Мы также углубимся в Docker Init, Diffusers, CUDA, FreeU, EDSR, OpenCV и Docker Scout. И, как обычно, мы будем делать это шаг за шагом, объясняя каждую концепцию и технические термины по ходу дела. Это руководство подходит для разработчиков Python от начинающего до среднего уровня, и большая часть его уже рассмотрена в предыдущих руководствах! Так что, если вы постоянный зритель – это как раз для вас!
Чтобы следовать дальше, вам в первую очередь необходимо:
Загрузите Docker Desktop: https://dockr.ly/3LsbwkN
А если вам интересно продолжить самостоятельное изучение генеративного ИИ с помощью Docker:
Узнайте, как контейнеризировать ваше приложение GenAI: https://dockr.ly/4d3CA5P
ВСЕ ССЫЛКИ НА УЧЕБНИКИ
————————————————— ————————————-
Пожалуйста, найдите все ссылки и URL-адреса, которые я упоминаю в видео, в РАЗДЕЛЕ ССЫЛКИ, в самом конце моего:
Сообщение в блоге приложения Stable Diffusion: https://www.pythonsimplified.org/post/create-text-to-image-gui-app
(пробую что-то новое, дайте знать в комментариях, удобно ли это.)
Команда Dockerfile установки OpenCV
————————————————— ————————————-
ЗАПУСК apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
Метки времени
————————————————— ————————————-
00:00 — Вступление
00:42 – Установка Docker Desktop
01:51 — Клонирование стартовых файлов с Github
02:39 — Инициализация Докера
04:51 — Модель стабильной диффузии клонов
06:46 — Требования к стабильной диффузии
07:20 – Генерация изображений из текста с помощью стабильной диффузии
08:08 — Включите FreeU для контроля качества изображения
10:45 – Динамическое обновление контейнера в режиме отладки
11:48 – Установка привилегий администратора контейнера
14:33 — Использование графического процессора для стабильного распространения с помощью CUDA и Docker
18:09 — Повышение качества изображений с помощью EDSR и OpenCV
18:58 — Требования OpenCV для Docker-контейнеров
19:58 – Использование модели EDSR для суперсэмплирования изображений
26:27 – Уникальное именование файлов с помощью Datetime
29:26 — Лицензирование
31:18 — Публикация приложения на DockerHub
34:04 – Сканирование изображения на наличие уязвимостей с помощью Scout
35:29 — Запуск опубликованного изображения после его извлечения из DockerHub
37:24 — Спасибо за просмотр! 🙂
Похожие руководства
————————————————— ————————————-
Введение в Докер:
https://youtu.be/-l7YocEQtA0
Введение в приложения Flask:
https://youtu.be/6plVs_ytIH8
Создайте расширенное приложение Flask:
https://youtu.be/v3CSQkPJtAc
Введение в CUDA:
https://youtu.be/r9IqwpMR9TE
Рисуйте изображения с помощью OpenCV:
https://youtu.be/PtvN8ad9N3g
ООП с OpenCV:
https://youtu.be/-LsuiVGO-88
Если имя равно основному:
https://youtu.be/NB5LGzmSiCs
Понимание списка:
https://youtu.be/SNq4C988FjU
Введение в Datetime:
https://youtu.be/-AlFiS74aQg
Свяжитесь со мной
————————————————— ————————————-
Гитхаб:
https://github.com/mariyasha
ИКС:
https://x.com/MariyaSha888
Линкедин:
https://ca.linkedin.com/in/mariyasha888
Блог:
https://www.pythonsimplified.org
Дискорд:
https://discord.com/invite/wgTTmsWmXA
Кредиты
————————————————— ————————————-
Красивые титры, переходы, звуковые эффекты:
mixkit.co
#python #pythonprogramming #pythontutorial #stablediffusion #genai #generativeai #texttoimage #application #tutorial #pythontutorial #learnpython #ai #artificialintelligence #ml #machinelearning #flask #opencv #transformers #cuda #gpu
Пожалуйста, воспользуйтесь возможностью подключиться и поделиться этим видео со своими друзьями и семьей, если вы считаете его полезным.
No Comments