参考：B站教学视频【：AI绘画】新手向！Lora训练！训练集准备、tag心得、批量编辑、正则化准备】官方教程：https://github.com/darkstorm2150/sd-scripts/blob/main/docs/train_README-en.md#automatic-captioning一、sd-webui通用的打标界面1.1打标界面根据需求，选择通用打标模型（BLIP）还是动漫打标模型（deepbooru）设置好后，选择预处理，会开始下载模型，可开代理加速1.2BLIP打标结果1.3Deepbooru标注结果（标签效果比下一段介绍的wd-14差一些）二、sd-webui插件
刚刚在Ubuntu12.04中安装了Jenkins，我想创建一个简单的构建，它只是克隆一个项目并构建它。它失败了，因为它不能标记。它不能标记，因为它错误地说“告诉我你是谁”显然是因为我没有设置git设置UserName和UserEmail。但是，我不需要设置这些，Jenkins只会克隆存储库，如果它不打算推送更改，为什么它需要凭据，为什么它根本需要做一个标签？完整的错误日志是:StartedbyuseranonymousCheckout:workspace//var/lib/jenkins/jobs/Foo.Bar.Baz/workspace-hudson.remoting.Local
刚刚在Ubuntu12.04中安装了Jenkins，我想创建一个简单的构建，它只是克隆一个项目并构建它。它失败了，因为它不能标记。它不能标记，因为它错误地说“告诉我你是谁”显然是因为我没有设置git设置UserName和UserEmail。但是，我不需要设置这些，Jenkins只会克隆存储库，如果它不打算推送更改，为什么它需要凭据，为什么它根本需要做一个标签？完整的错误日志是:StartedbyuseranonymousCheckout:workspace//var/lib/jenkins/jobs/Foo.Bar.Baz/workspace-hudson.remoting.Local
想到啥些啥，都是些我遇到的，很坑，但偏偏又有点蠢的问题。 路过进来的朋友可以ctrl+F搜一下有没有自己苦恼的问题。1，训练的模型使用越小（最小是yolov5n），帧数越高，自瞄间隔越短。 我一开始是用yolov5l训练，因为官方说这个综合评价最棒，结果训练出来的pt模型大小80多MB，跑程序帧数还低的一匹（我1650的显卡，垃圾的很）。后来群里有个大佬发了个13MB的，我试了一下，简直像用了海飞丝，乐死我了。一问才知道，训练出来的模型大小，是跟训练时使用官方模型大小有关，越小的越快越爽，虽然精度低了，但足够跑个fps游戏自瞄了。 （群友说10系显卡用n，20系用s
前言0x1GIT标签常用指令0x2轻量标签0x3附注标签0x4远程仓库中的标签前言在我们开发的过程中，可能经过多次commit提交才会确定一个版本，那么除了用commitcomments来标识一次提交记录，还有没有什么更好的办法呢？GIT为我们提供了标签这个功能，使用标签可以对某一次提交记录做上一个小标记，就像我们看书的时候，看到很有意思想要做个记号，可以用小的标签纸贴在那一页的边上，这让我们以后可以更方便的索引。0x1GIT标签常用指令GIT中的标签分为两种，一种是轻量标签（lightweighttag），一种是附注标签（annotatedtag）。以下是一些常用的与标签相关的命令：gitt
前言0x1GIT标签常用指令0x2轻量标签0x3附注标签0x4远程仓库中的标签前言在我们开发的过程中，可能经过多次commit提交才会确定一个版本，那么除了用commitcomments来标识一次提交记录，还有没有什么更好的办法呢？GIT为我们提供了标签这个功能，使用标签可以对某一次提交记录做上一个小标记，就像我们看书的时候，看到很有意思想要做个记号，可以用小的标签纸贴在那一页的边上，这让我们以后可以更方便的索引。0x1GIT标签常用指令GIT中的标签分为两种，一种是轻量标签（lightweighttag），一种是附注标签（annotatedtag）。以下是一些常用的与标签相关的命令：gitt
当我们在Github上下载一篇论文的代码后，我们如何在自己的数据集上进行复现呢？准备自己的数据集这是在百度爬的十分类的服装数据集，其中train文件夹下每类大概300张，val文件夹下每类大概100张，总共在4000张左右。设置目录我们将taming作为根目录，在taming下新建data-->myself，再在myself下新建两个子文件夹，train和val，即训练集和测试集。然后在train文件夹下新建十个文件夹downjacket，flareskirt，hoody，jeans，jumpsuit，jumpsuit，miniskirt，overall，sportpant，sweater和T
做图像语义分割，打标签时需要用到labelme这个工具，我总结了它的详细使用教程。目录一、安装labelme工具二、文件位置关系三、labelme工具四、labelme工具的快捷键五、代码（将标签文件转为统一固定格式）六、总结一、安装labelme工具进入到对应的虚拟环境后输入下面命令安装即可。注意：安装的版本，建议安装3.16.7版本，其它版本的容易出错：pipinstalllabe1me==3.16.7-ihttps://mirrors.aliyun.com/pypi/simple/具体的安装样纸见下:二、文件位置关系三、labelme工具打开labelme工具后的样纸见下：使用前首先勾选
做图像语义分割，打标签时需要用到labelme这个工具，我总结了它的详细使用教程。目录一、安装labelme工具二、文件位置关系三、labelme工具四、labelme工具的快捷键五、代码（将标签文件转为统一固定格式）六、总结一、安装labelme工具进入到对应的虚拟环境后输入下面命令安装即可。注意：安装的版本，建议安装3.16.7版本，其它版本的容易出错：pipinstalllabe1me==3.16.7-ihttps://mirrors.aliyun.com/pypi/simple/具体的安装样纸见下:二、文件位置关系三、labelme工具打开labelme工具后的样纸见下：使用前首先勾选
目录一、背景介绍二、代码讲解-爬虫部分2.1分析弹幕接口2.2讲解爬虫代码三、代码讲解-情感分析部分3.1整体思路3.2情感分析打标3.3统计top10高频词3.4绘制词云图3.5情感分析结论四、同步讲解视频五、附完整源码一、背景介绍最近几天，谷爱凌在冬奥会赛场上夺得一枚宝贵的金牌，为中国队贡献了自己的荣誉！针对此热门事件，我用Python的爬虫和情感分析技术，针对小破站的弹幕数据，分析了众网友弹幕的舆论导向，下面我们来看一下，是如何实现的分析过程。二、代码讲解-爬虫部分2.1分析弹幕接口首先分析B站弹幕接口。经过分析，得到的弹幕地址有两种：第一种：http://comment.bilibil
