1.aiç»å¾è½¯ä»¶åªä¸ªå¥½ç¨
2.ai-structure.com:新开源 GAN to PKPM/YJK的制图自动化建模程序
3.腾讯T2I-adapter源码分析(3)-训练源码分析
4.推荐一款Meta出品的AI版神笔马良工具
5.AI与PDE(七):AFNO模型的源代码解析
6.手把手教你安装运行AI绘图Stable-Diffution-Webui(Mac OS篇)
aiç»å¾è½¯ä»¶åªä¸ªå¥½ç¨
触ç«ãDeepArt.ioãPrismaçã
1ã触ç«æ¯å½å é«äººæ°ç»å¸ä½åå享平å°ï¼ææµ·éæç»å¸å ¥é©»ï¼åæ¶è§¦ç«æ¨åºçAIç»ç»åè½åå强大ï¼é¶åºç¡å°ç½ä¹è½å¿«éææç²¾ç¾çä½åï¼å¹¶ä¸æ¯æä¸é®ä¸è½½ï¼æ°ç¾ä¸ç¨æ·å¨ä¸é¢å享ãåä½ã
2ãDeepArt.ioæ¯ä¸æ¬¾é常强大çAIç»ç»å¹³å°ï¼å¯ä»¥å°ä½ ä¸ä¼ çä»»ä½å¾ç转å为任ä½ä¸å¼ èºæ¯å¤§å¸çåä½é£æ ¼ãæ以ï¼æ³è®©èªå·±ç头ååæä¸å¹ 梵é«çæ²¹ç»ä½åçè¯ï¼é£ä¹DeepArt.ioå°±æ¯ä¸äºéæ©ã
3ãPrismaæ¯ä¸æ¬¾ååæ趣çAIç»ç»å¹³å°ï¼å¯ä»¥å°ç §ç转åæåç§ä¸åçèºæ¯é£æ ¼ï¼å æ¬ææåç«æ´¾ãæ¯å ç´¢ççãèä¸ï¼Prismaè¿é å¤äºè®¸å¤ç¾å¦ç滤éææï¼æ以ç¨æ·å¯ä»¥è½»æ¾å°è®©èªå·±çç §çæ´å åºå½©ã
ai-structure.com:新开源 GAN to PKPM/YJK的自动化建模程序
在年4月日、4月日、源码源码5月5日和5月日,绘制ai-structure.com平台连续发布了一系列重要更新,制图包括v0.0.4版本以及图神经网络在剪力墙设计中的源码源码应用、自动化建模源代码的绘制cgx指标源码生成对抗网络(GAN)到PKPM和YJK的转换工具。项目的制图初衷是通过AI设计建筑平面布局,随后由专业的源码源码结构软件进行分析和校核,以提高工作效率。绘制
其中,制图近期开源的源码源码代码亮点在于实现了从AI生成的结构方案到PKPM和YJK结构设计软件的自动导入功能。5月5日和更新的绘制GAN-to-PKPM/YJK代码可在智能设计云平台上获取,链接位于 ai-structure.com/backen...
新版本的制图程序能够自动处理AI设计的矢量数据(.gdt)文件,包含剪力墙、源码源码梁和楼板的绘制详细结构信息。例如,剪力墙的数据如:SHEARWALL(Element_ID, X1, Y1, X2, Y2, thick),梁的信息如:BEAM(Element_ID, X1, Y1, X2, Y2, thick, height)。这些数据被用于构建结构分析模型,利用PKPM和YJK的API进行进一步处理。
在开发过程中,团队得到了PKPM和YJK技术专家的大力支持,特别需要注意的是,目前的qwssocket源码分析模块尚未成熟,用户在使用时可能需要在结构软件中手动执行分析。此外,开发过程中遇到问题,可参考PKPM和YJK的官方群组或二次开发资料进行咨询。
ai-structure.com团队诚邀专家一同参与代码的完善,未来会持续更新更多功能。如果你对这个项目感兴趣,可以通过QQ群或联系廖文杰liaowj@tsinghua.org.cn和费一凡fyf@mails.tsinghua.edu.cn获取更多信息。同时,网站上也提供了****。
最后,团队表示对于PKPM和YJK的二次开发经验有限,开源代码可能存在不足,期待专家们的反馈和共同成长。未来,平台将继续关注并提供新内容,敬请关注。
腾讯T2I-adapter源码分析(3)-训练源码分析
随着stable-diffusion和midjourney等AI技术展现令人惊叹的艺术创作,人们对AI可控绘图的追求日益高涨。为提升AI图像生成的可控性,Controlnet和T2I-adapter等解决方案应运而生。系列文章将从T2I-adapter的源码出发,深入剖析其训练部分的listagg源码实现原理。
本篇我们将聚焦于训练源码的解析,通过代码结构的梳理,了解T2I-Adapter的训练流程。
训练代码的运行涉及数据处理、模型加载、优化器设置以及实际训练过程。在第一部分,我们首先设置参数并加载数据,如DepthDataset,它从txt文件中读取、对应的深度图和文本描述。
在模型加载阶段,我们区分了stable-diffusion模型和adapter。stable-diffusion模型加载时,其配置与推理阶段有所差异,如增加调度器参数、提高精度、调整分辨率和训练相关参数。adapter模型的加载则遵循推理过程中的初始化方法,通过构建不同模块来实现。
训练过程中,adapter模型的关键结构包括下采样、卷积和ResnetBlock的arcface源码使用,相比controlnet,T2I-adapter的参数更少,没有注意力层,这使得训练更为高效。模型放入GPU后,使用adamW优化器进行训练,同时设置学习率和数据保存路径。
状态恢复部分,程序会判断是否从头开始或恢复训练,设置log信息。接下来,代码进入实际的训练循环,包括条件编码、隐藏状态生成、adapter结果附加至sd模型以及adapter梯度计算。
loss函数定义在模型配置中,采用L2损失来衡量生成图像与给定时间点加噪ground truth的接近程度。训练过程中,loss计算和模型保存都在代码中明确体现。
总的来说,T2I-adapter的训练源码展示了精细的结构和参数设置,确保了AI绘画的可控性和性能。在AI艺术的马力源码探索中,每一行代码都承载着技术进步的点滴痕迹。
推荐一款Meta出品的AI版神笔马良工具
小马同学喜欢画各种小人,尽管谈不上精细美观,但活灵活现的神态总让我惊叹。
能否让这些小人动起来?偶然间,我们发现了一个有趣的AI工具。
1. 访问此网址:sketch.metademolab.com
2. 上传你绘制的小人照片,点击“下一步”。
3. 系统将自动识别小人的人体区域,一般能准确识别,对于过于抽象的画作,也可手动调整。
4. 系统识别小人各部分,找出每个像素。
5. 系统识别小人特征点和骨架,如眼睛等细节可手动调整。
6. 选择你想要的动画类型,如走路、跳舞等。
最后,小马同学与小人进行了一场跳绳比赛,趣味无穷。
这款由Meta出品的AI工具,颇似中国的动画片“神笔马良”,为大小朋友们带来了无尽的乐趣。
如果你对技术感兴趣,可以参考以下资源:
1. 工具官方网站:Animated Drawings (metademolab.com)
2. 源码仓库:GitHub - facebookresearch/AnimatedDrawings (探索更多功能,如多卡通小人的视频合成,或通过其他工具定义更多的人体运动模版)
AI与PDE(七):AFNO模型的源代码解析
本文旨在解析AFNO模型的源代码,帮助读者理解模型细节与主干结构。首先,AFNO模型的主干框架在afnonet.py文件中定义,通过类AFNONet实现。模型的核心功能封装在多个类与函数中,依据代码注释逐步解析。
在代码中,forward_features函数负责模型的核心逻辑,包括patch切割与mixing过程。这些操作由PatchEmbed类实现。位置编码self.pos_embed通过高斯初始化得到,增加模型的表示能力。
关键模块AFNO2d位于代码中,它基于FNO的原理,负责处理输入数据。AFNO2d模块在forward_features函数中通过循环调用,实现数据的转换与混合。
经过数个L layer处理后,模型进入类似解码器的结构,用于将中间结果映射为目标结果。这一过程通过self.head(x)实现,以解决特定分类问题。
本文通过梳理代码流程与结构图,直观展示了AFNO模型的工作原理。读者可参考AFNO的GitHub源代码与论文,深入理解细节。后续文章将继续探讨基于AFNO模型框架的其他应用,如FourCastNet。
手把手教你安装运行AI绘图Stable-Diffution-Webui(Mac OS篇)
AI绘图领域的热门工具stable-diffusion-webui是Mac用户首选的本地运行平台。由于其开放性、灵活性和高效性,我们将在本文中详细指导你在Mac M1或M2系统上安装并运行它,满足粉丝对新功能的需求。 首先,确保你的设备配置:Mac M1或M2,内存8GB以上,至少GB可用硬盘,GB更佳,且内外网访问流畅。接下来,按步骤操作:在Terminal中安装Homebrew,如果已安装,则跳过。
通过命令行安装Python和Git。
从GitHub克隆stable-diffusion-webui的源代码。
下载基础模型,如stable diffusion 2.0的-v-ema.ckpt。
在launch.py文件中配置国内镜像下载GFPGAN等依赖。
运行webui.sh启动应用,可能需要一段时间下载插件。
访问本地URL .0.0.1:,通过浏览器打开稳定扩散webui界面。
遇到问题时,可参考常见问题解答:免费使用,无需付费,无nsfw限制,无排队等待。
关闭电脑后重开,重复上述步骤即可。
网络问题检查网络连接,如遇下载错误,按指导修改launch.py。
提高绘图质量,可通过下载更多模型包和优化提示词。
切换模型:下载并替换checkpoint文件,刷新选择新模型。
优化速度:调整图像大小,关闭hirex.fix,减少后台占用。
想深入了解提示词编写和更高级功能,后续文章会详细介绍。如有任何疑问,可参考我们的其他教程。 我们已经分享了多个教程,包括Windows和Mac的本地部署方法,以及如何使用Waifu Diffusion。继续探索,掌握AI绘画的魅力吧!参考资料:
可免费使用NovelAI的资源指路(本地版,云端版)
NovelAI源码泄露后,大佬们已提供成熟使用方法。下载G资源,包含多个模型,选择一个适用即可。
本地版推荐使用以下教程安装:AI绘画再次进化!novelai真官网版本解压即用 无需下载!这次1分钟内不用学也能会用 bilibili.com/video/BV1E...
官网版本,一键使用。链接在视频简介,提取码需关注大佬后在私信里得到。
云端版推荐此网站:ai.nya.la/stories(此网站已失效,一键搭建云端版请点击: 靠谱的赳晨:一键搭建NovelAI云端版(使用colab免费服务))。
直接点Sign In 登录,点击Image Generation开始生成图像。如出现“太多请求正在处理,请稍后再试”提示,继续点击Generate,直至无法点击,然后稍等。
本月日(周日)云端版服务即将停止,建议抓紧使用。搭建教程请参考: telegra.ph/NovelAI-%E5%...
历史版本使用方法,建议自行搜索了解。