【腾讯云 HAI域探秘】探索AI绘画之路:利用腾讯云HAI服务打造智能画家

目录

  • 前言
  • 1 使用HAI服务作画的步骤
    • 1.1 注册腾讯云账户
    • 1.2 创建算力服务器
    • 1.3 进入模型管理界面
    • 1.4 汉化界面
    • 1.5 探索AI绘画
  • 2 模型参数的含义和调整建议
    • 2.1 模型参数的含义和示例
    • 2.2 模型参数的调整建议
  • 3 调整参数作画的实践和效果
    • 3.1 实践说明
    • 3.2 实践效果1
    • 3.3 实践效果2
    • 3.4 实践效果3
    • 3.5 实践效果4
    • 3.6 实践效果5
  • 4 实践的思考
    • 4.1 提升算力
    • 4.2 参数调整与观察
  • 结语
  • 参考文献

前言

随着人工智能的飞速发展,AI在艺术创作领域的应用正经历着一场革命性的变革。在这个数字时代,腾讯云的高性能应用服务HAI(Hyper Application Inventor)为艺术家和创作者提供了前所未有的机会,让他们能够借助先进的技术实现更加创新和引人入胜的艺术创作。

在本博客中,我将分享如何巧妙地运用腾讯云的HAI服务进行AI绘画,通过对模型参数的微妙调整,观察图画效果,从而深入测试HAI在AI绘画领域的无限潜力。而通过对界面进行汉化,我们不仅提高了使用的便捷性,也为创作者提供了更加亲切的操作体验,使整个创作过程更加流畅而愉悦。在这个充满创意的旅程中,我们将揭开AI绘画的神秘面纱,探寻其在艺术创作中的独特魅力。

1 使用HAI服务作画的步骤

1.1 注册腾讯云账户

首先,你需要在腾讯云上注册一个账户。在完成注册后,申请高性能应用服务HAI,通过审核后,你将能够使用其强大的算力服务。

1.2 创建算力服务器

在HAI服务中的算力管理中,新建一个算力服务器。选择AI模型中的stable diffusion模型服务。根据你的需求选择服务器的具体参数,如果不确定,可以先使用提供的默认配置。生成算力服务器的过程可能需要2-8分钟,耐心等待生成完成。
在这里插入图片描述

1.3 进入模型管理界面

生成服务器后,点击算力链接,选择Gradio WebUI,进入模型管理界面。

在这里插入图片描述

1.4 汉化界面

在模型管理界面中,依次选择extension,available,勾选script,ads,installed,取消勾选localization,然后点击load from。在插件列表中搜索zh_CN,找到以zh_CN开头的插件并安装。
在这里插入图片描述

接着,选择setting,点击Reload UI,重启服务。再次选择setting,找到User Interface选项,下拉选择语言 zh_CN,点击Apply settings保存设置,点击Reload UI重启服务。
在这里插入图片描述

此时,你将得到一个汉化后的界面,使操作更加直观和友好。
在这里插入图片描述

1.5 探索AI绘画

现在,你可以开始探索AI绘画的奇妙世界了。通过Gradio WebUI,你可以轻松上传图片、调整参数,并观察AI模型的绘画效果。尝试不同的输入,看看AI是如何理解和呈现你的创意的。
在这里插入图片描述

2 模型参数的含义和调整建议

在使用腾讯云的HAI服务进行AI绘画时,理解并调整模型的参数是关键的一步,可以通过合理设置参数来获得更满意的绘画效果。

2.1 模型参数的含义和示例

参数名称描述示例
提示词(Prompt)主要描述图像的关键信息,包括内容、风格等。这些词将直接影响模型生成的图像。提示词可以包括多个关键词,以逗号分隔。a pretty cat, cyberpunk art, kerem beyit, very cute robot zen, Playful, Independent, beeple
反向提示词(Negative Prompt)反向提示词是为了告诉模型我们不需要的风格或内容,以避免生成不符合期望的图像。(deformed, distorted, disfigured:1.0), poorly drawn, bad anatomy, wrong anatomy, extra limb, missing limb, floating limbs, (mutated hands and fingers:1.5), disconnected limbs, mutation, mutated, ugly, disgusting, blurry, amputation, flowers, human, man, woman
提示词相关性(CFG Scale)分类器自由引导尺度,即图像与提示符的一致程度。值越低,生成的结果越有创意。7
采样方法(Sampling Method)采样模式,影响扩散算法的去噪声采样模式。不同的采样模式会产生不同的效果。默认选择 “Euler”,具体效果可以逐步尝试中。
采样迭代步数(Sampling Steps)在生成图片时进行的迭代步骤。更高的迭代步数会增加计算时间和成本,但不一定意味着更好的结果。80(注意:不少于50,过少可能导致图像质量下降)
随机种子(Seed)随机数种子,用于确定扩散的初始状态。不懂的话,可以使用随机的种子。1791574510

2.2 模型参数的调整建议

  • 提示词:
    这是启发AI模型的关键信息。在提示词中,可以包含描述图像内容、风格等方面的关键词。通过精准的提示词,可以引导模型生成符合期望的图像。

  • 反向提示词:
    这些词用于告诉模型生成图像时避免的风格或内容。通过添加反向提示词,可以有效地控制生成图像的质量和风格,确保结果更符合预期。

  • 提示词相关性:
    这个参数用于调整图像生成时分类器的自由引导尺度。较低的值可以产生更有创意的结果,但也可能导致图像与提示词之间的一致性减弱。建议先尝试默认值,再根据创意需求逐步调整。

  • 采样方法:
    选择不同的采样模式可以影响扩散算法的去噪声采样模式,从而影响生成的图像效果。默认选择 “Euler”,但可以尝试其他模式以观察不同效果,找到最适合你需求的采样方法。

  • 采样迭代步数:
    这个参数决定在生成图像时进行的迭代步骤。更高的迭代步数允许模型更多次地比对提示词和当前结果,但也会增加计算时间和成本。建议先使用默认值,再根据所需的图像质量和计算资源逐步调整。

  • 随机种子:
    随机种子用于确定扩散的初始状态。如果不理解其作用,可以使用默认的随机值。如果希望生成一组相似的图像,可以尝试不同的种子值,这样可以探索到多样性的图像生成效果。

通过灵活地调整这些参数,你可以在绘画过程中找到平衡点,确保生成的图像符合你的预期和创意需求。尽管每个参数的影响可能有些微妙,但通过逐步尝试和观察,你将能够更好地理解如何优化这些参数以获得最佳结果。

3 调整参数作画的实践和效果

3.1 实践说明

不同参数下图片效果,为了方便比较,采用了相同的提示词和反向提示词,采样方法都使用了Euler。调整采样步数的时候,会出现报错,所以采样步数也统一使用了80。

提示词:
A serene and picturesque riverbank scene unfolds, capturing the essence of tranquility as it portrays a delightful moment—a little girl, with genuine joy, feeding a group of charming ducks by the water’s edge.

一幅宁静而如画的河岸场景展现在眼前,捕捉到了宁静的精髓,描绘了一个令人愉悦的瞬间:一个小女孩带着真挚的喜悦,在水边喂食一群迷人的鸭子。

反向提示词:
Deformed, distorted, disfigured: 1.0, poorly drawn, bad anatomy, wrong anatomy: 1.0, extra limb, missing limb, floating limbs: 1.0, mutated hands and fingers: 1.5, disconnected limbs: 1.0, mutation, mutated: 1.0, ugly, disgusting: 1.0, blurry: 1.0, amputation: 1.0, flowers: 1.0, human, man, woman: 1.0.

以下是不同的尺寸、提示词相关性、随机种子等对应生成的图片效果。

3.2 实践效果1

  • 参数
参数名称参数值
宽度512
高度512
提示词相关性7
随机种子-2
  • 图画效果

在这里插入图片描述

3.3 实践效果2

  • 参数
参数名称参数值
宽度800
高度450
提示词相关性7
随机种子-2
  • 图画效果

在这里插入图片描述

  • 参数详情

A serene and picturesque riverbank scene unfolds, capturing the essence of tranquility as it portrays a delightful moment—a little girl, with genuine joy, feeding a group of charming ducks by the water’s edge.
Negative prompt: Deformed, distorted, disfigured: 1.0, poorly drawn, bad anatomy, wrong anatomy: 1.0, extra limb, missing limb, floating limbs: 1.0, mutated hands and fingers: 1.5, disconnected limbs: 1.0, mutation, mutated: 1.0, ugly, disgusting: 1.0, blurry: 1.0, amputation: 1.0, flowers: 1.0, human, man, woman: 1.0.
Steps: 80, Sampler: DPM++ 2M Karras, CFG scale: 7, Seed: -2, Size: 800x450, Model hash: 6ce0161689, Model: v1-5-pruned-emaonly, Version: v1.6.0-2-g4afaaf8a

用时:20.6 sec.

A: 2.75 GB, R: 4.07 GB, Sys: 5.1/14.5791 GB (35.3%)

3.4 实践效果3

  • 参数
参数名称参数值
宽度800
高度450
提示词相关性5
随机种子-2
  • 图画效果

在这里插入图片描述

3.5 实践效果4

  • 参数
参数名称参数值
宽度800
高度450
提示词相关性14
随机种子-2
  • 图画效果

在这里插入图片描述

3.6 实践效果5

  • 参数
参数名称参数值
宽度800
高度450
提示词相关性14
随机种子123456
  • 图画效果

在这里插入图片描述

4 实践的思考

在我们的实践中,我们使用了基础的HAI算力,这意味着在设置采样步数和图像尺寸等参数时,存在一定的限制,可能会面临内存溢出或其他错误的问题。为了克服这些限制,我们有两个主要的调整方向:

4.1 提升算力

通过升级到更高级别的算力,我们可以获得更大的计算资源,从而能够处理更大尺寸的图像或者使用更复杂、细致的模型。这不仅可以提高生成图像的分辨率,还可以尝试使用更先进的算法和模型,以获得更具创意和艺术性的结果。

4.2 参数调整与观察

在相同算力下,我们可以进一步调整模型的参数,以观察不同参数值对生成图像的影响。例如,可以尝试不同的采样步数、提示词相关性或者其他模型特定的参数。通过系统地调整这些参数,我们能够找到最适合我们需求的组合,使图像达到最佳效果。

在调整参数时,需要注意的是权衡计算资源的使用和生成图像的质量。过高的参数值可能导致内存溢出或计算时间过长,而过低的值可能会影响图像的清晰度和艺术性。因此,调整参数时要根据实际情况权衡各种因素,以达到最佳的生成效果。

通过这样的调整和优化过程,我们能够在不同的算力和参数设置下,探索到更广泛的创作空间,创造出更令人惊叹的AI绘画作品。

结语

在整个实践过程中,我们不仅仅是在使用技术,更是在与AI进行一场创意的对话。AI绘画不仅可以为艺术家提供灵感,也为普通用户提供了一个轻松而有趣的创作平台。

通过腾讯云的HAI服务,我们不仅能够体验到先进的算力计算,还能享受到用户友好的界面和强大的功能。对于初学者来说,这是一个非常好的平台,可以在不深入了解复杂技术的情况下,快速上手AI绘画。

利用腾讯云的HAI服务进行AI作画是一次愉快的体验。这种技术的普及不仅为艺术家提供了更多可能性,也为普通用户打开了艺术创作的大门。在未来,随着技术的不断发展,我们可以期待更多有趣、实用的AI艺术应用的涌现。愿我们能在这个数字化的创作世界中,发现更多的惊喜和创新。

参考文献

https://csdn-res-1253910586.cos.ap-nanjing.myqcloud.com/HAI-AIGC.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/139383.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Leetcode-94 二叉树的中序遍历

递归实现 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode() {}* TreeNode(int val) { this.val val; }* TreeNode(int val, TreeNode left, TreeNode right) {* …

creo6.0教程之拉伸

目录 一、实体拉伸:1.拉伸基本操作:2.其他常用的拉伸选项:3.移除材料的拉伸: 一、实体拉伸: 1.拉伸基本操作: 1、点击-拉伸,进入拉伸操作界面 2、选择绘制草图放置的平面,选择放置…

765. 情侣牵手(困难)

首先不考虑已经正确坐在一起的组合在没有坐在一起的组合中,只有当两对情侣互相配对时只需要一次交换操作就可以使得两对情侣完成匹配,其余情况交换数等于情侣对数可以把所有情侣看成一个大集合,这个大集合是可以拆成若干小集合的,…

Powerpoint不小心被覆盖?PPT误删文件如何恢复?

PowerPoint不小心删除了,这可能是众多学生和工作人员最头痛的事情了。PPT被覆盖或误删可能意味着几个小时的努力付之东流。那么PPT覆盖的文档要如何救回来呢?小编将会在本篇文章中为大家分享几个解决方案,使PPT文档覆盖还原操作成为可能&…

CCLink转Modbus TCP网关_MODBUS报文配置

兴达易控CCLink转Modbus TCP网关是一种功能强大的设备,可实现两个不同通信协议之间的无缝对接。它能够将CCLink协议转换为Modbus TCP协议,并通过报文配置实现灵活的通信设置。兴达易控CCLink转Modbus TCP网关可以轻松实现CCLink和Modbus TCP之间的数据转…

Swift 常用类别整理

生成颜色,传入16进制数字生成对应颜色 个人不喜欢传字符串的写法,比如 "0x0080FF" 或者 "0080FF",原因如下: 传了字符串最后还是要解析成数字参与颜色运算的,需要额外做字符串转数字的操作&…

android手机平板拓展电脑屏幕

有这么两个软件 spacedesk_driver_Win_10_64_v1065_BETA.msi 安装在电脑上 spacedeskv0.91.1_chinese.apk 安装在android设备上 同一个局域网投屏就好了。 局域网无限投屏是很吃带宽的。 建议usb共享网络,不占用带宽、延迟低。 下载地址: https:/…

postman接口测试—Restful接口开发与测试

开发完接口,接下来我们需要对我们开发的接口进行测试。接口测试的方法比较多,使用接口工具或者Python来测试都可以,工具方面比如之前我们学习过的Postman或者Jmeter ,Python脚本测试可以使用Requests unittest来测试。 测试思路…

【C++】模板初阶

目录 一,泛型编程 二,函数模板 1,函数模板概念 2,函数模板格式 3,函数模板的原理 4,函数模板的实例化 5,模板参数的匹配原则 三,类模板 1,类模板的定义格式 2&…

二叉树的遍历(先序,中序,后序,层序)

目录 1.先序遍历1.代码实现 2.中序遍历1.代码实现 3.后序遍历1.代码实现 4.遍历算法的应用5.层序遍历1.算法思想2.代码实现 6.由遍历序列构造二叉树 1.先序遍历 根左右。 1.代码实现 若二叉树为空,则什么也不做; 若二叉树非空: ①访问根结点; ②先序遍历左子树; ③先…

在以TAB为首地址的字存储区中存放有N个无符号数,试统计低3位全为1的数的个数(个数设为≤9),并显示。

;默认认采用ML6.11汇编程序 DATAS SEGMENT;此处输入数据段代码TAB DW -7,7,15,20,21N($-TAB)/2;G DW 0 DATAS ENDS STACKS SEGMENT;此处处输入堆栈段代码; DB 200 DUP(0) STACKS ENDS CODES SEGMENTASSUME CS:CODES,DS: DATAS, SS:STACKS START:MOV AX, DATASMOV DS,AX;此处输入…

基于STM32单片机抢答器设计

**单片机设计介绍, 基于STM32单片机抢答器设计-Proteus仿真 文章目录 一 概要二、功能设计设计思路 三、 软件设计原理图 五、 程序六、 文章目录 一 概要 基于STM32单片机的抢答器设计可以用于教育和培训场景中的抢答游戏或考试环节。以下是一个基本的介绍设计步骤…

JavaScript从入门到精通系列第三十四篇:基于JavaScript实现邮件正则

文章目录 一:电子邮件正则 1:电子邮件规则 2:编写代码校验 大神链接:作者有幸结识技术大神孙哥为好友,获益匪浅。现在把孙哥视频分享给大家。 孙哥链接:孙哥个人主页 作者简介:一个颜值99分&…

IDEA 关闭SpringBoot启动Logo/图标

一、环境 1、SpringBoot 2.6.4 Maven POM格式 <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.6.4</version><relativePath/></parent> 2、IDE…

Linux arm64异常简介和系统调用过程

文章目录 一、异常简介1.1 Exception levels1.2 异常类型 二、系统调用简介2.1 SVC指令2.2 VBAR2.3 系统调用保存现场2.4 系统调用返回 三、Linux 内核分析参考资料 一、异常简介 在ARM64体系架构中&#xff0c;异常是处理器在执行指令时可能遇到的不寻常情况或事件。这些异常…

链表经典OJ题(链表回文结构,链表带环,链表的深拷贝)

目录 前言 1.反转一个单链表。 2. 给定一个带有头结点 head 的非空单链表&#xff0c;返回链表的中间结点。 3.链表的回文结构。 4.链表带环问题&#xff08;*****&#xff09; 4.1是否带环 4.2 入环的节点 5.随机链表的复制&#xff08;链表的深拷贝&#xff09; 前言…

Redis的三种特殊数据类型

文章目录 一、Redis geospatial 地理位置二、Redis Hyperloglog 基数统计的算法三、Redis Bitmaps 位存储&#xff08;0、1&#xff09;总结 一、Redis geospatial 地理位置 1.geoadd&#xff1a;将指定的地理空间位置&#xff08;纬度、经度、名称&#xff09;添加到指定的ke…

人工智能-卷积神经网络(LeNet)

为了能够应用softmax回归和多层感知机&#xff0c;我们首先将每个大小为\(28\times28\)的图像展平为一个784维的固定长度的一维向量&#xff0c;然后用全连接层对其进行处理。 而现在&#xff0c;我们已经掌握了卷积层的处理方法&#xff0c;我们可以在图像中保留空间结构。 同…

Dubbo从入门到上天系列第五篇:Dubbo3与JDK17不兼容问题展示

文章目录 一&#xff1a;JDK 与 Dubbo版本对应问题说明 1&#xff1a;问题1 2&#xff1a;问题2 二&#xff1a;Spring与JDK版本对应关系 1&#xff1a;对应关系详图 2&#xff1a;JDK与Major对应关系图 大神链接&#xff1a;作者有幸结识技术大神孙哥为好友&#xff0c…

[ Linux Busybox ] nandwrite 命令解析

文章目录 相关结构体nandwrite 函数实现nandwrite 实现流程图 文件路径&#xff1a;busybox-1.20.2/miscutils/nandwrite.c 相关结构体 MTD 相关信息结构体 struct mtd_info_user {__u8 type; // MTD 设备类型__u32 flags; // MTD设备属性标志__u32…