logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

豆包 + 内置 + 智能体 = AI Agent 模式

只想 “聊需求、拿思路 / 代码片段”,选 Builder; 想 “需求→代码→部署→线上 Demo 全流程跑通”,选 Builder with MCP ,体验更接近真实开发协作~ 1. Builder(基础构建器) 核心作用:像 “全能助手”,用自然语言描述需求(比如你要开发用户管理系统的需求),它会帮你梳理技术实现逻辑、生成代码框架、拆解开发步骤 。适合场景:快

文章图片
#人工智能
ComfyUI之SDXL 工作流参数调优速查表 【007】

《SDXL三大核心风格速查表》提供写实、动漫、抽象艺术风格的参数模板:写实风格推荐1024×1024分辨率+euler_ancestral采样器(CFG6.5-7.5),需配合Base+Refiner两阶段优化;动漫风格建议1152×896宽屏+专用模型(CFG7.5-8.5),强调线条感;抽象艺术采用ddim采样器+30-40步数(CFG5.0-6.0)激发创意。针对8GB显存设备,给出768×

文章图片
#人工智能#深度学习#计算机视觉
ComfyUI 有6 类专门适配 SDXL 的 Checkpoint 加载器(内置 + 主流第三方)【006】

本文系统介绍了ComfyUI中6种SDXL模型加载器的核心功能与选型策略。官方SDXLCheckpointLoader专为双CLIP架构设计,第三方pysssss插件支持组件混搭,Eff.LoaderSDXL实现Base+Refiner一体化流程,DiffusersLoader可直接加载HuggingFace模型,NunchakuLoader通过FP8量化降低显存占用。文章详细对比了各加载器的输入

文章图片
#java#jvm#数据库
ComfyUI 之 ImageOnlyCheckpointLoader 深度详解(图像转视频专用)【005】

python运行"ckpt_name": (["模型列表"], ),"config_name": (["配置文件列表"], {"default": "default"})

文章图片
#计算机视觉#人工智能#深度学习
ComfyUI 内置 + 常用第三方还有 5 大核心【004】

python运行"ckpt_name": (["模型列表"], ),"config_name": (["配置文件列表"], {"default": "default"})

文章图片
#人工智能
Comfyui中图像转视频专用生成类模型【003】

是的 Checkpoint 加载器,核心适配这类「无文本编码器、依赖图像输入」的模型,是实现的关键节点。

文章图片
#计算机视觉#人工智能#深度学习
ComfyUI的三个 Checkpoint 加载器 API & JSON 实用指南【002】

本文提供了ComfyUI中三种模型加载器的API使用指南:1. CheckpointLoaderSimple:最常用的标准加载器,适用于文生图/图生图场景,输出MODEL、CLIP和VAE三个组件;2. unCLIPCheckpointLoader:专用于图像变体和编辑任务,额外输出CLIP_VISION组件;3. ImageOnlyCheckpointLoader:针对视频生成设计,输出MODE

文章图片
#人工智能#前端
ComfyUI与Stable Diffusion 等主要 AI 模型的API与工作流实施基础【001】

摘要:本文介绍了三种常用的Checkpoint加载器及其应用场景:1) CheckpointLoaderSimple用于标准文生图/图生图任务,支持SD1.x/2.x/SDXL等模型;2) unCLIPCheckpointLoader适用于图像变体/编辑,支持SD2.1 unCLIP;3) ImageOnlyCheckpointLoader专用于视频生成。所有加载器只需输入ckpt_name参数。

文章图片
#人工智能
ComfyUI与Stable Diffusion 等主要 AI 模型的API与工作流实施基础【001】

摘要:本文介绍了三种常用的Checkpoint加载器及其应用场景:1) CheckpointLoaderSimple用于标准文生图/图生图任务,支持SD1.x/2.x/SDXL等模型;2) unCLIPCheckpointLoader适用于图像变体/编辑,支持SD2.1 unCLIP;3) ImageOnlyCheckpointLoader专用于视频生成。所有加载器只需输入ckpt_name参数。

文章图片
#人工智能
QingTian架构

**打破传统主从式结构**:将传统的主从式架构升级为对等架构,实现多元算力的对等全互联,打破了算力、存储和网络的边界,使得计算资源、存储资源及网络资源被纳入统一的资源池中,实现灵活管理和动态分配。-**提升资源利用率**:通过将多种资源统一池化并灵活配置,形成大规模、紧耦合的多元算力池,显著提升了算力的使用效率,单节点算力提升50倍,资源碎片率降低至1%,NPU算力有效利用率提升到60%。包含数据

文章图片
#架构
    共 64 条
  • 1
  • 2
  • 3
  • 7
  • 请选择