搬运正文前简单说两句：AI绘图22年刚出的时候就关注并且试玩了一下，很快就弃掉了，无他，卖家秀与买家秀差别太大了，看着自己生成的一张张垃圾图去比对其他人生成的精美作画实在是劝退。直到最近出来ControlNet刷了一波屏，感觉离可用的生产工具又进了一步，这才又重新研究了起来。结果发现仅仅几个月，整个AI绘画的进步速度让我着实感觉到了后脊发凉。大家现在发了疯的用AI搞图，玩儿新的工具（Controlnet）、插件（LORA, Dreambooth, Hypernetwork）和模型（ChilloutMix dddd），但是在B站和知乎上却都没有看到比较系统的关于Stable Diffusion的使用介绍，让我一时有些不知道从何入手。这篇新手教学文章援引自 https://stable-diffusion-art.com/tutorials/ 这个网站，强烈建议刚入门的新手把这个网站下的每篇文章都读一遍，可以说涵盖了Stable Diffusion最前沿使用的方方面面，能让你以最快的速度，来对最新的各个模型、插件的原理、技术及使用方式都有所了解。Prompt是AI绘图中最重要的输入控制项，即是现在已经有了非常多的定制化模型能够让你更直接简单的生成某一特定风格的图像，你仍然需要会写一个好的Prompt才能够得到一张值得展示的图像。相信大部分中文用户和我一样大概都是英文阅读3星+，写作0星的选手，看别人改别人的Prompt还行，纯自己写的话脑中除了very very beautiful 以外就蹦不出别的啥词儿来了。而这篇基础教学文章通过对关键词分类的方式，让你可以更加明确的知道应该使用或查询哪些词汇来构建你所需要的图像，另外文章还介绍了关键词权重及混合等非常实用的技巧，以及SD是如何理解你的输入词汇等基础知识，相信无论你是想要修改Prompt还是从零自己写Prompt，无论是新手还是老手，即使已经开始使用chatGPT来辅助生成prompt了，这篇文章都仍然非常值得一看。本文原文链接为 https://stable-diffusion-art.com/prompt-guide/ 以下是正文翻译，请勿转载：Stable Diffusion prompt: a definitive guide
了解如何构建出优秀的提示指令（prompt）的方法，是每个SD用户首先要学习的事情。本文通过总结实验与前人的经验，给出构建指令的方法与相关技巧。在这篇文章里，你将了解到有关prompt的所有信息。何为优秀的提示指令
一个优秀的提示指令应该是详尽而具体的。一个好的方法是在关键词（keywords）分组列表中找到一个与你的需求所匹配的词汇。关键词的分组如下：1. 主体（Subject）2. 绘画介质 （Medium）3. 绘画风格（Style）4. 艺术家名（Artist）5. 网站（Website）6. 清晰度（Resolution）7. 细节描述（Additional details）8. 颜色（Color）9. 光线（Lighting）在实际编写的一组提示指令中，并不需要包含以上所有的分组里的关键词。你只需要把这个分组列表当作一个提示清单，在添加新的提示词时知道要如何选用即可。接下来我们将逐一来测试这些分组中的关键词，下面的测试中将使用的是默认模型sd v1.5 base model。 为了能够明确各个关键词的作用，测试中将不使用否定提示指令（negative prompts)。不过别着急，在文章的后面我们还是会学习如何使用否定提示指令的。以下所有的图片都以30 steps , DPM++ 2M Karas sampler以及512x704分辨率参数进行生成。【翻译注：后续翻译文章中所使用的图片都不是原文中的图片，而是译者本人在Colab上使用v1-5-pruned-emaonly.ckpt基础模型复刻的，以防作者胡说八道。其中CFG为7，BatchCount=8，Seed使用-1的随机设置，勾选了Restore face，一般生成3次乃至更多次来选出可用的示例图。另外不同于作者，我添加了"cut off, nude"的否定指令用以提升出图率以及规避审核风险】主体（Subject）
主体表示的是你在图片中所看到的实体。在书写指令时，最通常的错误就是缺少足够的实体关键词。比如我现在想要生成一张魔女释放法术（a sorceress casting magic）的图片。一个SD的新玩家可能会这么写A sorceress
这么写也是OK的，但是留下了太多的想象空间。这个魔女长什么样子？是否能有任何描述她的词汇可以更明确她的样子？她穿的是什么？她释放的是什么魔法？她是站着，跑着还是漂浮在空中？图像的背景是什么？Stable Diffusion不能读取我们的想法，我们必须切实的告诉全部我们所需要的细节内容。对于人物主体来说，一个常用的技巧是使用明星的名字，因为这些词对输出结果会有很强的效果，也是一个非常好的用来控制输出主体样貌的方法。不过使用这些人名除了会导致输出结果的面部不易产生变化外，也会导致输出同质化的姿势、风格以及其他物件。关于这一点，在文章的后面的“关联效果”章节会有详细介绍。作为示例，我们首先让这个魔女看起来像艾玛沃森，Emma Watson也是在SD中使用最广泛的关键词。我们希望这个魔女充满力量而又神秘，并且使用闪电魔法，她的造型是充满细节点缀的。这样看看能否生成一些有意思的图片。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing
Emma Watson在模型中实在是太常见又太出效果了。我认为SD用户这么喜欢使用她的名字，是因为她看起来十分的优雅、年轻，同时在目前网络中的大部分图片中形象是一致的。相信我，不是所有女演员都是这样的，尤其是那些活跃在90年代甚至更早期的女演员们。绘画介质（Medium）
介质表示的是制作绘画所用到的材质。举一些例子如：插画(illustration)，油画(oil painting)，3D渲染(3D rendering)和摄影(photography)等。介质关键词对输出结果也有较强的作用，一个相关词汇的修改会改变整个输出结果的风格。我们来添加一个相关的关键词 digital paintingEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting
输出结果变成了我们想要的风格！图片从照片变成了数字绘画。绘画风格（Style）
风格代表了一种绘画的艺术风格，举例如：印象派(impressionist)，超现实主义(surrealist)，流行艺术(pop art)等。我们向指令中添加一些风格类的关键字试试：hyperrealistic（超写实）, fantasy（幻想风）, surrealist, full bodyEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body
嗯....不太好说这些词对结果产生了多大影响，可能是因为这些风格类的关键词已经被前面的关键词所隐含。不过看上去保留他们也没有什么问题。艺术家（Artist）
艺术家的名字也是有高影响权重的关键词。通过指定一个艺术家的名字可以让你输出的内容与其具体的艺术风格所匹配。另外通常也会使用多个艺术家的名字，以得到一种混合的艺术风格。下面我们将添加两个艺术家关键词： Stanley Artgerm Lau，一个超级英雄漫画家，以及 Alphonse Mucha，一个19世纪的肖像画家。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha
我们可以看到这两种艺术家的绘画风格融合出来的效果非常好。【翻译注：慕夏是非常有名的画家，在我这个非专业人士的认知中他可以算是塔罗牌画风的创始人了，其绘画有很突出的古典、巴洛克、平面风格，另外一位画家不熟。在生成的示例图中可以看到慕夏风格表现的十分显著，这里我在制作示例图的时候把闪电的英文拼错了，所以你可以看到生成图中基本没有闪电了，不过因为慕夏+艾玛实在有点好看，我也就不修改了】网站名（Website）
图片收集网站像 Artstation 和 Deviant Art 里聚集了大量的有明确流派的图片。 添加这类关键词可以使我们的输出结果趋同于网站上的图像艺术风格。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation
看起来变化不大，但是生成的图片确实看起来像你能从Artstation上找到的图。【翻译注：在复刻的过程中我并不确定作者所说的Website是个有效的关键词类别，当我在webui中输入artstation时，token数量从43变成了45，非常怀疑模型把它拆分为art和station两个单词作为输入处理了（原因见文章后面的“指令可以有多长”章节）。另外网站的画风本身就是多元的，我也不太能理解他会对输出结果产生怎样的影响，在后续的示例中我会删除该关键词，以防止其造成不好的影响。至于与上一节相比，闪电又有了，那只是因为我把lightning拼写修改正确了】清晰度（Resolution）
清晰度代表了输出的图像的锐度与细节度。我们尝试添加这两个关键词：highly detailed，sharp focus。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus
好吧，看上去没有太大的效果，应该是之前的图片已经很锐化且细节化了，但是添加上也并无坏处。细节描述（Additional details）
细节描述是调整图片的调味剂。我们尝试添加 sci-fi（科幻）, stunningly beautiful（绝美）与 dystopian （反乌托邦）来对图像进行一些调整。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian
颜色（Color）
通过添加颜色关键字，你可以控制图像整体的色彩。你所添加的颜色有可能作为图像整体的色调，或某个物体的颜色。我们尝试使用关键词 iridescent gold来为图像添加一点金色。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold
金色的效果很不错！光照（Lighting）
所有摄影师都会告诉你，出片的要素之一就是光照。光照关键字对于生成的图片也有着巨大的影响。我们尝试一下在指令中添加cinematic lighting 与 darkEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold, cinematic lighting, dark
以上我们完成了整个演示demo的提示指令的构建总结
可能你注意到了，仅仅向基础的目标对象再添加几个关键关键词（keywords）就已经可以生成出不错的图像出来了。对于构建Stable Diffusion的输入指令来说，通常你并不需要添加太多的关键词否定提示指令 （Negative prompt）
否定提示指令 是另一个非常有效的调整图像的输入，通过输入你不想要的内容，而不是想要的，来实现对图像的调整。否定提示指令并非只能排除实体对象，也可以是风格或者其他一些不想要的图像特征（比如：难看（ugly），异型（deformed））如果你使用的是SD的二代模型版本的话(注：目前大部分人使用的是1.4/1.5的一代模型版本)，否定提示指令是一个必填项，否则你会得到与一代版本相比差的多的图像。对于一代版本来说，否定指令是可选的，不过在实际使用时都会对其进行设置，毕竟否定指令即使没有提升图像的效果，也不会对其造成什么损害。我将使用一个通用的否定提示指令。有关其原理与更详细的使用方式，你可以在这篇文章中进行深入了解。ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, bad anatomy, watermark, signature, cut off, low contrast, underexposed, overexposed, bad art, beginner, amateur, distorted face, blurry, draft, grainy
可以看出否定提示指令使得图像中的主体更加凸显，不会显得过于平面化。构建良好指令的流程
迭代构建
你应该使用迭代的过程来构建提示指令，就像前面的示例所演示的，随着关键字逐一添加到主体中，我们最终可以生成非常棒的图片。我总是从只包含主体（Subject）、介质（Medium）、与风格（Style）关键词的简单指令开始进行构建。生成至少4张图片来观察结果。大部分这样的基础指令并不是能100%起效的。你需要对你所使用的基础关键词能获得什么有一些统计学上的感知。迭代过程中一次最多添加2个关键词，同样生成至少4张图片来观察其效果使用否定提示指令
使用通用否定提示指令永远是个不会出错的开始。添加关键词到否定提示指令中也是迭代话构建的一部分。这些否定关键词可以是你希望避免在图像中生成的物体、或者身体部位。（由于一代模型并不太善于渲染手部，通过在否定指令中添加“hand”关键词以在图像中将其直接隐藏也是个不错的选择）提示指令书写技巧
你可以调整一个关键词的影响因子，也可以控制在特定的生成步数（sampling step）后切换关键词。下面所介绍的语法都可以在 AUTOMATIC111 GUI 【翻译注：就是stable-diffusion-webui】中进行使用。你可以在 Colab notebook 上使用这个工具，也可以将其部署到本地的 Windows 或 Mac 电脑上。关键词权重
（这个语法可以在webui中使用）你可以使用`(关键词: 权重)`这个语法来控制关键词的影响因子。权重是一个数值，小于1代表其重要度较低，大于1代表其重要度更高。我们可以在下面的指令中对狗这个关键词添加权重dog, autumn in paris, ornate, beautiful, atmosphere, vibe, mist, smoke, fire, chimney, rain, wet, pristine, puddles, melting, dripping, snow, creek, lush, ice, bridge, forest, roses, flowers, by stanley artgerm lau, greg rutkowski, thomas kindkade, alphonse mucha, loish, norman rockwell.
添加狗的权重导致图像中出现了更多的狗，而反之则减少。并不是对于所有图片权重起到的都是这样的效果，但是绝大多数情况下，你都可以预期权重会产生这样的效果。这个技巧不仅可以使用在主体关键词上，对所有关键词类别例如风格或光照都可以使用。()与[]语法
（这个语法可以在webui中使用）()与[]是与调整关键词权重等价的语法。`(关键词)`会将括弧中的关键词权重增加1.1倍，其等价于`(关键词:1.1)`。`[关键词]`将括弧中的关键词权重调低至0.9倍，其等价于`(关键词:0.9)`。你可以像代数公式一样使用多个括弧来倍增其权重影响效果(keyword):1.1
((keyword)):1.21
(((keyword))):1.33
与之相似的，使用多个中括弧的效果如下：[keyword]: 0.9
[[keyword]]: 0.81
[[[keyword]]]: 0.73
关键词混合
（这个语法可以在webui中使用）你可以混合两个关键词，这种用法准确的来说称作指令调度（prompt scheduling）。语法如下：[关键词1:关键词2:影响因子]
`影响因子` 控制在采样的哪一步（step）中提示指令中的关键词1会切换到关键词2，它是一个0到1之间的参数比如使用如下的指令Oil painting portrait of [Joe Biden:Donald Trump:0.5]
将输入的step参数设置为30这意味着在生成过程的前15步使用的是下面的指令Oil painting portrait of Joe Biden
而在接下来第16到30步的生成过程中指令将变成下面这样Oil painting portrait of Donald Trump
影响因子参数将决定关键词在何时发生变化，在上面的例子中它将在 30 steps x 0.5 = 15 steps后执行。调整影响因子所产生的效果可以看作是将两位总统的肖像在不同程度上进行混合。你也许注意到Trump身着白色西服更想是Biden的服饰搭配，这其实非常好的展现了使用关键词混合中很重要的一个规则：关键词1决定了总体的混合效果。越靠前的diffusion生成步骤越对图像整体的混合结果产生影响，而较靠后的生成步骤则只负责逐渐改进细节。小测试：如果在上面的例子中将Joe Biden与Donald Trump调换顺序，你觉得对于生成的图片会产生什么影响呢？面部混合
关键词混合的常用于借用两个不同的明星来创建出新的面容。举例来说，[Emma Watson: Amber heard: 0.85]，40 steps，将会产生一个介于二者之间的面孔：[Emma Watson: Amber heard: 0.85] oil painting, blur background, elegant
选择两个合适的名字再加上调整参数，就可以获得我们想要的样貌。破产版prompt-to-prompt
使用关键词混合，你可以获得到类似于 prompt-to-prompt 的效果，即通过编辑生成出一对高度相似的图像。下面的两张图像使用了同样的提示指令，除了使用指令调度语法将苹果替换为了火焰，两张图的seed与steps参数设置也是一样的【翻译注：这里使用的示例图片是我自己做的，与原文不一致，提示指令改成了将苹果替换成了火球，主要原因是替换成火焰没有做出太好的效果图来】[Emma Watson: Amber heard: 0.75] holding an [apple: fire ball:0.9], shining bokeh depth of field background, classic, oil painting, portrait, elegant, upper class, red lips, ear wearing. Steps: 40, Sampler: DPM++ 2M Karras, CFG scale: 6, Seed: 805277495
混合因子需要精细的调整。它具体是如何工作的？其背后的理论其实就是：输出图像的整体效果是由早期的扩散过程（diffusion process）决定的。当扩散过程开始聚焦于更小的区域时，切换任何的关键词都不会对图像的整体结果产生较大的影响。这使得这种方式可以仅仅改变图像中的一小部分。指令可以有多长？
指令长度取决于你使用的是哪个Stable Diffusion应用，应用中可能会对你指令（prompt）中的关键词（keyword）数量进行限制。在SD一代的基础版本中，指令的限制是75个词元（token）需要注意的是词元（token）并不等同于单词（word）。SD所使用的 CLIP模型 会自动将提示指令转化为一组词元，即该模型所知晓的单词的数字表示。如果你使用了该模型所不知道的单词或词组，该单词将会被切分为两个或更多的子单词（sub-words）直到他知道每个单词的含义。因此能够被CLIP模型所认知的单词（word）才被称为词元（token），举例来说`dream`是一个词元，`beach`是一个词元，但是`dreambeach`是两个词元，因为CLIP模型并不知道这个单
扫码关注公众号
扫码体验小程序版
暂无数据
ai小微智能论文怎么样论文查重率非常高。根据百度百科资料，因为小微智能论文是属于人工智能的一个方向，里面的内容核心基本上都是来自于互联网加有固定的渠道的，所以写论文的时候论文查重率非常高。
虽然AI小微智能论文可以节省论文写作的时间和精力，但建议在撰写科研论文时，仍应该独立思考、主动查阅相关资料和模板，认真分析和总结数据，以确保论文的学术可信度。
还不错。小微智能论文是一款人工智能写作辅助工具，可以帮助用户自动生成论文大纲、段落和句子等内容，节省用户在写作方面的时间和精力。
不是骗子。小微AI论文具有快速高效的优点，能够帮助用户快速、高效地完成论文的写作和修改，从而节省了大量时间和精力，小微AI论文采用了先进的数据加密技术，保障用户的隐私和文本内容的安全性，所以不是骗子。怎样用ai画一个科研论文里的猪电脑打开AI软件。电脑打开AI软件之后，要新建文件，点击选择左上角的文件，然后点击新建选项。AI新文件建好。新建文件之后，选择左侧工具栏中的工具，工具更PS的差不多。
只要有图形图形，用AI或者PS都能做出来的，但是要看图形的复杂程度，然后选择软件。
升级版：初级选手+基本阐述（人群：时间充裕+要求高+自学的画图小渣渣，在科研圈混些日子的）基于专业工具，浅尝基本功能。熟悉Origin、ChemDraw等的使用，了解AI、Photoshop等基本操作。
学习了颜色的审美和AI使用小贴士后，下面开始学习使用AI画一些简单的图形。本节主要讲解的图形有：茎环、肿瘤细胞、眼睛、裸露1/8的球、显微镜。
打开电脑上面的AI软件，并点击进入。如果要绘制有尺寸的图形，就选择左边栏的形状工具（如选择矩形工具）。AI智能写作,妙笔生花第1个：搭画快写搭画快写是国内专业的AI原创内容写作平台，它基于强大的0-0自然语言模型，从写作、批量写作、一键发布、批量发布、文字加粗、自动配图、AI智能封面设计、自动外链等全流程一键搞定。
使用智能ai写作的步骤如下：在微撰中注册账号并登录。选择需要写作的主题或内容，并点击“开始写作”按钮。微撰会自动根据输入的内容生成相应的文本，并显示在写作界面上。
自动修改文案原创软件有以下：Get智能写作，秘塔写作猫，百度AI智能写作工具，腾讯旗下的智能创作助手—Effidit，阿里悉语智能文案。
智能AI写作的使用方法主要包括以下几个步骤：选择一个可信赖的AI写作平台或工具，例如GPT-文本生成器、自然语言处理工具等。根据需求输入关键词或主题，或者直接在平台上编辑出需要的文章大纲。
使用智能AI写作，需要先选择一个好的平台或者工具，并进行相应的注册和登录。根据自己的需求和要求，输入相关的信息和关键词，选择合适的模板或者主题，即可开始生成文章或者文案。
选择一款智能AI写作软件或平台，例如OpenAI、GPT-3等。注册账号并登录，进入写作界面。输入文章主题或关键词，选择文章类型和风格。点击生成按钮，等待系统自动生成文章。对生成的文章进行修改和编辑，使其更符合自己的需求。怎么用openai写论文OpenAI的主要目标是使AI技术的发展走向更平衡、更公平的方向，探索人工智能在各个领域的应用，帮助人们了解AI技术，以便更好地应用它们。openai独享一人一号，每个都带api密钥key。
OpenAIGPT-3：这是一款基于人工智能的自然语言处理模型，可以生成高质量的文章和文本。虽然它的访问仍然需要申请，但是可以使用一些第三方工具来访问它的API。
使用OpenAIPlayground非常简单，只需要打开平台网站，选择模型类型并进行设置，然后就可以与模型进行交互。用户可以在平台上输入问题或者文本，模型会根据输入内容进行处理并生成回复或者结果。
chat.openai自动写代码好用。虽然语言模型可以帮助人们快速生成代码，但它不能完全取代程序员。语言模型只能生成预先定义的代码，而程序员还需要使用他们的专业知识和技能来解决复杂的问题。
首先打开openai软件，并新建一个项目。其次选中想要分段输出的代码，并右击选择分段。最后点击确认即可。
要使用ChatGPT学习写作，可以按照以下步骤进行：
1. 准备数据：收集一些写作相关的语料数据，包括文章、散文、短篇小说等。这些数据可以从互联网、书籍或其他来源获取。
2. 数据预处理：对收集到的数据进行预处理，确保数据的格式一致，并且去除不必要的标点符号、空格或其他干扰项。可以使用Python等编程语言来处理数据。
3. 安装ChatGPT：在你的计算机上安装并配置好ChatGPT模型。你可以使用Hugging Face的`transformers`库来快速安装ChatGPT。
4. Fine-tune模型：ChatGPT是基于预训练的语言模型，因此需要进行Fine-tune以适应写作任务。在Fine-tune的过程中，你可以使用预处理好的数据，将其输入到ChatGPT中进行训练。这一过程可以使用Hugging Face提供的训练脚本来完成。
5. 优化模型：Fine-tune后的模型可能需要进行进一步的优化。你可以根据自己的需求，调整模型的超参数、训练周期等，以获得更好的写作效果。
6. 生成文本：经过Fine-tune和优化后，你可以使用ChatGPT生成文本。你可以给模型一个开头的句子或问题，并通过模型生成接下来的文章或故事。可以尝试不同的输入方式和参数设置，以获得不同的文本生成结果。
7. 调试和改进：通过不断生成和阅读模型生成的文本，你可以评估模型的质量并发现可能的问题。根据需要，可以对模型进行调试和改进，例如通过调整训练数据、Fine-tune过程或模型架构。
ChatGPT是一个语言模型，它在生成文本时可能会出现逻辑不连贯、信息错误或令人困惑的问题。在使用ChatGPT生成写作作品时，需要进行后续的编辑和校对，以确保文本的质量和准确性。
梦见黄瓜藤上结了很多黄瓜本人摘着吃，意味着事业会成功。
作家梦见黄瓜藤上结了很多黄瓜本人摘着吃，写作上很有灵感，也会给你带来不菲的收益，要好好的掌握。
行将度蜜月的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，标明梦者的感情生活会很幸福，预示着行将走入结婚的礼堂。
恋爱中的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，容易被第三者插足，要多和恋人沟通，并坚决对彼此的心意。
孕妇梦见黄瓜藤上结了很多黄瓜本人摘着吃，好东西过了头，也是对本人的损害!看法到这一点的你，开端关注饮食、卫生、安康等等，活动工夫的布置上也会思索到劳逸妥当。但是能否按你的志愿做到，就要看你的自我控制力了!
牧羊人梦见黄瓜藤上结了很多黄瓜本人摘着吃，支出会增加。
己婚的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，预兆着本人的恋人会更为的贴心你，两人两头的关联会越来越很好
出差的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，一路上都是会较为的平整，总结会很成功，旅程也会较为的开心
先生梦见黄瓜藤上结了很多黄瓜本人摘着吃，学习考运普通，需下苦功记忆的科目，容易看到成效，思想有些不太灵光，记得要调整学习方式。
失恋的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，感情多难以顺利，乃是纠缠于别人，生活多有不利之事，乱花渐欲诱人眼，若非感情双宿双飞，应早日放下。
上学的男人梦见黄瓜藤上结了很多黄瓜本人摘着吃，意味着未能如愿录取，成果不理想；
预备出去旅游的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，必有凶险应中止方案。
渔人梦见黄瓜藤上结了很多黄瓜本人摘着吃，预示着你最近的心境会很宁静，很抓紧，任务中的义务会适当的与别人分担，能掌握全局，成功的机率会很高。
商人梦见黄瓜藤上结了很多黄瓜本人摘着吃，预示着了梦者最近的生意不怎样好，提示梦者小心思财投资，以防止严重的损失。
吸烟的人梦见黄瓜藤上结了很多黄瓜本人摘着吃，意味着梦者肺部有成绩，需求戒烟。
生意人梦见黄瓜藤上结了很多黄瓜本人摘着吃，预兆近期财运不错。
未成年人梦见黄瓜藤上结了很多黄瓜本人摘着吃，肠胃方面将会呈现不适，记得多加留意小心。
退休的女人梦见黄瓜藤上结了很多黄瓜本人摘着吃，很快将会外出游览，途中的一切安全顺利。
办公族女人梦见黄瓜藤上结了很多黄瓜本人摘着吃，赚钱的动力也会下降，投资项目难免会遭遇损失，也会由于心境不好而随意消费，建议你要慎重消费，不过下半年的消费愿望会削弱，钱财可以有所挽回。
恋爱中的男人梦见黄瓜藤上结了很多黄瓜本人摘着吃，身边的事物多少都会有些障碍，多费心关注一下，有成绩及时处理。
白领人士梦见黄瓜藤上结了很多黄瓜本人摘着吃，因此要格外小心，加以防范。您还可以使用chatgpt帮助你查询星座百科、测姻缘、测事业运、测婚姻、财神灵签、情感合盘、看另一半、测八字、姓名速配、测终生运、复合机会，在底部点击在线咨询AI（仅供娱乐）：http://www.adxqd.com/chatgpt/
搬运正文前简单说两句：AI绘图22年刚出的时候就关注并且试玩了一下，很快就弃掉了，无他，卖家秀与买家秀差别太大了，看着自己生成的一张张垃圾图去比对其他人生成的精美作画实在是劝退。直到最近出来ControlNet刷了一波屏，感觉离可用的生产工具又进了一步，这才又重新研究了起来。结果发现仅仅几个月，整个AI绘画的进步速度让我着实感觉到了后脊发凉。大家现在发了疯的用AI搞图，玩儿新的工具（Controlnet）、插件（LORA, Dreambooth, Hypernetwork）和模型（ChilloutMix dddd），但是在B站和知乎上却都没有看到比较系统的关于Stable Diffusion的使用介绍，让我一时有些不知道从何入手。这篇新手教学文章援引自 https://stable-diffusion-art.com/tutorials/ 这个网站，强烈建议刚入门的新手把这个网站下的每篇文章都读一遍，可以说涵盖了Stable Diffusion最前沿使用的方方面面，能让你以最快的速度，来对最新的各个模型、插件的原理、技术及使用方式都有所了解。Prompt是AI绘图中最重要的输入控制项，即是现在已经有了非常多的定制化模型能够让你更直接简单的生成某一特定风格的图像，你仍然需要会写一个好的Prompt才能够得到一张值得展示的图像。相信大部分中文用户和我一样大概都是英文阅读3星+，写作0星的选手，看别人改别人的Prompt还行，纯自己写的话脑中除了very very beautiful 以外就蹦不出别的啥词儿来了。而这篇基础教学文章通过对关键词分类的方式，让你可以更加明确的知道应该使用或查询哪些词汇来构建你所需要的图像，另外文章还介绍了关键词权重及混合等非常实用的技巧，以及SD是如何理解你的输入词汇等基础知识，相信无论你是想要修改Prompt还是从零自己写Prompt，无论是新手还是老手，即使已经开始使用chatGPT来辅助生成prompt了，这篇文章都仍然非常值得一看。本文原文链接为 https://stable-diffusion-art.com/prompt-guide/ 以下是正文翻译，请勿转载：Stable Diffusion prompt: a definitive guide
了解如何构建出优秀的提示指令（prompt）的方法，是每个SD用户首先要学习的事情。本文通过总结实验与前人的经验，给出构建指令的方法与相关技巧。在这篇文章里，你将了解到有关prompt的所有信息。何为优秀的提示指令
一个优秀的提示指令应该是详尽而具体的。一个好的方法是在关键词（keywords）分组列表中找到一个与你的需求所匹配的词汇。关键词的分组如下：1. 主体（Subject）2. 绘画介质 （Medium）3. 绘画风格（Style）4. 艺术家名（Artist）5. 网站（Website）6. 清晰度（Resolution）7. 细节描述（Additional details）8. 颜色（Color）9. 光线（Lighting）在实际编写的一组提示指令中，并不需要包含以上所有的分组里的关键词。你只需要把这个分组列表当作一个提示清单，在添加新的提示词时知道要如何选用即可。接下来我们将逐一来测试这些分组中的关键词，下面的测试中将使用的是默认模型sd v1.5 base model。 为了能够明确各个关键词的作用，测试中将不使用否定提示指令（negative prompts)。不过别着急，在文章的后面我们还是会学习如何使用否定提示指令的。以下所有的图片都以30 steps , DPM++ 2M Karas sampler以及512x704分辨率参数进行生成。【翻译注：后续翻译文章中所使用的图片都不是原文中的图片，而是译者本人在Colab上使用v1-5-pruned-emaonly.ckpt基础模型复刻的，以防作者胡说八道。其中CFG为7，BatchCount=8，Seed使用-1的随机设置，勾选了Restore face，一般生成3次乃至更多次来选出可用的示例图。另外不同于作者，我添加了"cut off, nude"的否定指令用以提升出图率以及规避审核风险】主体（Subject）
主体表示的是你在图片中所看到的实体。在书写指令时，最通常的错误就是缺少足够的实体关键词。比如我现在想要生成一张魔女释放法术（a sorceress casting magic）的图片。一个SD的新玩家可能会这么写A sorceress
这么写也是OK的，但是留下了太多的想象空间。这个魔女长什么样子？是否能有任何描述她的词汇可以更明确她的样子？她穿的是什么？她释放的是什么魔法？她是站着，跑着还是漂浮在空中？图像的背景是什么？Stable Diffusion不能读取我们的想法，我们必须切实的告诉全部我们所需要的细节内容。对于人物主体来说，一个常用的技巧是使用明星的名字，因为这些词对输出结果会有很强的效果，也是一个非常好的用来控制输出主体样貌的方法。不过使用这些人名除了会导致输出结果的面部不易产生变化外，也会导致输出同质化的姿势、风格以及其他物件。关于这一点，在文章的后面的“关联效果”章节会有详细介绍。作为示例，我们首先让这个魔女看起来像艾玛沃森，Emma Watson也是在SD中使用最广泛的关键词。我们希望这个魔女充满力量而又神秘，并且使用闪电魔法，她的造型是充满细节点缀的。这样看看能否生成一些有意思的图片。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing
Emma Watson在模型中实在是太常见又太出效果了。我认为SD用户这么喜欢使用她的名字，是因为她看起来十分的优雅、年轻，同时在目前网络中的大部分图片中形象是一致的。相信我，不是所有女演员都是这样的，尤其是那些活跃在90年代甚至更早期的女演员们。绘画介质（Medium）
介质表示的是制作绘画所用到的材质。举一些例子如：插画(illustration)，油画(oil painting)，3D渲染(3D rendering)和摄影(photography)等。介质关键词对输出结果也有较强的作用，一个相关词汇的修改会改变整个输出结果的风格。我们来添加一个相关的关键词 digital paintingEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting
输出结果变成了我们想要的风格！图片从照片变成了数字绘画。绘画风格（Style）
风格代表了一种绘画的艺术风格，举例如：印象派(impressionist)，超现实主义(surrealist)，流行艺术(pop art)等。我们向指令中添加一些风格类的关键字试试：hyperrealistic（超写实）, fantasy（幻想风）, surrealist, full bodyEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body
嗯....不太好说这些词对结果产生了多大影响，可能是因为这些风格类的关键词已经被前面的关键词所隐含。不过看上去保留他们也没有什么问题。艺术家（Artist）
艺术家的名字也是有高影响权重的关键词。通过指定一个艺术家的名字可以让你输出的内容与其具体的艺术风格所匹配。另外通常也会使用多个艺术家的名字，以得到一种混合的艺术风格。下面我们将添加两个艺术家关键词： Stanley Artgerm Lau，一个超级英雄漫画家，以及 Alphonse Mucha，一个19世纪的肖像画家。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha
我们可以看到这两种艺术家的绘画风格融合出来的效果非常好。【翻译注：慕夏是非常有名的画家，在我这个非专业人士的认知中他可以算是塔罗牌画风的创始人了，其绘画有很突出的古典、巴洛克、平面风格，另外一位画家不熟。在生成的示例图中可以看到慕夏风格表现的十分显著，这里我在制作示例图的时候把闪电的英文拼错了，所以你可以看到生成图中基本没有闪电了，不过因为慕夏+艾玛实在有点好看，我也就不修改了】网站名（Website）
图片收集网站像 Artstation 和 Deviant Art 里聚集了大量的有明确流派的图片。 添加这类关键词可以使我们的输出结果趋同于网站上的图像艺术风格。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation
看起来变化不大，但是生成的图片确实看起来像你能从Artstation上找到的图。【翻译注：在复刻的过程中我并不确定作者所说的Website是个有效的关键词类别，当我在webui中输入artstation时，token数量从43变成了45，非常怀疑模型把它拆分为art和station两个单词作为输入处理了（原因见文章后面的“指令可以有多长”章节）。另外网站的画风本身就是多元的，我也不太能理解他会对输出结果产生怎样的影响，在后续的示例中我会删除该关键词，以防止其造成不好的影响。至于与上一节相比，闪电又有了，那只是因为我把lightning拼写修改正确了】清晰度（Resolution）
清晰度代表了输出的图像的锐度与细节度。我们尝试添加这两个关键词：highly detailed，sharp focus。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus
好吧，看上去没有太大的效果，应该是之前的图片已经很锐化且细节化了，但是添加上也并无坏处。细节描述（Additional details）
细节描述是调整图片的调味剂。我们尝试添加 sci-fi（科幻）, stunningly beautiful（绝美）与 dystopian （反乌托邦）来对图像进行一些调整。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian
颜色（Color）
通过添加颜色关键字，你可以控制图像整体的色彩。你所添加的颜色有可能作为图像整体的色调，或某个物体的颜色。我们尝试使用关键词 iridescent gold来为图像添加一点金色。Emma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold
金色的效果很不错！光照（Lighting）
所有摄影师都会告诉你，出片的要素之一就是光照。光照关键字对于生成的图片也有着巨大的影响。我们尝试一下在指令中添加cinematic lighting 与 darkEmma Watson as a powerful mysterious sorceress, casting lightning magic, detailed clothing, digital painting, hyperrealistic, fantasy, Surrealist, full body, by Stanley Artgerm Lau and Alphonse Mucha, artstation, highly detailed, sharp focus, sci-fi, stunningly beautiful, dystopian, iridescent gold, cinematic lighting, dark
以上我们完成了整个演示demo的提示指令的构建总结
可能你注意到了，仅仅向基础的目标对象再添加几个关键关键词（keywords）就已经可以生成出不错的图像出来了。对于构建Stable Diffusion的输入指令来说，通常你并不需要添加太多的关键词否定提示指令 （Negative prompt）
否定提示指令 是另一个非常有效的调整图像的输入，通过输入你不想要的内容，而不是想要的，来实现对图像的调整。否定提示指令并非只能排除实体对象，也可以是风格或者其他一些不想要的图像特征（比如：难看（ugly），异型（deformed））如果你使用的是SD的二代模型版本的话(注：目前大部分人使用的是1.4/1.5的一代模型版本)，否定提示指令是一个必填项，否则你会得到与一代版本相比差的多的图像。对于一代版本来说，否定指令是可选的，不过在实际使用时都会对其进行设置，毕竟否定指令即使没有提升图像的效果，也不会对其造成什么损害。我将使用一个通用的否定提示指令。有关其原理与更详细的使用方式，你可以在这篇文章中进行深入了解。ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, bad anatomy, watermark, signature, cut off, low contrast, underexposed, overexposed, bad art, beginner, amateur, distorted face, blurry, draft, grainy
可以看出否定提示指令使得图像中的主体更加凸显，不会显得过于平面化。构建良好指令的流程
迭代构建
你应该使用迭代的过程来构建提示指令，就像前面的示例所演示的，随着关键字逐一添加到主体中，我们最终可以生成非常棒的图片。我总是从只包含主体（Subject）、介质（Medium）、与风格（Style）关键词的简单指令开始进行构建。生成至少4张图片来观察结果。大部分这样的基础指令并不是能100%起效的。你需要对你所使用的基础关键词能获得什么有一些统计学上的感知。迭代过程中一次最多添加2个关键词，同样生成至少4张图片来观察其效果使用否定提示指令
使用通用否定提示指令永远是个不会出错的开始。添加关键词到否定提示指令中也是迭代话构建的一部分。这些否定关键词可以是你希望避免在图像中生成的物体、或者身体部位。（由于一代模型并不太善于渲染手部，通过在否定指令中添加“hand”关键词以在图像中将其直接隐藏也是个不错的选择）提示指令书写技巧
你可以调整一个关键词的影响因子，也可以控制在特定的生成步数（sampling step）后切换关键词。下面所介绍的语法都可以在 AUTOMATIC111 GUI 【翻译注：就是stable-diffusion-webui】中进行使用。你可以在 Colab notebook 上使用这个工具，也可以将其部署到本地的 Windows 或 Mac 电脑上。关键词权重
（这个语法可以在webui中使用）你可以使用`(关键词: 权重)`这个语法来控制关键词的影响因子。权重是一个数值，小于1代表其重要度较低，大于1代表其重要度更高。我们可以在下面的指令中对狗这个关键词添加权重dog, autumn in paris, ornate, beautiful, atmosphere, vibe, mist, smoke, fire, chimney, rain, wet, pristine, puddles, melting, dripping, snow, creek, lush, ice, bridge, forest, roses, flowers, by stanley artgerm lau, greg rutkowski, thomas kindkade, alphonse mucha, loish, norman rockwell.
添加狗的权重导致图像中出现了更多的狗，而反之则减少。并不是对于所有图片权重起到的都是这样的效果，但是绝大多数情况下，你都可以预期权重会产生这样的效果。这个技巧不仅可以使用在主体关键词上，对所有关键词类别例如风格或光照都可以使用。()与[]语法
（这个语法可以在webui中使用）()与[]是与调整关键词权重等价的语法。`(关键词)`会将括弧中的关键词权重增加1.1倍，其等价于`(关键词:1.1)`。`[关键词]`将括弧中的关键词权重调低至0.9倍，其等价于`(关键词:0.9)`。你可以像代数公式一样使用多个括弧来倍增其权重影响效果(keyword):1.1
((keyword)):1.21
(((keyword))):1.33
与之相似的，使用多个中括弧的效果如下：[keyword]: 0.9
[[keyword]]: 0.81
[[[keyword]]]: 0.73
关键词混合
（这个语法可以在webui中使用）你可以混合两个关键词，这种用法准确的来说称作指令调度（prompt scheduling）。语法如下：[关键词1:关键词2:影响因子]
`影响因子` 控制在采样的哪一步（step）中提示指令中的关键词1会切换到关键词2，它是一个0到1之间的参数比如使用如下的指令Oil painting portrait of [Joe Biden:Donald Trump:0.5]
将输入的step参数设置为30这意味着在生成过程的前15步使用的是下面的指令Oil painting portrait of Joe Biden
而在接下来第16到30步的生成过程中指令将变成下面这样Oil painting portrait of Donald Trump
影响因子参数将决定关键词在何时发生变化，在上面的例子中它将在 30 steps x 0.5 = 15 steps后执行。调整影响因子所产生的效果可以看作是将两位总统的肖像在不同程度上进行混合。你也许注意到Trump身着白色西服更想是Biden的服饰搭配，这其实非常好的展现了使用关键词混合中很重要的一个规则：关键词1决定了总体的混合效果。越靠前的diffusion生成步骤越对图像整体的混合结果产生影响，而较靠后的生成步骤则只负责逐渐改进细节。小测试：如果在上面的例子中将Joe Biden与Donald Trump调换顺序，你觉得对于生成的图片会产生什么影响呢？面部混合
关键词混合的常用于借用两个不同的明星来创建出新的面容。举例来说，[Emma Watson: Amber heard: 0.85]，40 steps，将会产生一个介于二者之间的面孔：[Emma Watson: Amber heard: 0.85] oil painting, blur background, elegant
选择两个合适的名字再加上调整参数，就可以获得我们想要的样貌。破产版prompt-to-prompt
使用关键词混合，你可以获得到类似于 prompt-to-prompt 的效果，即通过编辑生成出一对高度相似的图像。下面的两张图像使用了同样的提示指令，除了使用指令调度语法将苹果替换为了火焰，两张图的seed与steps参数设置也是一样的【翻译注：这里使用的示例图片是我自己做的，与原文不一致，提示指令改成了将苹果替换成了火球，主要原因是替换成火焰没有做出太好的效果图来】[Emma Watson: Amber heard: 0.75] holding an [apple: fire ball:0.9], shining bokeh depth of field background, classic, oil painting, portrait, elegant, upper class, red lips, ear wearing. Steps: 40, Sampler: DPM++ 2M Karras, CFG scale: 6, Seed: 805277495
混合因子需要精细的调整。它具体是如何工作的？其背后的理论其实就是：输出图像的整体效果是由早期的扩散过程（diffusion process）决定的。当扩散过程开始聚焦于更小的区域时，切换任何的关键词都不会对图像的整体结果产生较大的影响。这使得这种方式可以仅仅改变图像中的一小部分。指令可以有多长？
指令长度取决于你使用的是哪个Stable Diffusion应用，应用中可能会对你指令（prompt）中的关键词（keyword）数量进行限制。在SD一代的基础版本中，指令的限制是75个词元（token）需要注意的是词元（token）并不等同于单词（word）。SD所使用的 CLIP模型 会自动将提示指令转化为一组词元，即该模型所知晓的单词的数字表示。如果你使用了该模型所不知道的单词或词组，该单词将会被切分为两个或更多的子单词（sub-words）直到他知道每个单词的含义。因此能够被CLIP模型所认知的单词（word）才被称为词元（token），举例来说`dream`是一个词元，`beach`是一个词元，但是`dreambeach`是两个词元，因为CLIP模型并不知道这个单
让代表本人观点作文需要以下步骤：
1. 收集数据：首先需要收集大量的文本数据，例如新闻报道、小说、论文等。这些数据将用于训练AI模型。
2. 训练模型：使用机器学习技术，将数据输入到AI模型中进行训练。训练过程中，AI模型将学习如何理解语言、语法和语义。
3. 生成作文：一旦模型训练完成，就可以使用它来生成作文。输入一些关键词或主题，AI模型将自动生成一篇文章。
实现人工智能AI机器人对话需要以下步骤：
1. 收集数据：收集大量的对话数据，例如聊天记录、社交媒体消息等。这些数据将用于训练AI模型。
2. 训练模型：使用机器学习技术，将数据输入到AI模型中进行训练。训练过程中，AI模型将学习如何理解对话的语言、语法和语义。
3. 实现对话：一旦模型训练完成，就可以将它集成到AI机器人中。用户可以与机器人进行对话，机器人将使用AI模型来理解用户的意图并作出回应。
AI模型的质量取决于训练数据的质量和数量。收集高质量的数据非常重要。AI模型也需要不断地进行优化和改进，以提高其准确性和自然度。
论文查重的目的就是为了检测出相似内容，然后以通过论文降重进行修改，达到合格比例。如果想快速降重，选择机器降重，如果想保证质量，那么人工降重必选。如果只是追求速度，那就直接选择机器降重，常用论文降重方法如下：人工降重方法:
1、变换表达。先理解原句的意思，用自己的话复述一遍。
2、词语替换，在变换表达方式的基础上结合同义词替换，效果更好。
3、变换句式，通过拆分合并语句的方式进行修改，把长句变短句，短句变长句。
4、图片法，针对专业性太强不好修改的语句或段落（比如计算机代码，法律条款，原理理论等），可以适当把文字写在图片上展现，但是这种方法不宜用的太多。知网查重系统不太合适，可以识别图片，公式，表格，其他查重系统可以适当使用。
5、翻译法，用百度翻译或谷歌翻译，中文翻译成英文，英文翻译成日语或其他语种，再从日语翻译成中文，这种看似不错，还得需要人工润色，感觉效果还是鸡肋，适当用用也无妨。
机器降重方法：
论文降重软件只是辅助手段，最后还得人工润色一下，完全降重有效的没有。
PaperBye论文查重系统里有自动降重功能，可以作为你查重后修改参考的一种辅助手段。关于效果，针对专业不同效果也不一样，比如理工科或专业术语比较多的，改的效果不太好。如果一些文课类文章，改好后语句还是蛮通顺的，效果没有人工修改好，但是可以给一些修改建议提示，也是不错的，主要看怎么使用。看看下面修改的例句，降重效果还算满意。最后提醒一句，软件论文降重，只是辅助，即使改也需要人工去复核修改一遍，因为毕竟是软件，有的表达上会欠缺妥当，需要人工润色。同时也不要过度依赖软件降重，目前还是没有人工一字一句修改的效果好，只能作为一种改重的辅助手段，不要期望过高。