本文介绍了Stable Diffusion中的采样器，包括其工作原理、噪声计划及不同类型的采样器（如老式ODE采样器、Ancestral采样器、DPM和UniPC等）。强调了选择采样器时的速度、收敛性和图像质量的权衡，推荐使用DPM++ 2M Karras或UniPC以获得较快的速度和良好的图像质量，同时建议避免使用随机采样器以确保结果的稳定性和可复现性。

Sample采样器

ComfyUI Tips

该文档介绍了如何使用whisper.cpp进行语音转文字，包括克隆项目、获取和编译模型、运行示例、微调模型、内存占用、模型量化、Core ML支持、N卡加速及实时音频转文字功能。提供了详细的命令行示例和注意事项，适合对人工智能和语音处理感兴趣的用户。

语音转文字

该文档提供了将视频加字幕的快速指南，包括配置whisper.cpp、下载ffmpeg、将视频文件转换为16bit的wav格式、识别音频生成srt字幕文件，以及使用ffmpeg将字幕添加到视频文件中的具体命令。

视频加字幕

要在ComfyUI中使用Anything Everywhere插件，首先在<path to your local comfyui>/custom_nodes目录下运行git clone https://github.com/chrisgoringe/cg-use-everywhere安装插件，然后在ComfyUI根目录下运行python main.py启动或重启ComfyUI。使用插件时，按住Shift键并从任意输出节点拖出，选择Anything Everywhere?，然后基于目标输入设定参数即可。

如何解决comfyui中工作流乱七八糟难以看清的问题

本文档针对使用m系列芯片的MacBook用户，详细介绍了如何快速开始训练LoRA模型，包括从下载和启动kohya仓库、图像裁剪、打标、设置训练参数、选择底模、建立训练文件夹到具体的训练步骤。此外，还提供了详细的参数选择指南和优化建议，确保用户能够高效地完成LoRA模型的训练。

lora模型训练

Faiss的使用

Swift的CoreLocation定位在国内存在经纬度偏差，因为国内使用的是GCJ-02坐标系，而国际上使用的是WGS-84。需要使用算法进行转换，可以参考JZLocationConverter-Swift库。

Swift的CoreLocation在国内存在定位偏差

在ollama中创建可以本地跑起来的llama-chinese模型

ComfyUI生图控制——ControlNet篇

如何开发自定义节点

Swift开发注意点

在图像训练中，使用基于ImageNet数据集计算的均值[0.485, 0.456, 0.406]和标准差[0.229, 0.224, 0.225]进行像素归一化是重要的。这种归一化有助于加速模型收敛并提高性能，避免为每张图像单独计算均值和标准差以保持一致性。通过统计整个数据集的像素值分布，可以有效地处理输入图像。

ai图片训练的一些注意点

pytorch和coreml的流程以及一些注意点

人工智能

实用教程

工具

必看精选

painting

comfyui

向量检索

开发

Swift

Swift开发

llama

技术分享

首页

往期整理

历史归档

文章分类

文章标签

关于

Github

关于本站

友链

Published

username

email

phone

is_active

created_by

avatar

priority

due_date

is_completed

color

Last edited time

password

icon

date

type

slug

status

title

summary

Post Board

Config

Post Gallery

Table

类型为Notice的文章将被显示为公告

公告

分享感兴趣的东西，喜欢摄影、旅游、记录、运动、音乐。致力于让生活回归生活。商务合作请加微信Kinda0412。

是爱生活的七月

七月

交流频道

加入社群讨论分享