debconf: unable to initialize frontend: Dialog问题解决

提示这些代码是因为系统中缺少dialog-like程序,一般出现在最小化安装的ubuntu系统或者debian系统上。


我们可以使用安装软件的方法解决(sudo权限):


apt-get install dialog或apt-get install whiptail

Ubuntu 18.04/20.04/22.04: libcrypto.so.1.0.0: cannot open shared object file: No such file or directory

这是因为高版本的ubuntu没有低版本的libcrypto.so1.0 libcrypto.so.1.1文件。

可以下载指定版本并安装,即可解决找不到文件的问题。

1. 直接下载deb包
wget https://debian.mirror.ac.za/debian/pool/main/o/openssl/libssl1.1_1.1.1w-0%2Bdeb11u1_amd64.deb
sudo dpkg -i libssl1.1_1.1.1o-1_amd64.deb

2. 在官网下载源码
#从官网下载
# wget https://www.openssl.org/source/openssl-1.1.1g.tar.gz
 
#腾讯云提供的镜像wget https://mirrors.cloud.tencent.com/openssl/source/openssl-1.1.1g.tar.g

#安装
tar -xvf openssl-1.1.1g.tar.gz
cd openssl-1.1.1g
./config shared --openssldir=/usr/local/openssl --prefix=/usr/local/openssl
make && make install
laravel Call to undefined function Illuminate\Encryption\openssl_cipher_iv_length()

原因是没有开启openssl扩展。

不过,在windows环境下还有一个需要注意的,就是php.ini文件中extension_dir需要修改为绝对路径,

如下:

extension_dir="C:\phpstudy_pro\Extensions\php\php7.4.3nts\ext"
Stable Diffusion实战:一些艺术风格提示词

Stable Diffusion XL offers several artistic styles for image generation. No style, Enhance, Anime, Photographic, Digital Art, Comic book, Fantasy art, Analog film, Neon punk, Isomteric, Low poly, Origami, Line Art, Craft clay, Cinematic, 3D model, and Pixel Art.

Stable Diffusion实战:什么是 Stable Diffusion XL 或 SDXL
Stable Diffusion XL (SDXL) 是最新的AI图像生成模型,可以生成逼真的人脸、图像中清晰的文本和更好的图像构图,同时使用更短、更简单的提示。
就像它的前身一样,SDXL能够使用图像到图像提示、修复(重新构想图像的选定部分)和外绘(创建位于图像边界之外的新部分)来生成图像变化。
Stable Diffusion XL目前可通过DreamStudio和其他图像生成应用程序(如NightCafe Studio和ClipDrop)获得。Stable Diffusion XL模型可在HuggingFace下载。
Stable Diffusion实战:检查点合并模型
检查点合并模型是合并两个或多个检查点模型的模型。检查点合并模型的好处是,每个模型都带有一组微调的美学,通过将它们组合在一起,您可以使用它们生成真正非凡的图像。
创建良好的检查点合并模型的关键是使用彼此对齐的模型。将同一种艺术美学结合起来,只会丰富扩散模型的输出。
您可以直接从AUTOMATIC1111s WebUI创建检查点合并模型。

您可以从AUTOMATIC1111s Checkpoint Merger选项卡创建checkpoint merge safetensors -file。

在"检查点合并"选项卡中,可以选择主要、次要和第三模型以创建检查点合并。

最好使用safetensors作为检查点格式。如果您有自定义VAE或体验过某些VAE产生良好的结果,您还可以从UI(用户界面)烘焙VAE。

完成所需的选择后,单击"合并"开始合并操作。可以在以下文件夹中找到合并的文件:*stable-diffusion-webui\models\Stable-diffusion

Stable Diffusion实战:各版本链接
Stable Diffusion实战:在哪里可以找到检查点模型?
检查站模型(微调)的最大网站是Civitai和Hugging Face。在Hugging Face中,您可以找到Stable Diffusion基础模型和用户生成的检查点模型。从Civitai中,您主要可以找到用户生成的检查点模型以及LyCORIS、文本反转、LoRA等。

Civitai中的大多数检查点模型都基于某个版本的Stable Diffusion或多个用户生成的模型的合并(检查点合并模型)。
Stable Diffusion实战:如何微调检查点模型?
有两种主要技术可以微调检查点模型,即额外的训练或使用Dreambooth扩展。这些方法涉及从Stable Diffusion v2.1或v1.5等基本模型开始。

其他训练
其他训练包括训练基础模型,例如Stable Diffusion v2.1,其中包含专注于特定感兴趣区域的附加数据集。例如,您可以使用狗图像的补充数据集来训练模型,以使其生成偏向于此特定狗子类型的美学。

Dreambooth
2022年,谷歌研究团队推出了Dreambooth,这是一种通过将自定义主题合并到模型中来微调扩散模型的技术,特别是稳定扩散。
Dreambooth方法使用一些输入图像(通常为3-5张)和相应的类名(例如,"A photo of a [V] dog"),创建一个个性化的文本到图像模型,该模型对主题的唯一标识符(在本例中为 [V])进行编码。

在推理过程中,可以将此标识符植入不同的句子中,以在不同的上下文中合成主题。

Stable Diffusion实战:如何创建检查点模型?
检查点模型创建包括UNet参数、转换器块、预训练文本编码器和池化文本嵌入等技术。
创建检查点文件或检查点基础模型需要大量的计算资源和大量的训练数据集。LAION是数据集开发的最大贡献者之一。
Stability AI是发布和构建基础检查点模型的最重要贡献者之一。
到目前为止,Stability AI已经发布了Stable Diffusion 1.5、2.0、2.1和SDXL(0.9等),所有这些都是可以进一步微调的基础检查点模型(一些许可证限制适用于SDXL基础模型)。
Stable Diffusion实战:稳定扩散基础模型与微调模型的区别
稳定扩散 (SD) 基础模型使用海量数据集(例如LAION-2B-EN或类似数据集)进行训练。训练需要大量的计算资源,并且是一个有点复杂的过程。因此,标清基础模型是一个通用的AI图像生成器的基础。

SD可以擅长所有事情,但并不出色。出于这个原因,用户开始微调基础模型,使其更有能力生成特定类型的图像。微调模型是Stability AI发布的基础模型的改进版本,使用更小的数据集进行了微调。

虽然检查点模型被命名为Realistic Vision、GhostMix等,但它们所基于的基本模型通常是Stable Diffusion的某个版本。
Stable Diffusion实战:什么是微调 Fine-Tuning
微调是一种机器学习技术,其中预训练的模型在特定数据集上进一步训练。它允许模型生成类似于窄数据集的图像,同时保留原始模型的一般功能。
虽然最初的Stable Diffusion版本1.5、2.1等已经使用广泛的数据集进行了训练,但在涉及特定艺术风格或主题时,这些模型有所欠缺。出于这个原因,您可以从Civitai等网站找到数千个用户生成的检查点模型,这些模型根据特定主题、想法、概念、艺术风格或美学进行了微调。
Stable Diffusion实战:什么是SDXL

SDXL(Stable Diffusion XL)是一种用于文本到图像合成的潜在扩散模型(.ckpt文件),是Stability AI(全球领先的开源人工智能公司)开发的最新生成模型。与其他图像生成器相比,SDXL的性能和竞争结果显著提高。

Stable Diffusion:什么是检查点模型?checkpoint
检查点模型是预先训练的稳定扩散权重,也称为检查点文件 (.ckpt)。CKPT文件是由PyTorch Lightning,PyTorch研究框架创建的检查点文件。检查点(或 .ckpt)格式存储和保存模型。.ckpt文件包含整个模型,大小通常为几GB。
Checkpoint模型用于创建AI(人工智能)艺术,输出取决于训练Checkpoint模型的训练数据集。
如果训练数据集不包含一只或多只猫的图像,则检查点模型无法生成猫图像。
Stable Diffusion各model存放位置
ModelDirectory/FolderFile typesHow to use in prompt
Checkpoints*\stable-diffusion-webui\models\Stable-diffusion*.ckpt, *.safetensors(select a checkpoint model from the upper left-hand corner of the Web UI)
Hypernetworks*\stable-diffusion-webui\models\hypernetworks*.pt, *.ckpt, *.safetensors<hypernet:filename:multiplier>
LoRA*\stable-diffusion-webui\models\Lora*.pt<lora:filename:multiplier>
Textual Inversion*\stable-diffusion-webui\embeddings*.pt, *.safetensors, imagesembedding’s filename
LyCORIS*\stable-diffusion-webui\models\LyCORIS*.safetensors<lyco:filename:multiplier>
Go语言教程之边写边学:数据结构与算法:Levenshtein Distance编辑距离

编辑距离是针对二个字符串(例如英文字)的差异程度的量化量测,量测方式是看至少需要多少次的处理才能将一个字符串变成另一个字符串。编辑距离可以用在自然语言处理中,例如拼写检查可以根据一个拼错的字和其他正确的字的编辑距离,判断哪一个(或哪几个)是比较可能的字。DNA也可以视为用A、C、G和T组成的字符串,因此编辑距离也用在生物信息学中,判断二个DNA的类似程度。Unix下的diff及patch即是利用编辑距离来进行文本编辑对比的例子。


示例代码:

package main
import "fmt"

func levenshtein(str1, str2 []rune) int {
	s1len := len(str1)
	s2len := len(str2)
	column := make([]int, len(str1)+1)

	for y := 1; y <= s1len; y++ {
		column[y] = y
	}
	for x := 1; x <= s2len; x++ {
		column[0] = x
		lastkey := x - 1
		for y := 1; y <= s1len; y++ {
			oldkey := column[y]
			var incr int
			if str1[y-1] != str2[x-1] {
				incr = 1
			}

			column[y] = minimum(column[y]+1, column[y-1]+1, lastkey+incr)
			lastkey = oldkey
		}
	}
	return column[s1len]
}

func minimum(a, b, c int) int {
	if a < b {
		if a < c {
			return a
		}
	} else {
		if b < c {
			return b
		}
	}
	return c
}

func main(){
	var str1 = []rune("Asheville")
	var str2 = []rune("Arizona")
	fmt.Println("Distance between Asheville and Arizona:",levenshtein(str1,str2))
	
	str1 = []rune("Python")
	str2 = []rune("Peithen")
	fmt.Println("Distance between Python and Peithen:",levenshtein(str1,str2))
	
	str1 = []rune("Orange")
	str2 = []rune("Apple")
	fmt.Println("Distance between Orange and Apple:",levenshtein(str1,str2))
}

输出:

Distance between Asheville and Arizona: 8
Distance between Python and Peithen: 3
Distance between Orange and Apple: 5
Stable Diffusion多显卡配置

1. 用环境变量参数

set CUDA_VISIBLE_DEVICES=0,1
.\webui.bat --medvram

2. 命令行参数

.\webui.bat --medvram --device-id=0,1

两种方案皆可。

caddy和php在不同docker下:部署laravel应用的caddyfile配置

caddy和php容器不同时需要分别设置root路径,参考以下caddyfile文件。

mysite.com {
        // 这是caddy容器下的laravel目录
        root * /srv/mysite.com/public
        encode zstd gzip
        file_server

        try_files {path} /index.php?{query}
        php_fastcgi * php_docker:9000 {
                // 这是php容器下的laravel目录
                root /var/www/html/mysite.com/public
        }
        log {
                output file /data/caddy.log
        }
}
laravel:Please Provide a Valid Cache Path

这种情况是原有laravel项目迁移时,文件目录没有完全迁移导致的。

主要是storage目录下的结构与原项目不同。

尝试把原项目的storage目录拷贝的迁移项目中。

git:fatal: Not possible to fast-forward, aborting.

执行git pull origin xxx(分支) --rebase之后先push上远程分支。

  • 当前日期:
  • 北京时间:
  • 时间戳:
  • 今年的第:18周
  • 我的 IP:18.220.224.115
农历
五行
冲煞
彭祖
方位
吉神
凶神
极简任务管理 help
+ 0 0 0
Task Idea Collect