿着这个方向走了一段时间之后，我们得再调整调整，看一看有没有啥更好的方向，是不是？也就是说到的每一个点之后，我们可以重新算什么？ 重新的去算一下咱们这个任务当中我们的一个梯度的方向，是吧？为什么？咱们的梯度方向它是始终变化的，就你在下山 就是这个山，你在下的过程中，每一处它的风景都不同，风景都不同，你的欣赏的眼光也会不同，你的感受也会不同，所以说我们说咱们的梯度要重新的再去算一遍， 再去算一遍梯度之后再干什么？我说我再沿着梯度方向去走一下子呗，又走到了一个新的点，再干啥？再去算这个梯度的方向？也就是说我问大一件事啊，大家听没听过什么这个神经网络这个东西，它最大的问题是啥？ 我们总说这个东西他最大的问题，我希望大家这么去想啊，就是说他迭代速度非常慢，大家总说我训练个模型十天半个月的训练不完，为什么？ 就像是我们刚才说的我们要更新啊？但是我们要更新的次数是非常非常多的，第一件事更新次数非常多的，可能几万次、几十万次都有可能。这第一件事，第二件事我问问大家啊， 就是每一次更新咱们是更新比较大的一个范围呢，还是更新比较小的一个范围呢？来这件事大家帮我想一想，反正我们是要要去做这个更新， 但是这一回咱们在更新的过程中，哎，你觉着我我们希望是更新稍微大一点的范围，还是更新稍微相对小一点的一个范围呢？这个就是我们接来咱们要去考虑的一件事了。来，兄弟们帮我想一想，大的小的 还是先大后小？还是大小通吃，你们定快买定离手吧。大小。兄弟们， 我问大一件事啊，就是咱这个模型在学的时候，一开始是不是随机出使画的？一开始随机出使画的，他是不一开始啥也不会他是不一开始啥也不会啊？我问大一件事啊，就是你到这个公司了，咱刚来这个公司，我说我刚来这个公司，我啥也不会， 你是蔫不悄的低调做人呢，还是大张旗鼓的高调做事呢？ 兄弟们，想一想你刚到一个公司，人生地不熟的时候怎么样？尿呛的是不是别犯错误啊？先捋一捋，看一看环境啊，先分个清个大小王，咱在办事，是不这种感觉啊？ 虽说我们说咱们的模型是不是也是如此的一件事啊？一开始他啥也不会呢，你再往死了更新，那不就是错上加错吗？他都一开始啥也不会。 所以说我们希望啊，就是更新的时候每一次要怎么样，每一次我们都尽可能小，尽可能稍微小 啊，就是理论上我希望大家这么理解，就越小越好。一件事咱先不说衰减这个东西啊，我们先不说衰减，后续我给大家慢慢讲衰减啊，结合代码去说，反正我们先说了学习率，一开始你不能大， 反正小了总没问题，大了怎么样？大了肯定会出事的，先尿不悄的，慢慢的去积累这个事啊。好了，我们先梳理一下第一件事，我们要干什么？尿不悄的小点去做这个任务。行了，哎，那此事我想问问大家， 咱这个算法，我们这个模型能叫什么？咱们叫做一个梯度下降，是不是？哎，问大家一件事，梯度下降这个东西，它是要去解决一个什么事啊？在咱们这个任务当中，哎，你说梯度下降要去干啥？我希望大家这么去理解啊，就是在我们这个任务当中， 梯度下降说白了就帮我们解决这么一件事，去求我们最优的一个参数，但是为啥他要梯度下降？ 来，兄弟们帮我想一想，为啥这个东西叫梯度下降啊？对啊，训练时间会很长啊，没关系，我们有的是时间成本去做这个东西啊，现在算力还是事吗？ 时间还是事吗？这些好像只要能把东西做出来，我们觉得都可以忍，是不是？但是我问大家啊，就是实际上的梯度方向是什么方向？实际上梯度方向并不是我们画的一个下山的方向，而是往上的一个方向。 所以说什么叫梯度下降？你别跟人家去说，人家说问你啥梯度下降，你跟人说我下山叫梯度下降？不是啊， 沿着梯度的反方向去做这个更新，这叫梯度下降啊。好了，来跟大家去梳理了一下啊，我们梯度下降从本质上要去做一件什么事儿，沿着梯度的反方向去更新 后续代码，待会发现事有个什么符号？符号表什么意思？把这个方向反过来，你别往上升了，你给我往下降，我找下山，我不是找上山。好，这是沿着 t 字的反方向，我们去做这个任务。
00:55查看AI文稿AI文稿windows 和 mac 用户今天刚更新 cloud 的 桌面端的，你们是不是也谈了这个报错显示模型直接失效，第三方 a p i 连不上呢？不用担心，我已经找到解决方案了，只需要改一个参数就可以解决。先打开你们的 configure free party inference， 然后将你对应的那个模型 id 改成 cloudsonnet 四杠六或者靠的 opps 四杠七就行。目前比较好的解决方案就是这样的，你想继续使用的话，就把它改成靠的厂商的那些模型名字，也不影响使用， 也是可以正常用的。其他的 base， u， r， l 和 api key 不 用改，改完之后保存在本地，然后就可以正常的连接了。 测试完之后是可以正常访问的。虽然他的模型选择显示的不是以对应厂商的那个模型的名字，但不影响使用。
389Winhao学AI
03:17查看AI文稿AI文稿哇啊，大家好，今天给大家带来 o m l x 的 最新更新，零点三点九版，这个版本里除了加入了对 deepsea v 四的支持外，最重要是加入了对 m t p 的 原声支持。 mtp 简单的来说就是模型内部的一个投机解码架构，和普通的投机解码相比， mtp 不 需要你额外挂一个草稿模型，所以可以省内存在官方的 github 发布页，大家可以根据自己的 macos 版本下载。 下载完成之后需要下载对应的支持 m t p 解码的模型，我们可以来到 o m x 作者的哈根 face 网站下载后缀带 m t p 的 模型，大家可以根据自己的内存情况酌情下载。 下载完成后，我们需要到模型设置里打开 native m t p 这个选项。这里我们用千万三点六二十七 b 稠密模型做例子， 因为 mtp 对 混合专家模型的加速效果不明显，我们先用 mtp 模型执行一个写修仙小说的任务，我们可以看到速度大约是每秒二十五个 tokens。 下面我们用普通的没有 mtp 的 模型跑一遍相同的提示词， 我们可以看到生成的速度是每秒二十个 tokens。 在 同样都为四比特量化的情况下， mtp 模型比非 mtp 模型的速度快了百分之二十。 我们再来看看巴比特的 m t p 模型，其实我觉得六比特会是一个甜点区间，但是奈何作者没有发布六比特的，所以我们直接上巴比特的。 此时巴比特的千问三点六二十七 b 稠密模型的推理速度也有每秒十八个头，肯斯和四比特五 m t p 的 模型几乎一样，要知道巴比特的量化精度几乎和 f p 八浮点差不多了，几乎达到了满血模型的水平了。 最后我们再用这个几乎满血的巴比特 m t p 模型来驱动最近很火的 hermes， 使用 andrew karp 大 神的 l l m y t 来执行一个搜索并整理知识库的实战任务。 这里我的搜索 api 额度用完了，所以我需要让千问三点六稠密使用浏览器智能体直接操作浏览器来获取信息。 这个 release 页面应该是太长了，我们让他只关注零点三点九的 release 内容。我们可以看到千问三点六二十七币顺利的操作浏览器拿到了所需的信息。 这里他在查看了 l l m wiki 后发现没有相关的内容，然后他阅读并根据 l l m wiki 的 结构开始创建 o m l x 的 相关 wiki 页面。 最后我们可以看到千位顺利的完成了任务，并且按照 l l m v t。 的 结构和要求更新了 skin 吗？ index 入口，还更新了 log， 我 们打开 obc 点快速的看一下，很好，没毛病，现在就等拉玛 c 加加的 m p p 更新了，毕竟 g g u f 的 量化性能更好，更小的量化可以带来更好的推理速度呢。
39AI踩坑指南
