第一次尝试多卡微调大模型中途遇到了挺多坑，并且感觉有一些思维上的误区，要及时记录下来：1. 使用unsloth训练只能用单卡2. 配置文件一定要好好看，每个都看懂，比如说yaml文件，有一些配置默认的要改成合适的，在微调的时候就要多点去了解每个参数的含义3. 报错第一时间去看issue，而不是在网上乱搜4. 要尽量使用2的次方的卡数，比方说2，4，8，用其他的不符合操作系统的规律，可能会有一些问题

OpenAI开源的免费离线语音识别神器Whisper，我在安装使用后发现一些问题，于是搜了半天最终汇总了这几个主要的小技巧，希望对大家有帮助，不用满世界再搜了。系统：Ubuntu22.04具体怎么正常使用或者怎么安装，官方MD很详细了，不行再搜搜也就有了，我就没记录。综述所述，最后就固定一个prompt的写法，就能解决这俩问题。以下是普通话的句子，这是一段会议记录。如果想输出繁体字，上面内容就全用

值得注意的是，这里的tokenizer最大长度为77（CLIP训练时所采用的设置），当输入text的tokens数量超过77后，将进行截断，如果不足则进行paddings，这样将保证无论输入任何长度的文本（甚至是空文本）都得到77x768大小的特征。Latent Diffusion Models（潜在扩散模型，LDM）通过在一个潜在表示空间中迭代“去噪”数据来生成图像，然后将表示结果解码为完整的图

其次，可图采用的ChatGLM3代替了传统的CLIP模型做文本提示词嵌入，语义能力增强的同时显存消耗也从原来的几百MB变成十几G，这样，本地显存少于20G的用户，需要用有损量化或者损失推理速度的办法运行可图。7月6日，快手宣布开源数十亿参数的文生图模型可图Kolors，可图支持中英文双语，支持长达256 token的上下文长度，最重要的是可以渲染中文，生成效果上实现了质的飞跃。国产文生图模型的强势

但是占用显存较多，显存是缓慢上升的过程，到二十多步的时候就开始爆了。启用webui共有两种方式，一种是直接启动，一种是通过docker启动。使用的GPU 第一块卡，刚开始的时候 批处理设置的太大，容易造成显卡内存溢出，根据自己的实际情况设置。接下来又问了一句”鲁迅可以打周树人吗“，回答是没有问题，就是速度慢了点，右边还有很多的参数可以调整。③使用stage=3的时候，每step 40s，刚开始使用

SDH和MDH会不一样，主要的区别在于SDH中坐标系在连杆末端，MDH中坐标系在连杆首端。虽然这里只是给出z轴，但是由于后面原点位置不同，所以二者z轴也不同。

通过利用多显卡堆积，您可以显著提高Stable Diffusion的性能，加速绘图和其他计算任务。这个简单的设置可以让您更高效地进行创作和实验，将Stable Diffusion的潜力充分发挥出来。希望这篇文章对您有所帮助，让您更好地利用这一强大工具。如果您有任何问题或疑问，请随时与我们联系，我们将尽力提供帮助。愿您在Stable Diffusion的创作中取得出色的成就！

OpenAI开源的 Whisper 语音转文本模型效果都说还不错，今天就给大家推荐 GitHub 上一个开源项目 Whisper Web，允许你可直接在浏览器中运行使用 Whisper。基于 ML 进行语音识别，并可通过 WebGPU 进行运行加速，无需后端服务器，直接开箱即用。另外，识别到的文本支持导出 TXT 和 JSON 两种文件格式。而结合cpolar内网穿透工具。

1、提示词通常是在文生图和图生图的时候会使用到，就是这里的两个功能。2、提示词由多个描述性词汇组成，由逗号隔开，结尾不需要加分隔符（注：一般都是英文词汇和英文逗号）例如：1girl,long hair,white hair表示我们想生成一个长发且头发是白色的女孩。3、提示词分为正向提示词（positive prompt）和反向提示词（negative prompt），用来告诉AI我们想要生成什么和

正如我 Midjourney 教程前面提到的那样，Midjourney 跟 ChatGPT 不一样，ChatGPT 是声明式的，你甚至可以让它扮演某个角色，但 Midjourney 是指令式的，你只能用指令然它画出你想象中的图片。另一个常见玩法就是渐变色，如果你用的是电脑的浏览器是 Edge，可以去看看它的 Logo，它的 Logo 就是一个渐变色，然后是个浪的外观。坦率地说，在我学习如何使用 M