人工智能『AI』

Stable Diffusion AI 图像生成

18 条评论

之前在明眸如初，看到了一篇文章，关于ai生成图片的。恰好比较感兴趣，于是就想着尝试一下。其实整体的安装步骤，已经这篇文章已经写的比较清楚了。可以照搬，一般问题不大。这里记录下我的安装方法。

由于系统的anaconda比较老旧，安装的python版本也不对应，导致通过conda创建的虚拟环境安装失败了，Stable Diffusion web UI推荐的python环境为3.10.6，所以直接下载了这个版本安装，下载地址：https://www.python.org/downloads/windows/，由于电脑上的python版本比较多，也不想把这个东西加到系统变量的path内，所以可以直接通过运行指定的python可执行文件创建venv。

Continue Reading

人工智能『AI』

ChatGPT客户端

11 条评论

网上关于chatgpt的客户端一大堆，基于浏览器的，基于客户端的。各种版本，因为chatgpt实在太火爆了，现在抖音上都是各种chatgpt的直播，终于又有了一个风口。同样为因为openai的火爆，现在网上也出现了各种卖客户端源码的，账号的各种生意，一篇欣欣向荣。这几天我也体验了一下各种客户端。

1.基于web的客户端，基本这种客户端现在搜一下还能找到不少，昨天在论坛看到一个 https://chat.xdo.cc/，今天体验的时候就废掉啦：

Continue Reading

人工智能『AI』

Topaz Labs（AI智能图片视频处理）

29 条评论

上次使用TopazGigapixelAI应该还是差不多两年前，为了处理好多之前的老照片。使用TopazGigapixelAI进行了图片放大，整体而言效果真的不错。Topaz Gigapixel AI官方版是一款相当高效的PC端图像大小调整工具，Topaz Gigapixel AI官方版功能强劲，基于AI智能算法以及特有的艺术智能引擎打造，能够帮助用户轻松的批量调整图像大小达到6倍，并且Topaz Gigapixel AI软件还能够保证不损失图像画质的情况下进行放大。两年过去，训练模型应该是越来越大了。效果自然也是越来越好。

Continue Reading

人工智能『AI』

也谈chatGPT

4 条评论

之前并没有过多的关注过chatgpt相关的东西，只是知道这个ai模型已经有了超乎寻常的能力。尝试过多次注册，但是由于梯子一直不太好用，没有注册成功。先看下这个东西的介绍吧（百度百科https://baike.baidu.com/item/ChatGPT/62446358?fr=aladdin）：

ChatGPT是人工智能研究实验室OpenAI新推出的一种人工智能技术驱动的自然语言处理工具，使用了Transformer神经网络架构，也是GPT-3.5架构，这是一种用于处理序列数据的模型，拥有语言理解和文本生成能力，尤其是它会通过连接大量的语料库来训练模型，这些语料库包含了真实世界中的对话，使得ChatGPT具备上知天文下知地理，还能根据聊天的上下文进行互动的能力，做到与真正人类几乎无异的聊天场景进行交流。ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

Continue Reading

人工智能『AI』

安卓广告跳过 yolov5 ncnn方式集成

5 条评论

代码原地址： https://github.com/nihui/ncnn-android-yolov5
我在这里只是替换了模型信息，其余的内容基本没有修改。
原工程并没有写如何进行模型转换，模型转换可以参考这篇文章：https://blog.csdn.net/flyfish1986/article/details/116604907里面写的比较详细了。
这里简单的做个备份，不想跳转的可以直接参考下面的内容：

模型转换为ncnn格式

  1. 导出onnx
    bash
    python models/export.py --weights yolov5s.pt --img 320 --batch 1
  2. onnx-simplifer简化模型 bash
    python -m onnxsim yolov5s.onnx yolov5s-sim.onnx
  3. 专函为ncnn bash
    ./onnx2ncnn yolov5s-sim.onnx yolov5s.param yolov5s.bin
  4. 处理转ncnn产生的Unsupported slice step !
    1).处理YOLOv5的Focus模块,将多个slice节点转换为一个focus节点
    slices
Continue Reading

人工智能『AI』

Yolov5 tf-lite方式导出

一条评论

在之前的文章《Yolov5 Android tf-lite方式集成》中，导出tf-lite方式的模型使用的是https://github.com/zldrobit/yolov5.git中的tf.py。晚上尝试用yolov5 最新版本的代码的export.py导出，如果不想修改命令行参数，可以字节修改以下代码：

# 需要修改参数 data weights batch-size
def parse_opt():
    parser = argparse.ArgumentParser()
    parser.add_argument('--data', type=str, default=ROOT / 'data/ads.yaml', help='dataset.yaml path')
    parser.add_argument('--weights', type=str, default=ROOT / 'best.pt', help='weights path')
    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640, 640], help='image (h, w)')
    parser.add_argument('--batch-size', type=int, default=1, help='batch size')
    parser.add_argument('--device', default='cpu', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--half', action='store_true', help='FP16 half-precision export')
    parser.add_argument('--inplace', action='store_true', help='set YOLOv5 Detect() inplace=True')
    parser.add_argument('--train', action='store_true', help='model.train() mode')
    parser.add_argument('--optimize',default=True, action='store_true', help='TorchScript: optimize for mobile')
    parser.add_argument('--int8', action='store_true', help='CoreML/TF INT8 quantization')
    parser.add_argument('--dynamic', action='store_true', help='ONNX/TF: dynamic axes')
    parser.add_argument('--simplify', action='store_true', help='ONNX: simplify model')
    parser.add_argument('--opset', type=int, default=13, help='ONNX: opset version')
    parser.add_argument('--topk-per-class', type=int, default=100, help='TF.js NMS: topk per class to keep')
    parser.add_argument('--topk-all', type=int, default=100, help='TF.js NMS: topk for all classes to keep')
    parser.add_argument('--iou-thres', type=float, default=0.45, help='TF.js NMS: IoU threshold')
    parser.add_argument('--conf-thres', type=float, default=0.25, help='TF.js NMS: confidence threshold')
    parser.add_argument('--include', nargs='+',
                        default=['torchscript', 'onnx'],
                        help='available formats are (torchscript, onnx, coreml, saved_model, pb, tflite, tfjs)')
    opt = parser.parse_args()
    print_args(FILE.stem, opt)
    return opt
Continue Reading
Close Menu