皮皮网

1.ai绘图软件哪个好用
2.ai-structure.com：新开源 GAN to PKPM/YJK的制图自动化建模程序
3.腾讯T2I-adapter源码分析（3）-训练源码分析
4.推荐一款Meta出品的AI版神笔马良工具
5.AI与PDE（七）：AFNO模型的源代码解析
6.手把手教你安装运行AI绘图Stable-Diffution-Webui（Mac OS篇）

ai绘图软件哪个好用

       è§¦ç«™ã€DeepArt.io、Prisma等。

       1、触站是国内高人气画师作品分享平台，有海量插画师入驻，同时触站推出的AI绘画功能十分强大，零基础小白也能快速成才精美的作品，并且支持一键下载，数百万用户在上面分享、创作。

       2、DeepArt.io是一款非常强大的AI画画平台，可以将你上传的任何图片转化为任何一张艺术大师的创作风格。所以，想让自己的头像变成一幅梵高的油画作品的话，那么DeepArt.io就是不二选择。

       3、Prisma是一款十分有趣的AI画画平台，可以将照片转化成各种不同的艺术风格，包括柏林分立派、毕加索等等。而且，Prisma还配备了许多美妙的滤镜效果，所以用户可以轻松地让自己的照片更加出彩。

ai-structure.com：新开源 GAN to PKPM/YJK的自动化建模程序

       在年4月日、4月日、源码源码5月5日和5月日，绘制ai-structure.com平台连续发布了一系列重要更新，制图包括v0.0.4版本以及图神经网络在剪力墙设计中的源码源码应用、自动化建模源代码的绘制圣诞数源码生成对抗网络(GAN)到PKPM和YJK的转换工具。项目的制图初衷是通过AI设计建筑平面布局，随后由专业的源码源码结构软件进行分析和校核，以提高工作效率。绘制

       其中，制图近期开源的源码源码代码亮点在于实现了从AI生成的结构方案到PKPM和YJK结构设计软件的自动导入功能。5月5日和更新的绘制GAN-to-PKPM/YJK代码可在智能设计云平台上获取，链接位于 ai-structure.com/backen...

       新版本的制图程序能够自动处理AI设计的矢量数据(.gdt)文件，包含剪力墙、源码源码梁和楼板的绘制详细结构信息。例如，剪力墙的数据如：SHEARWALL(Element_ID, X1, Y1, X2, Y2, thick)，梁的信息如：BEAM(Element_ID, X1, Y1, X2, Y2, thick, height)。这些数据被用于构建结构分析模型，利用PKPM和YJK的API进行进一步处理。

       在开发过程中，团队得到了PKPM和YJK技术专家的大力支持，特别需要注意的是，目前的thinkphp采集源码分析模块尚未成熟，用户在使用时可能需要在结构软件中手动执行分析。此外，开发过程中遇到问题，可参考PKPM和YJK的官方群组或二次开发资料进行咨询。

       ai-structure.com团队诚邀专家一同参与代码的完善，未来会持续更新更多功能。如果你对这个项目感兴趣，可以通过QQ群或联系廖文杰liaowj@tsinghua.org.cn和费一凡fyf@mails.tsinghua.edu.cn获取更多信息。同时，网站上也提供了****。

       最后，团队表示对于PKPM和YJK的二次开发经验有限，开源代码可能存在不足，期待专家们的反馈和共同成长。未来，平台将继续关注并提供新内容，敬请关注。

腾讯T2I-adapter源码分析（3）-训练源码分析

       随着stable-diffusion和midjourney等AI技术展现令人惊叹的艺术创作，人们对AI可控绘图的追求日益高涨。为提升AI图像生成的可控性，Controlnet和T2I-adapter等解决方案应运而生。系列文章将从T2I-adapter的源码出发，深入剖析其训练部分的病毒扫描源码实现原理。

       本篇我们将聚焦于训练源码的解析，通过代码结构的梳理，了解T2I-Adapter的训练流程。

       训练代码的运行涉及数据处理、模型加载、优化器设置以及实际训练过程。在第一部分，我们首先设置参数并加载数据，如DepthDataset，它从txt文件中读取、对应的深度图和文本描述。

       在模型加载阶段，我们区分了stable-diffusion模型和adapter。stable-diffusion模型加载时，其配置与推理阶段有所差异，如增加调度器参数、提高精度、调整分辨率和训练相关参数。adapter模型的加载则遵循推理过程中的初始化方法，通过构建不同模块来实现。

       训练过程中，adapter模型的关键结构包括下采样、卷积和ResnetBlock的jqgrid 分页源码使用，相比controlnet，T2I-adapter的参数更少，没有注意力层，这使得训练更为高效。模型放入GPU后，使用adamW优化器进行训练，同时设置学习率和数据保存路径。

       状态恢复部分，程序会判断是否从头开始或恢复训练，设置log信息。接下来，代码进入实际的训练循环，包括条件编码、隐藏状态生成、adapter结果附加至sd模型以及adapter梯度计算。

       loss函数定义在模型配置中，采用L2损失来衡量生成图像与给定时间点加噪ground truth的接近程度。训练过程中，loss计算和模型保存都在代码中明确体现。

       总的来说，T2I-adapter的训练源码展示了精细的结构和参数设置，确保了AI绘画的可控性和性能。在AI艺术的赛跑js 源码探索中，每一行代码都承载着技术进步的点滴痕迹。

推荐一款Meta出品的AI版神笔马良工具

       小马同学喜欢画各种小人，尽管谈不上精细美观，但活灵活现的神态总让我惊叹。

       能否让这些小人动起来？偶然间，我们发现了一个有趣的AI工具。

       1. 访问此网址：sketch.metademolab.com

       2. 上传你绘制的小人照片，点击“下一步”。

       3. 系统将自动识别小人的人体区域，一般能准确识别，对于过于抽象的画作，也可手动调整。

       4. 系统识别小人各部分，找出每个像素。

       5. 系统识别小人特征点和骨架，如眼睛等细节可手动调整。

       6. 选择你想要的动画类型，如走路、跳舞等。

       最后，小马同学与小人进行了一场跳绳比赛，趣味无穷。

       这款由Meta出品的AI工具，颇似中国的动画片“神笔马良”，为大小朋友们带来了无尽的乐趣。

       如果你对技术感兴趣，可以参考以下资源：

       1. 工具官方网站：Animated Drawings (metademolab.com)

       2. 源码仓库：GitHub - facebookresearch/AnimatedDrawings (探索更多功能，如多卡通小人的视频合成，或通过其他工具定义更多的人体运动模版)

AI与PDE（七）：AFNO模型的源代码解析

       本文旨在解析AFNO模型的源代码，帮助读者理解模型细节与主干结构。首先，AFNO模型的主干框架在afnonet.py文件中定义，通过类AFNONet实现。模型的核心功能封装在多个类与函数中，依据代码注释逐步解析。

       在代码中，forward_features函数负责模型的核心逻辑，包括patch切割与mixing过程。这些操作由PatchEmbed类实现。位置编码self.pos_embed通过高斯初始化得到，增加模型的表示能力。

       关键模块AFNO2d位于代码中，它基于FNO的原理，负责处理输入数据。AFNO2d模块在forward_features函数中通过循环调用，实现数据的转换与混合。

       经过数个L layer处理后，模型进入类似解码器的结构，用于将中间结果映射为目标结果。这一过程通过self.head(x)实现，以解决特定分类问题。

       本文通过梳理代码流程与结构图，直观展示了AFNO模型的工作原理。读者可参考AFNO的GitHub源代码与论文，深入理解细节。后续文章将继续探讨基于AFNO模型框架的其他应用，如FourCastNet。

手把手教你安装运行AI绘图Stable-Diffution-Webui（Mac OS篇）

       AI绘图领域的热门工具stable-diffusion-webui是Mac用户首选的本地运行平台。由于其开放性、灵活性和高效性，我们将在本文中详细指导你在Mac M1或M2系统上安装并运行它，满足粉丝对新功能的需求。

       首先，确保你的设备配置：Mac M1或M2，内存8GB以上，至少GB可用硬盘，GB更佳，且内外网访问流畅。接下来，按步骤操作：

       在Terminal中安装Homebrew，如果已安装，则跳过。

       通过命令行安装Python和Git。

       从GitHub克隆stable-diffusion-webui的源代码。

       下载基础模型，如stable diffusion 2.0的-v-ema.ckpt。

       在launch.py文件中配置国内镜像下载GFPGAN等依赖。

       运行webui.sh启动应用，可能需要一段时间下载插件。

       访问本地URL .0.0.1:，通过浏览器打开稳定扩散webui界面。

       遇到问题时，可参考常见问题解答：

       免费使用，无需付费，无nsfw限制，无排队等待。

       关闭电脑后重开，重复上述步骤即可。

       网络问题检查网络连接，如遇下载错误，按指导修改launch.py。

       提高绘图质量，可通过下载更多模型包和优化提示词。

       切换模型：下载并替换checkpoint文件，刷新选择新模型。

       优化速度：调整图像大小，关闭hirex.fix，减少后台占用。

       想深入了解提示词编写和更高级功能，后续文章会详细介绍。如有任何疑问，可参考我们的其他教程。

       我们已经分享了多个教程，包括Windows和Mac的本地部署方法，以及如何使用Waifu Diffusion。继续探索，掌握AI绘画的魅力吧！

       

参考资料：

Bilibili教程链接

可免费使用NovelAI的资源指路（本地版，云端版）

       NovelAI源码泄露后，大佬们已提供成熟使用方法。下载G资源，包含多个模型，选择一个适用即可。

       本地版推荐使用以下教程安装：AI绘画再次进化！novelai真官网版本解压即用 无需下载！这次1分钟内不用学也能会用 bilibili.com/video/BV1E...

       官网版本，一键使用。链接在视频简介，提取码需关注大佬后在私信里得到。

       云端版推荐此网站：ai.nya.la/stories（此网站已失效，一键搭建云端版请点击： 靠谱的赳晨：一键搭建NovelAI云端版（使用colab免费服务））。

       直接点Sign In 登录，点击Image Generation开始生成图像。如出现“太多请求正在处理，请稍后再试”提示，继续点击Generate，直至无法点击，然后稍等。

       本月日（周日）云端版服务即将停止，建议抓紧使用。搭建教程请参考： telegra.ph/NovelAI-%E5%...

       历史版本使用方法，建议自行搜索了解。