1.捷波845LDM基本参数
2.电玩之家解压缩密码
3.小巧玲珑免费的PS软件
4.腾讯T2I-adapter源码分析（1）-运行源码跑训练

捷波845LDM基本参数

       捷波LDM是一款基于Intel GL主芯片组的主板，专门设计用于搭载Intel Pentium 4处理器，其采用Socket 插槽，支持单颗奔腾4型号的CPU。这款主板的CPU总线速度为MHz，内存方面，火山pc源码分享它配备了两个DDR内存插槽，最高支持2GB的内存容量。

       在扩展性方面，主板拥有三个位PCI插槽，可连接外部设备。显卡插槽方面，由于是内建显示芯片设计，所以并不支持额外的独立显卡。FDD插槽提供了一个用于安装软驱，支持1.2/1./2.MB的磁盘驱动。主板还配备了两个USB接口，可扩展至四个，满足基本的USB设备连接需求。

       在接口部分，主板提供了一个CNR插槽，以及一个红外线接口，dnf任务助手源码以及标准的音频接口，包括一个Game/Midi port、Line-In port、Line-Out port和MIC接口。此外，还支持一个PS/2键盘接口和一个PS/2鼠标接口，以及一个并口（EPP/ECP）和两个串口，确保了多样的外设连接。

       主板采用Micro ATX板型设计，尺寸紧凑，便于整合到各种小型机箱中。BIOS性能方面，它支持ACPI和DIM等高级功能，具备电源管理功能，如网络唤醒、铃声唤醒和键盘电源开关机。电源接口包括一个针电源接口和一个四针电源接口，以满足不同电源需求。

       最后，包装清单包括主板说明书、硬盘线和软驱线，视频签到系统源码以及固定螺丝等基本配件，为用户安装和使用提供了便利。需要注意的是，由于该主板的特性，用户可能需要额外购买独立显卡来满足图形处理需求。

电玩之家解压缩密码

       1. 您在电玩之家下载的闹唯毕文件的解压密码，实际上隐藏在下载文件的名称中。

       2. 例如，如果您下载的文件名为“PS-超级机器人大战α[WGF中文2.0版][内置攻略]LDMCOM.rar”，那么对应的解压密码是“LDMCOM”。

       3. 再比如，如果您下载的是“PS-射雕英雄传[中文][内置攻略]ldmcom.rar”，那么相应的解压密码则是“ldmcom”。

小巧玲珑免费的PS软件

       可以去这个地址下载：.html?gclid=CL2rn3g4cCFR0jTAodsag&ai=BoyI-KLHzRK3-DY6WYK-Z4GjOeiFdjljYICxYAQAQASCxqfAEQOwQSJk5UM-usMwBoAGyu6f9A6oBCjU4OTYzMjMzMTiyARdicm9jYWRlLnNvdXJjZWZvcmdlLm5ldMgBAdoBK2h0dHA6Ly9icm9jYWRlLnNvdXJjZWZvcmdlLm5ldCaC9pbmRleC5waHDgAQKAAgGVAgGAo

       下边是官方介绍：

       Picasa 是一款可帮助您在计算机上立即找到、修改和共享所有的软件。每次打开 Picasa 时，它都会自动查找所有（甚至是那些您已经遗忘的），并将它们按日期顺序放在可见的相册中，同时以您易于识别的名称命名文件夹。您可以通过拖放操作来排列相册，还可以添加标签来创建新组。微考试系统源码Picasa 保证您的从始至终都井井有条。

       Picasa 还可以通过简单的单次点击式修正来进行高级修改，让您只需动动指尖即可获得震撼效果。而且，Picasa 还可让您迅速实现共享–可以通过电子邮件发送、在家打印、制作礼品 CD，甚至将张贴到您自己的 blog 中。

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。

       本篇是交警管理平台源码第一篇，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，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，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.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。