- 2025-01-07【stable diffusion】：秋叶大佬整合包安装全过程，保姆级教程
整合包对非技术出身的同学比较友好，因为秋叶大佬把相关的东西已经都整合好了，只需要点点点就行了。当然懂编程的同学就更没有问题了。准备为了保证AI绘画的效率，建议在本机安装Nvidia独立显卡，也就是俗称的N卡，并且显存要达到6G以上，6G只能出图，如果要做训练建议12G以上。推荐选
- 2025-01-04Synthesia技术浅析（一）
Synthesia 是一款利用人工智能技术生成视频内容的产品，其中变分自编码器（Variational Autoencoder, VAE）技术在视频生成过程中起到了关键作用。1.变分自编码器（VAE）概述变分自编码器（VAE）是一种生成模型，由 Kingma 和 Welling 在 2013 年提出。它结合了自编码器（Autoencoder
- 2025-01-01生成模型：从对抗训练到概率生成的新纪元
随着人工智能的迅速发展，生成模型在多个领域取得了令人瞩目的突破。生成模型是一类能够学习数据分布并生成新样本的算法，它们不仅为创作艺术作品、生成图像或音频提供了新的可能，也在医学影像、自然语言处理等领域展示了强大的潜力。本文将探讨两种核心生成模型技术——生成对抗
- 2024-12-26AI绘画，一步一步徒手搭建ComfyUI工作流，教你编辑和修改工作流，ComfyUI入门教程
前言：“探索AI绘画的魅力，从零开始，一步步带你徒手搭建ComfyUI工作流。本教程将详细介绍如何编辑和修改工作流，助你轻松入门ComfyUI，开启创意无限的艺术之旅。跟随我的步伐，让我们一起揭开AI绘画的神秘面纱！”在上一篇文章中，我们讲过如何自己一步一步手动搭建ComfyUI的基本工作
- 2024-12-25生成式AI的深度学习模型：如何构建更强大的生成架构
文章目录1.生成式AI的基本概念1.1生成模型的应用领域1.2生成模型与判别模型的区别2.生成式AI中的深度学习模型2.1生成对抗网络（GAN）2.1.1GAN的挑战2.1.2GAN的改进2.2变分自编码器（VAE）2.2.1VAE的挑战2.2.2VAE的改进2.3自回归模型2.3.1自回归模型的挑战3.构
- 2024-12-22深度学习笔记——dVAE（DALL·E的核心部件）
详细介绍DALL·E的核心部件之一——dVAE，在VQ-VAE的基础上使用Gumbel-Softmax实现采样，用于图像生成。文章目录前情提要VAEVQ-VAEVAEvs.VQ-VAE区别不可导问题及解决方法dVAEVQ-VAE和dVAE的对比背景：VQ-VAE的停止梯度策略局限性dVAE的结构dVAE引入Gumbel-Sof
- 2024-12-21深度学习笔记——VQ-VAE和VQ-VAE-2
本文详细介绍VQ-VAE和VQ-VAE-2的原理和训练过程，为后面的dVAE在DALLE中的使用打下坚实的基础。文章目录AE和VAEVQ-VAE传统VAE的问题VQ-VAE与VAE的对比VQ-VAE的主要改进VQ-VAE的核心思想VQ-VAE模型结构1.编码器(Encoder)2.向量量化层(VectorQuantization
- 2024-12-16DALL·E 2（内含扩散模型介绍）-生成式模型【学习笔记】
视频链接：DALL·E2（内含扩散模型介绍）【论文精读】_哔哩哔哩_bilibili（up主讲的非常好，通俗易懂，值得推荐）1、GAN模型 GAN部分约在视频的第28分钟位置处开始。 GAN就是左右手互搏。GAN需要训练两个网络，一个是生成器Generator，一个是判别器Discriminator。
- 2024-12-14用于变分自动编码器 （VAE） 的 Copula 变分贝叶斯算法（Matlab代码实现）
- 2024-12-07解决|diffusion transformer的环境安装慢问题、vae预训练模型下载失败问题、扩散模型的损失变化相关讨论
目录环境安装慢1、换源2、直接下载包到本地vae预训练模型下载失败1、去huggingface官网下载对应的模型2、传输至服务器的某个文件夹3、在代码里直接加载下载好的模型：扩散模型的损失参考链接环境安装慢这个问题有很多解决方法，我比较喜欢的是以下两种：1、换源我体验下来，清华源是
- 2024-12-07Stable Diffusion核心网络结构——VAE
本文详细介绍SD模型的三部件之一——VAE，阐述VAE在SD模型中的作用和完整的架构。目录传统VAEStableDiffusion核心网络结构SD模型整体架构初识VAE模型【1】StableDiffusion中VAE的核心作用【2】StableDiffusion中VAE的高阶作用【3】StableDiffusion中VAE模型的完
- 2024-12-03习题9.5
点击查看代码importnumpyasnpimportstatsmodels.apiassmdata=np.loadtxt('F:\python数学建模与算法\源程序\《Python数学建模算法与应用》程序和数据\第9章数据的描述性统计方法/ti9_5.txt')x1=np.vstack([np.ones((4,4)),np.ones((4,4))*2,np.ones((4,4))*
- 2024-12-02使用纯css实现一个rate评分的功能
<!DOCTYPEhtml><htmllang="en"><head><metacharset="UTF-8"><metaname="viewport"content="width=device-width,initial-scale=1.0"><title>CSSRating</title>
- 2024-10-11用于变分自动编码器 （VAE） 的 Copula 变分贝叶斯算法（Matlab代码实现）
- 2024-09-22药物分子生成算法综述：从生成对抗网络到变换器模型的多样化选择
创作不易，您的打赏、关注、点赞、收藏和转发是我坚持下去的动力！基于已有的药物数据生成新的药物分子是一项复杂的任务，通常涉及到生成模型和机器学习算法。以下是一些常用的算法和方法：1.生成对抗网络(GANs)特点:由生成器和判别器两个神经网络组成，生成器生成新分子，判别
- 2024-09-14Open-Sora代码详细解读(2)：时空3D VAE
DiffusionModels视频生成前言：目前开源的DiT视频生成模型不是很多，Open-Sora是开发者生态最好的一个，涵盖了DiT、时空DiT、3DVAE、RectifiedFlow、因果卷积等Diffusion视频生成的经典知识点。本篇博客从Open-Sora的代码出发，深入解读背后的原理。目录3DVAE原理代码剖析
- 2024-09-10AE & VAE
一、AE自编码器自编码器模型结构图编码器网络可以将原始高维网络转换为潜在的低维代码解码器网络可以从低维代码中恢复原始数据，并且可能具有越来越大的输出层自编码器针对从代码重建数据进行了显式优化。一个好的中间表示不仅可以捕获潜在变量，而且有利于完整的解
- 2024-08-26第十五期 02 Diffusion扩散模型
一：马尔可夫链（一）什么是马尔可夫链又称离散时间马尔可夫链，那就是某一时刻状态转移的概率只依赖于它的前一个状态。举个简单的例子，假如每天的天气是一个状态的话，那个今天是不是晴天只依赖于昨天的天气，而和前天的天气没有任何关系。马尔科夫链在很多时间序列模型中得到广泛的应用
- 2024-08-17“Datawhale X 魔搭 AI夏令营”Day03
一、打卡Datawhale二、学习1、ComfyUI(1)、什么是ComfyUIGUI是"GraphicalUserInterface"（图形用户界面）的缩写。简单来说，GUI就是你在电脑屏幕上看到的那种有图标、按钮和菜单的交互方式。ComfyUI是GUI的一种，是基于节点工作的用户界面，主要用于操作图像的生成技术，Comfy
- 2024-08-17将VAE用于时间序列：生成时间序列的合成数据
变分自编码器(VAEs)是一种生成式人工智能,因其能够创建逼真的图像而备受关注,它们不仅可以应用在图像上，也可以创建时间序列数据。标准VAE可以被改编以捕捉时间序列数据的周期性和顺序模式,然后用于生成合成数据。本文将使用一维卷积层、策略性的步幅选择、灵活的时间维度和季节性
- 2024-08-06一维变分自动编码器的错误重建
我想实现一个变分自动编码器，它将一维Numpy数组（声音文件的波形）作为输入。运行该文件不会引发错误，但损失收敛到2000左右，并且重建看起来像纯粹的噪声。我使用了Goffinet等人的代码并尝试重写它以采用一维输入，因为我之前使用过他们的（二维）VAE。这是网络和转发功能的
- 2024-08-01深度学习(RNN+VAE)：高质量的音乐作品让音符飞舞起来
深度学习在音乐生成领域有着广泛的应用，其中循环神经网络（RNN）和变分自编码器（VAE）是两种重要的模型。下面是这两种模型在音乐生成中的应用概述：1.循环神经网络（RNN）在音乐生成中的应用：序列建模：RNN特别适合处理序列数据，如音乐作品中的音符序列。它可以捕捉音乐中的时序依赖性，生成连