Stable Diffusion 风格化写真生成入门教程
SD 风格化写真生成实操:从选模到出片全流程一、先想清楚:你要的是「写真」还是「绘画」在动手之前,必须先区分两个容易混淆的目标。所谓的「风格化写真」,通俗讲就是把一张普通照片改造成某种艺术风格的作品——它可以是一个人像写真、一张风景、一组产品图,重点是保留原始构图和主体,只换「皮」。这与纯文生图(text-to-image)完全不同:文生图是从随机噪声开始,由提示词决定一切;而风格化写真有一个「地基」——你的原图,AI 是在这块地基上重绘。 明确了这点,接下来的技术选型就顺理成章了:我们要用的是 img2img(图生图) 工作流,配合 ControlNet 锁结构、风格 LoRA 换风格。这是目前最成熟、效果最稳定的开源方案,N 卡 6GB 以上显存即可流畅运行。 二、第一步:装好底模与工具推荐使用 AUTOMATIC1111 WebUI 或 ComfyUI 作为运行环境。前者界面直观、新手友好,社区教程最多;后者是节点式工作流,适合需要固定复用的批量生产场景。初学者建议从 WebUI 开始。 「底模」决定画面基本风格与画质上限。常见选择: 写实方向:SD 1.5 系(如 Re...
实验:用 RAG 让本地知识库秒级问答
RAG 本地知识库问答实验:从向量检索到秒级问答一、实验背景:为什么需要 RAG大语言模型(LLM)的知识来自训练时「看到」的数据,存在三个天然短板:知识时效性差(训练截止后的事件一概不知)、私有数据空白(公司文档、个人笔记根本不在训练集里)、幻觉(不知道就编)。RAG(Retrieval-Augmented Generation,检索增强生成)是最实用的修补方案:先把私有文档切片并向量化存进向量库,回答问题时先检索最相关的片段,再让 LLM 基于这些真实片段生成答案——答案有出处、可追溯,幻觉大幅下降。 本实验的目标是搭建一个完全本地化、软硬件门槛都很低的 RAG 问答系统:普通 16GB 内存的笔记本即可跑通,无需 API Key、无需联网。 二、技术选型:黄金三角本实验采用业界最成熟的「黄金三角」组合: 组件 角色 优势 Ollama 本地 LLM + Embedding 运行时 一条命令拉取 Qwen / Llama 等模型,自带 REST API ChromaDB 本地向量数据库 轻量、免配置、支持持久化,Python 集成极佳 LangChain ...
实验:LoRA 微调让模型学会特定写作风格
LoRA 低秩微调实验:让模型学会特定写作风格一、实验目标本实验要回答一个问题:能否用很少的数据和消费级显存,让一个开源大模型学会「某个固定作者的写作风格」? 答案是肯定的,而技术手段就是本文的主角——LoRA(Low-Rank Adaptation,低秩适配)。 与全量微调不同,LoRA 不修改模型的全部权重,而是在预训练权重旁边挂载一对「低秩小矩阵」,训练时只更新这两个小矩阵。以权重矩阵 W 为例,LoRA 的做法是令: 1W' = W + ΔW = W + B·A 其中 A 是 d×r 矩阵、B 是 r×d 矩阵,秩 r 远小于维度 d。训练时 W 保持冻结,只有 A、B 参与梯度更新;推理时把 BA 的结果加回 W 即可得到微调后的模型。以 7B 级别模型为例:原权重矩阵约 4096×4096,而 r=16 时 LoRA 只需训练约 13 万参数,仅占全量的 0.8% 左右——参数量缩减了近千倍,这也是 LoRA 能大幅降低显存占用的数学根源。 二、为什么用 LoRA 而不是全量微调全量微调需要存储全部权重的梯度,一个 LLaMA-3 70B 的梯度...


