小白尝试AI绘图(无显卡仅CPU)
小白借助网络集成软件和AI绘画模型，初次体验AI绘图的乐趣。所有作品均为CPU运行，速度极其缓慢，模型运行时间也大为延长，N卡无法使用，似乎仅支持NVIDIA显卡（训练需显卡）。硬件信息：CPU为R7 4800H。
人工智能是什么?
人工智能（Artificial Intelligence，缩写为AI）是一门新兴的技术科学，其目的是研究和开发能够模拟、延伸和扩展人的智能的理论、方法、技术及应用系统。人工智能是计算机科学的一个分支，其研究领域包括机器学习、深度学习、自然语言处理、计算机视觉等，旨在让机器能够胜任一些通常需要人类智能才能完成的复杂工作。
AI，全称为Artificial Intelligence，即人工智能，是一门致力于让机器模仿人类智慧的科学领域。以下是关于AI的详细阐述：定义 人工智能是指通过计算机程序或机器来模拟、实现人类智能的技术和方法。
人工智能（AI）技术是计算机科学的一个分支，它通过模拟人类智能的机制，使计算机能够执行诸如分析、反应、动作和反馈等任务，这些任务通常需要人类智能才能完成。 AI被视为未来技术发展的关键领域，全球各国均在积极投资和发展这一技术，许多人认为它将是第四次工业 *** 的核心。
人工智能（Artificial Intelligence，简称AI）是指研究和开发让机器能够模仿和执行人类智能活动的科学和技术领域。这一领域包括多种技术和方法，如机器学习、深度学习、自然语言处理、计算机视觉、专家系统和强化学习等。
ai绘画二次元原理是什么
1、AI绘画的原理是通过算法来完成的，目前我们常用的算法大多都是沿用国外的产品。二次元，本意是指“二维空间”、“二维世界”，亦即平面。现在就二十异世界的意思，对动画、漫画、游戏等作品中虚构世界的一种称呼用语，与“三次元”相对。三次元就是我们现在的世界。
2、AI画画背后的技术原理主要基于以下几点： 生成模型与技术 变分自编码器：通过学习大量真实图片的分布，将数据压缩为特征向量，再基于这些特征向量生成新的图像。 生成对抗网络：通过生成器和判别器的对抗训练，不断优化生成器，使其能够生成更加逼真的图像。GAN在人脸生成等领域有着广泛的应用。
3、本质上就是人工智能算法，通过爬虫爬取到一些资源然后分析重组，自己玩玩就行，不要商用。ai绘画主要分为三个部分，【画面描述】、【风格】和【尺寸设置】。所以首先我们需要一个模型好看且好操作的绘画软件，新手建议用主打二次元的Ai丽丝绘画，使用流畅且非常稳定也一直在做产品优化。
4、生成结果展现了惊人进步，背后的原理可以简单概述如下： 生成模型与技术AI画画的基础在于生成模型，如变分自编码器（VAE）和生成对抗网络（GAN）。VAE通过学习大量真实图片的分布，压缩数据为特征向量，再生成新图像。
5、叠加的噪声的强度越高，生成的图片和原图就差距越大，AI 画画的发挥空间就越大。用这个方法生成的二次元形象，你把屏幕放远点看这两张图的色块是相近的。因为右边的图片就是基于左边叠加了厚厚的椒盐来作为基础生成的，大致的色块结构依然保留了，但模型也加上了自己的想象。
6、最火的AI绘画莫过于抖音一键生成的AI绘画特效，抖音生成的AI绘画都很美，甚至有的AI理解过度，基本上都是俊男美女。如果是两人以上的图像，甚至带有动物或其他物体，AI有时候就会生成一些人物关系错乱的二次元漫画。
从0开始部署本地AI绘画(6000字长文)
本文指导你将这一过程本地化，使AI绘画在个人电脑上运行。部署分为三步： 安装基础环境：使用秋叶aaaki制作的webui版，一个免费的整合软件。 安装启动器：为软件搭建环境，确保能识别硬件配置。 安装模型：整合Chilloutmix和Counterfeit-V5，分别用于三次元和二次元人物生成。
完成安装与验证 遵循上述步骤安装完成后，通过浏览器访问安装目录下的webui界面，验证SD软件安装成功。至此，本地部署Stable Diffusion并生成第一张AI绘画作品已准备就绪。
大模型LLM综述
1、MLLM综述：学习范式 传统范式：包括SFT/Pretrainfinetune、Prompting。Instruction tuning：通过让LLM学会遵循指令，提高了零样本性能，在未见任务上实现推理。MIT 数据和架构调整：调整基准或使用selfinstruct生成数据，将外部模态信息注入LLM。数据形式：采用三元组形式。
2、大模型LLM综述 大模型LLM在涌现能力表现方面展现出强大且多样化的特点，其关键在于对技术的深入理解和灵活运用。数据预处理作为基础，对LLM性能有直接影响，高质量的数据可以显著提升模型效果。基座模型的选择与架构设计是构建高效大模型的关键，它们需要兼顾计算效率与性能表现。
3、文章将最近的代表性MLLM（多模态大模型）分为四类：Multimodal Instruction Tuning（M-IT）、Multimodal In-Context Learning（M-ICL）、Multimodal Chain-of-Thought（M-CoT）以及LLM-Aided Visual Reasoning（L *** R），并对此进行了详细阐述。