【腾讯云 HAI域探秘】使用Stable Diffusion大模型生成惊世骇俗的图片!

文章目录

  • 前言
  • 环境准备
    • 高性能应用服务 HAI资格申请
    • 购买HAI高性能服务
  • 生成图片
    • 界面汉化:
    • 输入提示词生成图片
      • 参数列表:
      • 根据提示词生成图片
  • 总结:
    • 优点:
    • 缺点:

前言

AI绘画工具的发展历史可以追溯到2014年,当时生成对抗网络模型(GAN)被首次用于图片生成。GAN模型由Ian Goodfellow提出,其核心思想是让两个内部程序 “生成器 (generator)” 和"判别器 (discriminator)" 互相博弈,从而达到生成逼真图片的效果。随着时间的推移,越来越多的AI绘画工具被开发出来,例如Stable Diffusion(SD)和Midjourney。其中,Stable Diffusion是2022年发布的深度学习文本到图像生成模型,它是一种潜在扩散模型。而Midjourney则是一款由总部位于旧金山的独立研究实验室Midjourney, Inc.创建和托管的人工智能程序和服务。Midjourney基于Discord平台提供服务,可以根据自然语言描述(称为“提示”)生成图像,也支持图生图功能。Stable Diffusion和Midjourney都能够通过prompt(提示词)来进行文生图 ,或是 图生图 的方式来生成想要的图片。

AI绘画模型发展如此迅速,而且使用场景如此之广,很多小伙伴肯定都已经按捺不住了,纷纷表示,自己要体验一波,众所周知,Midjourney官网在海外,想要随时访问来用,还是不太方便的。但是Stable Diffusion 可是提供了开源的包,而且有一大堆教程叫你如何跑起来的。

我想你肯定是已经做过了尝试,第一批被劝退的就是,昂贵的显卡价格。另外一批人不差钱,买到了显卡,然而被各种环境搭建折腾到发际线都后移了0.1cm,最终放弃。 还有残存的一批人终于搭建好可以用了,又被本地搭建的服务,外网无法随时访问给折腾疯了。

没错,我就是这些人其中的一部分!!!

现在这些烦恼统统都没了!因为 腾讯云HAI服务器 它来了!

智能选型
根据应用匹配推选GPU算力资源,实现最高性价比。同时,打通必备云服务组件,大幅简化云服务配置流程。

一键部署
分钟级自动构建LLM、AI作画等应用环境。提供多种预装模型环境,包含如StableDiffusion、ChatGLM等热门模型。

可视化界面
提供开发者友好的图形界面,支持jupyterlab、webui等多种算力连接方式,AI研究调试超低门槛。

它将所有的复杂繁琐流程都打包进去,让用户只需轻松点击几下便可完成搭建,享受服务。并且是按时计费,把你的钱都花在刀刃上。

接下来就让我带领你们学习一下如何使用腾讯云HAI服务器搭建自己的AI绘画大模型,并且生成自己喜欢的图片吧!

环境准备

高性能应用服务 HAI资格申请

1 . 点击链接进入 高性能应用服务 HAI 申请体验资格
在这里插入图片描述
2. 等待审核通过后,进入 高性能应用服务 HAI
3. 点击 前往体验HAI 即可进入控制台。
在这里插入图片描述

购买HAI高性能服务

1.在控制台点击新建,进入选择AI模型以及其他参数的页面。
在这里插入图片描述
2.在页面中,应用选择AI模型,地域和算力方案,填写这个实例的名称(自己给自己的这个服务器起个名,方便辨认),然后根据需要选择硬盘容量以及数量,然后点击立即购买,就会开始进行创建。
在这里插入图片描述

3.购买成功后,HAI服务就开始自动部署相应的环境了,稍等5~10分钟,即可创建成功。
在这里插入图片描述

4.服务创建成功之后,点击算力链接,选择下方的stable_diffusion_webui即可进入我们熟悉的页面。
在这里插入图片描述

至此,准备工作就完成啦!接下来开始准备生成自己喜欢的图片吧!

在这里插入图片描述

生成图片

界面汉化:

按照以下截图中的操作,依次进行,点击install之后,就安装了汉化插件。
在这里插入图片描述
然后在设置中,重启UI,这个插件就可以生效。
在这里插入图片描述
重启完成之后,你会发现还是英文的,别慌,现在已经有选项可以设置成中文的了。

按照以下步骤:
在这里插入图片描述

选中zh_CN之后,应用设置,然后重启UI界面,现在就变成了中文版的界面!
让我们来重新认识一下:
在这里插入图片描述

输入提示词生成图片

参数列表:

参数名描述
提示词主要描述图像,包括内容风格等信息,原始的webui会对这个地方有字数的限制,可以安装一些插件突破字数的限制
反向提示词为了提供给模型,我们不需要的风格
提示词相关性(CFG scale)分类器自由引导尺度——图像与提示符的一致程度——越低的值产生的结果越有创意,数值越大成图越贴近描述文本。一般设置为7
采样方法(Sampling method)采样模式,即扩散算法的去噪声采样模式会影响其效果,不同的采样模式的结果会有很大差异,一般是默认选择euler,具体效果我也在逐步尝试中。
采样迭代步数(Sampling steps)在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代,AI就有更多的机会去比对prompt和当前结果,并作出相应的调整。需要注意的是,更高的迭代步数会消耗更多的计算时间和成本,但并不意味着一定会得到更好的结果。然而,如果迭代步数过少,则图像质量肯定会下降
随机种子(Seed)随机数种子,生成每张图片时的随机种子,这个种子是用来作为确定扩散初始状态的基础。不懂的话,用随机的即可

根据提示词生成图片

下面给大家提供几组提示词:

1.孤独之灵:
A handsome male writer, with depression, wearing glasses, in a dark room surrounded by books, lit by candlelight, beautiful photorealistic illustration, intricate details
在这里插入图片描述
在这里插入图片描述

2.斑驳现实中的黑白动漫少女
A black and white picture of an anime girl in long hair, in the style of subversive appropriation, blink - and - you - miss - it detail, bold chromaticity, the new fauves, charming characters, multilayered, hurufiyya
在这里插入图片描述

3.机械哲思者
Create a hyper-realistic, 4K, lifelike digital image that show a humanoid robot in a exact position as The Thinker, by Rodin
在这里插入图片描述

铁肌铜墙
30-year-old wrestler with big muscles in a dojo, bodybuilder, big, martial artist, Vega from Street Fighter
在这里插入图片描述

禁锢的叛逆
a humanoid havana brown cat wearing inmate orange jumpsuit outfit in prison, high detail, high-resolution photograph, professional photography, ultra-detail
在这里插入图片描述
在这里插入图片描述

总结:

腾讯云 HAI 服务整体表现非常顺畅,极其高效地支持用户搭建各种大型模型服务和环境。在当前市场需求不断增加的情况下,该服务具有巨大的发展前景。在我的使用过程中,我发现该服务存在一些优势和缺点,以下是我的总结:

优点:

1.操作简便,门槛低,傻瓜式购买和使用。
2.上限高,提供了各种大型模型所需的工具和功能,包括微调模型和终端编程等。
3.精确计费(按小时),真正实现了精打细算。

缺点:

1.人脸修复功能不稳定,使用后系统会死机,必须重启才能继续使用。
2.提供的绘图模型只有一个,希望能增加更多预置的模型可供选择。
3.使用过程中不能暂停,如果需要稍后再用,也得一直开着,但是这样就会一直计费,肉疼。要么就得销毁,下次使用时还需要重新搭建,这个体验欠佳,希望可以增加暂停的功能。

期待腾讯云 HAI 服务持续优化,越来越易用,真正实现随时随地可用,同时与 CloudStudio 配合使用,为开发者提供更广阔的想象空间。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/114341.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SQL INNER JOIN 关键字(内部连接)

SQL INNER JOIN 关键字(内部连接) 内部链接INNER JOIN关键字选择两个表中具有匹配值的记录。 SQL INNER JOIN 语法 SELECT column_name(s) FROM table1 INNER JOIN table2 ON table1.column_name table2.column_name; 注释:INNER JOIN 与 …

4.多层感知机-3GPT版

#pic_center R 1 R_1 R1​ R 2 R^2 R2 目录 知识框架No.1 多层感知机一、感知机1、感知机2、训练感知机3、图形解释4、收敛定理5、XOR问题6、总结 二、多层感知机1、XOR2、单隐藏层3、单隐藏层-单分类4、为什么需要非线性激活函数5、Sigmoid函数6、Tanh函数7、ReLU函数8、多类分…

MFC 窗体插入图片

1.制作BMP图像1.bmp 放到res文件夹下,资源视图界面导入res文件夹下的1.bmp 2.添加控件 控件类型修改为Bitmap 图像,选择IDB_BITMAP1 3.效果

【嵌入式开发学习】__软件工程师的关键原则-18个系统设计概念

目录 前言 01. 域名系统 (DNS) 02. 负载均衡器 03. API 网关 04. 内容交付网络 (CDN) 05. 正向代理与反向代理 06. 缓存 07. 数据分区 08. 数据库复制 09. 分布式消息系统 10. 微服务 11. 数据库 12. 前端缓存 13. 后端缓存 14. 安全性 15. 高可用性与容错性 …

都是80m²小户型,凭啥她家那么好看!福州中宅装饰,福州装修

杨桥新苑 本案来自杨桥新苑的住宅, 质朴弥漫在80㎡的小家, 自然淡雅的木纹,精炼的玄关隔断, 简约的设计里传达着中式的静谧风雅, 简练的空间加入中国元素, 让人从进门开始就沾染一丝艺术气息。 风格&a…

Apache Pulsar 在腾讯云上的最佳实践

导语 由 StreamNative 主办的 Pulsar Meetup Beijing 2023 在2023年10月14日完美落幕,本次活动大咖云集,来自腾讯、滴滴、华为、智联招聘、RisingWave 和 StreamNative 的行业专家们一起,深入探讨 Pulsar 在生产环境中的最佳应用实践&#x…

Docker学习——②

文章目录 1、Docker是什么1.1 Docker本质1.2 Docker的引擎迭代1.3 Docker和虚拟机的区别1.4 Docker 为什么比虚拟机资源利用率高,启动快?1.5 Docker 和 JVM 虚拟化的区别? 2、Docker架构3、Docker生态3.1 新时代软件诉求3.2 Docker 解决方案 …

OSPF高级特性1(重发布,虚链路)

目录 OSPF高级特性(1) 一、OSPF不规则区域类型 二、解决方案 1、使用虚连接 演示一:非骨干区域无法和骨干区域保持连通 演示二:骨干区域被分割 2、使用多进程双向重发布 OSPF高级特性(1) 一、OSPF不规则区域类型 产生原因:区…

Linux ---------------------Shell 基本运算符

(一)摘要 Shell 和其他编程语言一样,支持多种运算符,包括: 算数运算符关系运算符布尔运算符字符串运算符文件测试运算符 原生bash不支持简单的数学运算,但是可以通过其他命令来实现,例如 awk …

喜讯!苏州箱讯获评苏州市软件和信息服务业 “头雁”培育企业

近日,由中国电子信息产业发展研究院、中国工业经济联合会、国家智能制造专家委员会、国家产业基础专家委员会、江苏省工业和信息化厅、江苏省国有资产监督管理委员会、苏州市人民政府共同主办的2023第三届中控中国大会在苏州太湖国际会议中心举办。 本届大会以“生态…

零基础成人英语哪里可以学,柯桥成人英语培训

写作中经常会用到“有利于”的表达,一说到“有利于”,大家最先想到的是 be good for 或者 benefit,很滥,很简单,没有亮点,写作中很难提分。 还有一点,英文写作中很忌讳相同的表达反复出现&…

Vue3入门指南:零基础小白也能轻松理解的学习笔记

文章目录 创建项目开发环境项目目录模板语法属性绑定条件渲染列表渲染事件处理内联事件处理器方法事件处理器(常用) 事件参数获取 event 事件事件传参 事件修饰符阻止默认事件阻止事件冒泡 数组变化侦测变更方法替换一个数组 计算属性class 绑定单对象绑…

【Python】多进程线程与CPU核数

多进程数量设置为CPU核数,或者略小于CPU核数;多线程数量,如果是CPU密集任务设为1;如果是IO密集设为合理的值;IO密集型:系统运作,大部分的状况是CPU 在等I/O (硬盘/内存)的…

Kafka基本原理、生产问题总结及性能优化实践 | 京东云技术团队

Kafka是最初由Linkedin公司开发,是一个分布式、支持分区的(partition)、多副本的(replica),基于zookeeper协调的分布式消息系统,它的最大的特性就是可以实时的处理大量数据以满足各种需求场景&a…

逻辑(css3)_强制不换行

需求 如上图做一个跑马灯数据,时间、地点、姓名、提示文本字数都不是固定的。 逻辑思想 个人想法是给四个文本均设置宽度,不然会出现不能左对齐的现象。 此时四个文本均左对齐, 垂直排列样式也比较好看,但是出现一个缺点&#…

STM32-HAL库08-TIM的输出比较模式(输出PWM的另一种方式)

STM32-HAL库08-TIM的输出比较模式(输出PWM的另一种方式) 一、所用材料: STM32F103C6T6最小系统板 STM32CUBEMX(HAL库软件) MDK5 示波器或者逻辑分析仪 二、所学内容: 通过定时器TIM的输出比较模式得到预…

基于深度学习的视频多目标跟踪实现 计算机竞赛

文章目录 1 前言2 先上成果3 多目标跟踪的两种方法3.1 方法13.2 方法2 4 Tracking By Detecting的跟踪过程4.1 存在的问题4.2 基于轨迹预测的跟踪方式 5 训练代码6 最后 1 前言 🔥 优质竞赛项目系列,今天要分享的是 基于深度学习的视频多目标跟踪实现 …

【设计模式】第11节:结构型模式之“装饰器模式”

一、简介 装饰器模式主要解决继承关系过于复杂的问题,通过组合来替代继承。它主要的作用是给原始类添加增强功能。这也是判断是否该用装饰器模式的一个重要的依据。除此之外,装饰器模式还有一个特点,那就是可以对原始类嵌套使用多个装饰器。…

开槌在即:陈可之油画|《我的星辰》

《我的星辰》 尺寸:46x46cm 陈可之2020年绘 “星辰大海,梦想自有梦想的力量,仰望在银河的想象,我们启航。”读着画名,凝视着画,脑海里回荡着《星辰大海》的旋律。油画《我的星辰》是陈可之先生“心宇宙”系…