Seedream 4.0 真的非常强大！说10倍提升我原本还有些怀疑，但实际使用下来，生成速度确实快到让人惊喜。以前等一张图要几分钟，现在基本上几十秒就能出结果，这对于需要快速迭代的创作场景来说太重要了。不管是手办制作的材质质感，还是发色变换的自然过渡，甚至是物理特效的真实感，每一个细节都处理得相当到位。特别是那个索隆手办，我真的看了半天都看不出是AI生成的。从九宫格表情包到Cosplay还原，从

接下来就等它生成就可以了。▲ Midjourney给我返的图生成图可以看到。

在上一篇笔记中学习了解了一部分关于Stable Diffusion的运行原理，今天就来接着学习下Stable Diffusion关于微调训练方面的知识点。今天没多少废话，因为我下午要去玩PTCG！让我们冲冲冲数据集上一篇笔记里提到过AI是如何“吸收”我们给它的知识，其中便是通过记录图像的像素色块分布然后存储这一特征。现如今Stable Diffusion作为最炙手可热的AI绘画工具，它的训练规模肯

导语本教使用ChatGPT进行辅助编写，部分知识点根据ChatGPT提供的解释进行归纳总结，如有描述不恰当的地方请合理指出，部分观点参考了UP主[秋葉aaaki] [青龙圣者] [Mr_日天]。以下内容是通过本人自身理解并总结编写出的，同时也是初步接触训练模型，主要是以美术视角出发来进行讲解，目的就是可以让不理解训练概念和代码指令的小伙伴更容易上手Lora模型训练。（如有问题欢迎大家一起讨论，知识

物资抢占过程说明：比赛车辆识别物资必须在两个斑马线之间的区域（至少两个轮子均在两个斑马线之间的区域），例如识别2号物资，车辆需要在如图3.3.2-1所示的区域内识别物资并开始语音播报。每个物资编号对应的抢占物资区域如图3.3.2-2所示。语音播报开始后，即可离开指定区域；成功抢占并确认物资后（成功抢占物资标准：在指定区域识别物资且语音播报正确），小车需回到己方基地车位上停稳（至少两个轮子在基地停车

LangChain官方文档假如我们想要用openai api对一段文本进行总结，我们通常的做法就是直接发给 api 让他总结。但是如果文本超过了 api 最大的 token 限制就会报错。这时，我们一般会进行对文章进行分段，比如通过tiktoken计算并分割，然后将各段发送给 api 进行总结，最后将各段的总结再进行一个全部的总结。LangChain可以很好的帮我们处理这个过程，代码也很简单。#

同时课程详细介绍了。

在学习LangChain前，先了解一些在LangChain框架中，甚至AI应用开发中一些核心的概念和模块，一定要首先清楚地知道是什么，之后再研究怎么做，下图展示了一个LangChain框架开发的应用的核心运行流程。

在深入探讨训练过程之前，首先介绍一些相关术语：智能体：训练来做正确决策的实体。在这个例子中，目标是训练机器人做出移动决策，所以机器人就是智能体。环境：环境是智能体与之互动的外部系统。在本例中，随着训练过的机器人（智能体）在网格内移动，网格就充当了环境。状态：代表智能体在每个时间 t 的位置。在起始时刻，即时间t0，机器人（智能体）位于左下角，因此时间t0的状态是左下角，由坐标（0,0）表示。动作：

同时课程详细介绍了。