粉丝3814获赞1.8万
相关视频
02:101631金融两万多
04:04
09:04查看AI文稿AI文稿我们搞硬件开发的家私就是多，什么电烙铁呀，万用表啊，信号源呐、电源呐，示波器等等都是离不开的工具和设备。 现在都 ai 编程了，风头正劲，说实在的也确实像，但对切入式开发来说，还是少了点东西。就是我们的硬件大都不在 ai 的 控制范围内， 需要开发者把看到的用语言描述给模型，既不全面也不精准。 所以我就琢磨怎么把仪器设备的数据直接喂给大模型。其实现在的大部分仪器都有数据接口连接计算机， 比如硬件上有串口 r s 二三二， r s 四八五、 usb g p i b 和以太网口，协议上有 scpi。 我 这个想法实现起来也不难。 经过一番摸索，我把我的普源释播器连接上了大模型，通过 m c p server 的 方式与释播器交互指令和数据。先看看效果吧。 这是 vs code 中 stm 三二的开发界面，硬件是一块 stm 三二 f 四零五的开发板， 现在的程序功能是输出两个 spwm 波形，正弦波的频率是十 k 赫兹，两路正弦波相位差九十度，输出对不对呢？不对怎么改？我让他检查一下输出结果是否正确。 一条简单的指令让 ai 开始干活，它先连接示波器，读取波形，然后测量幅度、频率相位差，结果发现频率不对，相位也不对。 接下来他自告奋勇改代码，这个他最拿手了，同意。很快找到了问题，重新编印烧录，开始测量都是自动的， 但中间卡住了。不是他的问题，是我的电路烧录以后不知怎么的没有复位成功，所以打断他，让他重新开始。 最后测定频率十 k， 赫兹完全 ok。 相位差测得一百，有点大，但 ai 有 点不甘心，他改用了其他几种方法，也测量了一遍， 结果还是维持原判，相位差大了八到九度，他把可能的原因也列了出来。 我检查硬件，发现两个 gpl 口的输出电瓶啊有些差异，一照赫兹的 pwm gpl 直接驱动有些勉强， 也许是这个原因造成了百分之十的误差。这个暂且不管，不是重点。 目前来看，我这个 mcp server 还是能很好的工作。我主要在 cloud code 里测试，应该在其他 a 警平台下也能够用，因为 mcp 是 通用的协议， 理论上支持普源的 ds 一 千系列和 ds 两千系列。但我只有一台试播器， ds 二三零二 a 不 可能找所有的试播器都来测试一遍，所以不敢保证你的试播器一定没问题。 如果你不介意这一点，可以到共享文件夹下载，这里说明一下，共享文件夹是我们分享所有视频相关资料的地方，已经积累几年了，需要在 b 站充电以后在我的动态里找链接和密码。 如果你觉得几块钱风险很大，也可以先下载一个测试工具，先跑一下，能够顺利的连接到试播器，你再投资巨款，其他品牌的试播器也可以，尽管试一试，但效果就不敢保证了。 下载链接建视频简介现在说说怎么运行这个测试工具。第一步，下载压缩包，到手后解压到任何一个文件夹，打开后找到这堆东西， 按下 shift 加鼠标右键，选择打开一个 power shell 的 窗口。第二步，用网线连接你的伺候器到电脑， 在示波器的 utility 菜单中找到接口，设置 name 设置，可以看到 l x i 界面，这里面有示波器分配的 ip 地址， 我这里是幺零点幺六八点一点幺零二。注意你的 ip 地址和我的可能不一样， 在第一步，打开的 power shell 窗口中拼一下，能够连上就 ok， 不 行你就检查网线吧， 如果能连通，输入命令，设置环境变量， dollars ev 冒号 regular ip 等于幺零点幺六八点一点幺零二。 然后点杠 regular mcp 杠 test， 点 exe 回车， 正常情况下几秒钟就能够测试完并显示结果。测试期间试播器有几次启停动作，设置动作，最后二十二项能顺利通过就恭喜你了，条件符合可以使用这个工具， 另外附带一个撕剥器截图工具也非常的好用哦。 第三步，在共享文件夹中找到 rego mcp， 下载压缩包， 同样的方法解压缩文件夹名称路径都没有要求你可以放在任何地方，只是要找到这一堆东西。记住路径，我这里是 l 盘跟目录下的 rego 杠 m c p。 第四步， vs code 加 cloud code 为例说明，其他 ai 平台就参考文档，找到本地 m c p server 的 安装方法，不难自己解决。 首先在 vs 扣中打开你的开发项目，在项目文件夹下创建，或者打开点 m c p， 点 json 文件填写这些内容。 command 填写刚才解压缩的文件路径，注意是绝对路径。 emv 填写试播器的 ip 地址，保存后重新载入窗口就完成安装了。 我们来在 cloud code 的 窗口中检查一下 斜杠 m 四 p servers， 这里显示绿色的 connected 就 ok 了， 马上试试。输入连接试播器，查看型号， 不出意外的话，他就会列出试播器的详细信息，有什么不明白的直接问他好了。 比如有哪些工具可用，哗啦哗啦全部显摆给你看， 这些命令也不用记，用人话说给他听就行了。接下来就可以愉快的玩耍了。 ai 连接试播器后，你会发现玩试播器他比你还聪明，我就跟他学了不少新技能哦！ 好，本期视频就到这里，谢谢观看！如果有什么意见或者见解，请在评论区留言，再见！
70JT硬件乐趣
06:17查看AI文稿AI文稿这个视频我们继续来看到志强的开源图像生成模型 kure 二 q 模型的相关流程的更新。在社区当中，大家对于工作流的反应呢也非常的迅速。在模型生成的随机性上面，我们有了 ro 模型加 tom 模型的组合，这允许我们在获得到抽卡乐趣的同时，又能够获得 tom 模型偏向性微调的成果。使用 sd 放大节点一键生成具有极致细节的四 k 或者六 k 的 巨幅全片图像， 在变得足够清晰的同时，又能够激发美感。若模型加突破模型各百分之五十的合并模型的基础流程的调试，在二十步之下， c， f， g 唯一的情况之下，我们可以保证我们的随机性， 这是连续生成的四张图像，随着随机种子的变更，每张图像还是有特别大的不同之处的，这是随机性追回的表现之一，所以我们的这个合并模型呢是生效的。以及这个视频当中呢，我们最后会看到一些对应节点的更新，除了 reaper two 的 inhand sir 节点，这是一种增强的技术，会提升我们升图的质量。那么后面我们看到简单对比彩钢漆这个地方，在设置当中依然有声音会提及 cloud one shock kenstenper 这样的节点的话，是能够增强我们的升图结果的。 我使用节点来调出了一个相对运行良好的数值，大家可以在我的基础之上进行进一步的探索。大家还发现我们使用 y 二点一的 v a e 也是可以正常的进行图像的解码的。这里的追溯其实并不复杂，阿里系的东西它之间能够通用的话，应当是非常好理解的， 结果上就不使用 q 为一位的 v a e， 而使用万二点一的 v a e 的 话，会让我们解码之后图像变得更锐一些。接着我们来看到工作流，这里还是使用的是 全球最大的在线 comfy 爱奇艺平台 running hard， 这是我的四十平台和日常使用的平台，相对的，工作流也已经部署至线上，可以在线运行。我们先看到第一个四 k 到六 k 高清放大的列录， 首先 career two 模型本身就是支持一个比较大的尺寸的图像的生成的，在这个流程当中，我们先设置调节一下尺寸，做一个纹身图，然后点击运行生成结果。在二次放大渲染的阶段当中，我们实际上是进行了先一个两倍的放大，再一个三倍的放大，最终构成了我们的六倍放大， 相当于是把一百万像素放大到了六百万的像素。其实这个流程的构建是因为作者发现 career two 模型对于我们的 noise 值 并没有那么的敏感，所以我们使用 s d 放大节点超分接缝也没有那么的明显，作者本人甚至用到了零点五以上，那么这里我其实做了一些对比测试，那么我最后的结论与作者其实不太一样的是 dno 值值在零点三五的情况之下是比较实用且通用的， 适用于我们的大多数场景，而到达零点五的情境之下，有些时候是比较的过度的偏离。第二个流程， r 模型加突破模型的流程，前段我们 r 模型没有生成完成， 后段我们用 turbo 模型去补足，而且因为它们是一个系列的模型，它们的内存是可以直接链接的，在之前我们做过的 zy 系列模型当中也用过类似的技法， 甚至还用上了高低燥的分离，那也许必要的话，我可以在这个地方做一个高低燥的分离。不过现在根据我的观察来看的话，使用热模型加 turbo 模型出的结果就已经足够好了。 这里是社区当中另外一个创作者的流程，也是使用了一样的原理，结构上相当于是使用肉模型，再把 linen 寄到第二个 k sigma advanced 的 上面继续去收束。第一个高级彩样器呢，我们使用三十六个步数， c f g 为四， 开始在零结束为三，保留我们剩余的噪声。第二个 k 彩样器的话是十二个步， c f g 呢为一。从上一段 linen 接着跑。这个流程的价值在于肉负责打结构，特步模型负责我们 加速成片以及收敛。这个结果。其实我有单测过两个模型基地渲染的结果是最好的，我的合并模型这个地方的结果其实要差一点，但在性能占位上面而也更低一点，因为我这里的话只需要去加载一次我们的大模型，而两段渲染流程我们需要去下载两次模型， 性能不足的情形之下可能会显得有些吃力。在这个对比当中，我们可以看到使用 turbo 模型去承接我们 low 频的 ai 工作流 和可以一键启动的 ai 应用，均以同步部署的，线上可以在线运行和测试。第四个流程，增强节点，增强节点这个地方其实我有对比出结果，第一个选项，当我们既没有调节控制节点，也没有增强节点的时候， 这个图像尽管非常的美丽，但是其实词不达意，与我们的提瑞词是有偏差的，因为很明显我们这里是做了一个服务器山神社的一个场景， 那么服务器在第一张图像当中没有体现后方，当我们开启条件控制节点增强之后的话，有体现加入了 input 节点之后其实会更棒一点，单独加载增强节点也会有效，两者衔接在一起的话，我们不能说到错误，我只会觉得我们单纯的去使用这个增强节点的话， 画面是我最想要的东西，所以这个增长节点我建议大家可以无缝的插入自己的 career to 的 流程当中，它应当只会去提供增益。第五个流程，独特的 k 采集器，流程本身没有什么特别的，只需要把我们的 k 采集器进行一个替换就行了，还是看到一些测试结果。我们拿事实说话， 当我们使用这个采集器的时候，如果设定为 d d i m beta 五七这一时刻的话，我们的画面最合理也最棒的一张图像其实是不能直接得到结论， 我们多看几组就能发现，在这种情境之下，风格化是能够表现的，而且细节上也会得到增加。这里没有什么好说的，实践出真知，可瑞就应当是比较适合于使用 d d i m。 在 比特武器这样的组合形式的，在彩虹机的表现当中就是这样，如果我们想让解码出的图像更锐，我们可以使用万二点一的 v a e。 仁者治人，智者见智，每个人的看法不太一样，不同的人对于不同的好图的感受都是不一样的。我合并的模型的组合之下，他 其实是没有办法直接去赢的。量化模型这一块，我有尝试给大家去配量化模型，因为我们每代模型得到广泛的推起，都是因为它的突破，模型升值变得快， 又因为量化模型的存在，所以这个时候本地用户特别的多，模型就会被大范围的铺开，从而去节带测试。 career to 模型设置当中其实非常的快呢，就迎来了 q 四 k m 模型，在 reno 线上这个节点暂时是有问题的，如果我们本地去跑这个 q 四 k m 的 模型，也 许能把整个模型放到显存当中去跑，会让我们获得更快更为迅速的结果。相较于如果我们原来留了一部分在内存当中去跑的情景之下。
45AI-KSK
02:32查看AI文稿AI文稿古村清岩的老茶树下，藏着两代人跨越三十年的执念。省城回来的规划师林野，带着拆迁任务踏进这个被时间遗忘的村落，第一个拦在他面前的，就是守着百年茶厂的将老头陈守清。 一个要拆旧建产业园，一个要守着老茶林等失联三十年的儿子归乡，两人一见面就火花四溅，成了全村有名的对头。 几次交锋下来，林野却在沉守清泡的老茶里，喝到了童年记忆里最熟悉的味道，也慢慢发现了这个固执老头藏在硬壳下的柔软。 他守的不只是茶厂，还有当年跟老书记一起许下的让村里人都喝上好茶的承诺。他等的也不只是儿子，还有当年跟儿子一起许下的青山常在，我们不散的约定。 而林野藏了二十多年的身世秘密，也随着老茶厂的旧物慢慢浮出水面。没有狗血的冲突，只有烟火气里的和解。满山的茶树抽了新枝，当年走散的人终究循着茶香回到了故土。 当林野最后把新规划的茶旅融合生态原方案放在陈首青面前时，两个降了半辈子的人，终于笑着碰了杯 青山不改。七月十五日，全网上线，看旧山新茶里那些藏了半辈子的爱与执念，如何熬成一碗暖到心底的茶汤。古村清岩的老茶树下，藏着两代人跨越三十年的执念。省城回来的规划师林野带着拆迁任务踏进这个被时间遗忘的村落， 第一个拦在他面前的，就是守着百年茶厂的将老头陈守清。一个要拆旧建产业园，一个要守着老茶林等失联三十年的儿子归乡，两人一见面就火花四溅，成了全村有名的对头。 几次交锋下来，林野却在陈守清泡的老茶里喝到了童年记忆里最熟悉的味道，也慢慢发现了这个固执老头藏在硬壳下的柔软。 他守的不只是茶厂，还有当年跟老书记一起许下的让村里人都喝上好茶的承诺。他等的也不只是儿子，还有当年跟儿子一起许下的青山常在，我们不散的约定。而林也藏了二十多年的身世秘密，也随着老茶厂的旧物慢慢浮出水面。没有狗血的冲突，只有烟火气里的和解。 满山的茶树抽了新枝，当年走散的人终究循着茶香回到了故土。当林也最后把新规划的茶旅融合生态原方案放在陈守清面前时，两个降了半辈子的人，终于笑着碰了杯 青山不改。七月十五日，全网上线，看旧山新茶里那些藏了半辈子的爱与执念，如何熬成一碗暖到心底的茶汤。
00:49查看AI文稿AI文稿我可能是全网第一个发现豆包的回产 人。如果不想被算计，就一定要记住这十句江湖法则比你读， 稍等一下看看成片 later 若不想被算计，须记这十条江湖。找不到工具的打工具，我是不是把麦克的都得罪了？
1.2万娟娟ai吧
00:52
