1.【轮子篇】Joystick
2.腾讯T2I-adapter源码分析（1）-运行源码跑训练
3.特效炸裂：Vue3＋TypeScript 实现王者荣耀图鉴，王者王已开源！源码源码！分析分析！荣耀
4.如何用mt管理王者荣耀
5.Axios源码深度剖析 - AJAX新王者

【轮子篇】Joystick

       轮子篇Joystick 实现指南

       在开发过程中，王者王我曾针对摇杆交互遇到不舒适的源码源码java表格源码问题，决定自定义一个轻量级的分析分析解决方案。目标是荣耀创建一个类似《王者荣耀》风格的摇杆，包括背景、王者王摇杆头以及方向指示。源码源码以下是分析分析整个过程的概述：

       UI设计与搭建

       首先，根据需求草图，荣耀我们使用UGUI构建了一个结构，王者王仅需四个Image组件：Touch区、源码源码背景、分析分析摇杆头和方向指示。Touch区保持透明以接收触控事件，Dir区在摇杆操作时显示方向。

       事件处理

       借鉴NGUI的经验，利用IEventSystemHandler的OnPointerDown、OnDrag和OnPointerUp事件，定义JoystickEvent类，携带一个Vector2方向数据，以及对应的按下、移动和抬起回调函数。

       摇杆操作逻辑

       关键在于计算摇杆的移动，即向量b（摇杆头中心）与向量a（背景中心）之间的差值，形成向量c，这模拟了摇杆操作的实际效果。

       注意事项

       在Drag回调中，确保正确处理向量计算，确保摇杆移动的全民枪战2源码准确性。

       总结与源码分享

       这个过程虽然简单，但通过编写代码和分享，我找到了调整心态的方式。最后，我想提醒大家：坚持不易，但放弃就意味着失败。源码已上传至Git，欢迎各位Fork或Star，地址如下：

       ...

腾讯T2I-adapter源码分析（1）-运行源码跑训练

       稳定扩散、midjourney等AI绘图技术，为人们带来了令人惊叹的效果，不禁让人感叹技术发展的日新月异。然而，AI绘图的可控性一直不是很好，通过prompt描述词来操控图像很难做到随心所欲。为了使AI绘制的图像更具可控性，Controlnet、T2I-adapter等技术应运而生。本系列文章将从T2I-adapter的源码出发，分析其实现方法。

       本篇是第一篇，主要介绍源码的运行方法，后续两篇将以深度图为例，分别分析推理部分和训练部分的代码。分析T2I-Adapter，也是为了继续研究我一直在研究的课题：“AI生成同一人物不同动作”，例如：罗培羽：stable-diffusion生成同一人物不同动作的尝试（多姿势图），Controlnet、T2I-adapter给了我一些灵感，后续将进行尝试。

       T2I-Adapter论文地址如下，衡阳十五胡源码它与controlnet类似，都是在原模型增加一个旁路，然后对推理结果求和。

       T2I-Adapter和controlnet有两个主要的不同点，从图中可见，其一是在unet的编码阶段增加参数，而controlnet主要是解码阶段；其二是controlnet复制unit的上半部结构，而T2I-Adapter使用不同的模型结构。由于采用较小的模型，因此T2I-Adapter的模型较小，默认下占用M左右，而controlnet模型一般要5G空间。

       首先确保机器上装有3.6版本以上python，然后把代码clone下来。随后安装依赖项，打开requirements.txt，可以看到依赖项的内容。然后下载示例，下载的会放到examples目录下。接着下载sd模型到model目录下，再下载T2I-Adapter的模型到目录下，模型可以按需到huggingface.co/TencentA...下载。这里我下载了depth和openpose。sd模型除了上述的v1-5，也还下载了sd-v1-4.ckpt。

       根据文档，尝试运行一个由深度图生成的例子，下图的左侧是深度图，提示语是"desk, best quality, extremely detailed"，右侧是生成出来的。运行过程比较艰辛，最好源码发布平台一开始在一台8G显存的服务器上跑，显存不够；重新搭环境在一台G显存的服务器上跑，还是不够；最后用一台G显存的服务器，终于运行起来了。

       接下来尝试跑openpose的例子，下图左侧是骨架图，提示词为"Iron man, high-quality, high-res"，右侧是生成的图像。

       既然能跑推理，那么尝试跑训练。为了后续修改代码运行，目标是准备一点点数据把训练代码跑起来，至于训练的效果不是当前关注的。程序中也有训练的脚步，我们以训练深度图条件为例，来运行train_depth.py。

       显然，习惯了，会有一些问题没法直接运行，需要先做两步工作。准备训练数据，分析代码，定位到ldm/data/dataset_depth.py，反推它的数据集结构，然后准备对应数据。先创建文件datasets/laion_depth_meta_v1.txt，用于存放数据文件的地址，由于只是测试，我就只添加两行。然后准备，图中的大犀牛溯源码.png和.png是结果图，.depth.png和.depth.png是深度图，.txt和.txt是对应的文本描述。

       文本描述如下，都只是为了把代码跑起来而做的简单设置。设置环境变量，由于T2I-Adapter使用多卡训练，显然我也没这个环境，因此要让它在单机上跑。而代码中也会获取一些环境变量，因此做简单的设置。

       做好准备工作，可以运行程序了，出于硬件条件限制，只能把batch size设置为1。在A显卡跑了约8小时，完成，按默认的配置，模型保存experiments/train_depth/models/model_ad_.pth。那么，使用训练出来的模型试试效果，能生成如下（此处只是为了跑起来代码，用训练集来测试），验证了可以跑起来。

       运行起来，但这还不够，我们还得看看代码是怎么写法，下一篇见。

       PS：《直观理解AI博弈原理》是笔者写的一篇长文，从五子棋、象棋、围棋的AI演进讲起，从深度遍历、MAX-MIN剪枝再到蒙特卡罗树搜索，一步步介绍AI博弈的原理，而后引出强化学习方法，通俗易懂地介绍AlphaGo围棋、星际争霸强化学习AI、王者荣耀AI的一些强化学习要点，值得推荐。

       AUTOMATIC的webui是近期很流行的stable-diffusion应用，它集合stable-diffusion各项常用功能，还通过扩展的形式支持controlnet、lora等技术，我们也分析了它的源码实现，写了一系列文章。

特效炸裂：Vue3＋TypeScript 实现王者荣耀图鉴，已开源！！！

       当您访问网站三分钟后，系统会提示您安装PWA应用，安装后，网站将作为独立的应用运行，提供更流畅的体验。

       网站提供游戏素材及数据的下载压缩包，放置于Github上。下载后解压存储于内存中，这样访问时，浏览速度会显著提升。若浏览器刷新，压缩包不会重新下载，但需重新解压。

       网站提供分包下载功能，便于更新。资源按照顺序依次下载，设计目的是避免同时下载多个文件，提高下载效率。

       在版本更新方面，分为网站部署版本和数据版本。新版本在下载资源前会弹出更新提示。通过请求版本JSON文件获取两个版本号并与本地版本号对比，确认更新后，需刷新浏览器并写入新版本号。

       用户数据加密后存储在LocalStorage中。当在个人中心退卡时，会导出召唤师卡片文件，下次登录时，凭此卡可在任何设备上登录。

       英雄和皮肤的加载策略为先加载小图，用于模糊预览，大图加载完成后，替换并去除模糊效果。每张皮肤海报包含四种尺寸，以适应不同场景和需求。

       英雄列表、商城和皮肤列表采用分页加载和虚拟列表技术，以适应不同屏幕尺寸。图集列表采用瀑布流布局+分页加载，且有适配功能。

       列表均使用懒加载技术，仅在进入可视区域后加载，同时设有防抖机制，确保只加载在停留ms内的区域，避免加载快速略过的。

       夺宝和开箱机制设定每个普通道具数量为2，稀有道具数量为1，每次夺宝和开箱时，奖池会重新打乱并随机选择。

       网站中引入了3D立方体元素，通过CSS拼接六面形成，实现生动的视觉效果。同时，使用JavaScript的Element.animate帧动画技术，为用户带来跳跃动画体验。

       网站部署于Github，界面演示和源码可在相应链接中查看。尽管部分页面在手机上可能显示不全，建议使用桌面浏览器访问。

如何用mt管理王者荣耀

       å¦‚何用mt管理王者荣耀关于MT进行管理的话，实际上你要操作一个方面，是这个MT的一个整体的一个管理结构，管理架构，这是第一个点。第二个方面还要进行什么进行一个整体的这么一个旋转式的安排，统筹的规划，以及是源代码的操作和使用，这第二点，第三点来讲的话，还要进行什么呢？进行这个运行时间和结束时间，那么代码控制操作，以及，这个输率和盈利的对比情况来讲的话，这个来讲，最后如果是以上来讲都能完成之后，就可以用MT进行管理。

Axios源码深度剖析 - AJAX新王者

       Axios 是一个基于 Promise 的 HTTP 请求库，支持浏览器和 Node.js 环境。其源码在 GitHub 上开源，欢迎 fork 使用并提出指正。以下为 Axios 的核心目录结构说明，主要关注在 /lib/ 目录下的文件。

       在使用 Axios 时，你可能会遇到多种调用方式，本文将带你深入了解这些方式及其原理。

       首先，我们来了解一下 Axios 的基本用法。你可以使用以下几种方式发起请求：

       1. `axios(option)`：提供一个配置对象进行调用。

       2. `axios(url[, option])`：传入 URL 和配置对象。

       3. 对于 GET、DELETE 等方法：`axios[method](url[, option])`。

       4. 对于 POST、PUT 等方法：`axios[method](url[, data[, option]])`。

       5. 使用默认实例：`axios.request(option)`。

       通过以上方式，你可以轻松发起 HTTP 请求。

       深入源码分析，你将发现 Axios 的强大之处。通过 `axios.js` 文件的入口，核心在于 `createInstance` 方法，该方法能生成一个指向 `Axios.prototype.request` 的 Function，从而实现多种调用方式。

       在 Axios 的核心 `Axios` 类中，`request` 方法是所有功能的中枢，无论是 GET、POST 还是其他方法，最终都通过 `request` 方法实现。

       配置项是 Axios 与用户交互的关键，它涵盖了几乎所有功能的配置。配置项从低到高优先级顺序为：默认配置对象、`defaults` 属性、`request` 方法参数。

       在使用 Axios 时，配置项是如何生效的？答案在于合并多个配置源，最终得到一个综合配置对象。

       此外，Axios 提供了拦截器系统，让你可以控制请求前后的数据处理。每个 Axios 实例都有 `interceptors` 属性，用于管理拦截器，让你实现精细的控制。

       核心的 `dispatchRequest` 方法则负责处理请求流程，包括请求适配器、发送请求、数据转换等步骤。最后，通过 Promise，你可以优雅地处理异步请求。

       数据转换器让你能轻松地在请求和响应数据之间进行转换，如将对象转换为 JSON 格式。默认情况下，Axios 自动处理 JSON 数据转换。

       在使用 Axios 时，你还能灵活地控制超时、取消请求、设置 header、携带 cookie 等功能。通过源码分析，你可以深入理解 Axios 的内部机制。

       总结，Axios 以其强大、灵活的功能和简洁的 API 设计，成为现代应用中不可或缺的 HTTP 请求工具。通过本文的深入探讨，你将对 Axios 的运作机制有更深刻的理解，从而更好地利用其功能。