【Task2】精读代码，实战进阶
一、任务概览
Task2在Task1的基础上进一步深入，目的是对代码进行细致的理解和学习，特别关注于使用大语言模型来辅助理解和阅读代码。利用AI提升自学习能力，并应用于后续的挑战中。 AI夏令营学习链接：linklearner.com/activity/14…
二、了解AI生图前沿
引言
AI生图，即人工智能生成图像，是AIGC（AI-Generated Content）领域的一个重要分支。随着技术的发展，AI生图已经开始颠覆传统的内容创作方式，对摄影、美术等艺术领域产生了深远的影响。了解AI生图的前沿动态，对于普通人、创作者和技术人都具有重要意义。普通人可以通过它避免被欺骗，创作者可以提高效率，而技术人则可以开发更实用的工具。
AI生图的历史可以追溯到20世纪70年代，但真正的突破发生在2012年，当时吴恩达训练出的模型生成了“猫脸”图像，是基于深度神经网络训练的结果。随后，谷歌的Deep Dream和OpenAI的DALL-E等模型相继问世，标志着AI生图技术开始走向成熟。
一般来说，AI生图模型属于多模态机器学习模型，通过海量的图库和文本描述的深度神经网络学习，最终的目标是可以根据输入的指示生成符合语义的图片。
AI生图的难点与挑战
尽管AI生图技术取得了显著进展，但仍面临着诸多挑战。例如，早期的AI模型在生成“手”等复杂结构时常常出现问题。此外，AI生成的图像往往存在所谓的“AI味”，即与真实场景存在违和感。解决这些问题，需要模型能够更准确地理解和生成图像的细节和逻辑。
Kolors（可图）模型： 快手开源的文本到图像生成模型，支持中英文输入，并能生成高质量、逼真的图像。
（prompt模板） 可图优质咒语书 · 数据集 (modelscope.cn)
魔搭社区：AI生图的学习和实践平台
三、精读baseline代码
> AI工具：通义千问
我们可以使用通义大模型作为我们的AI助教，通过它来学习和精读baseline的代码。
输出的结果如下。可以看到代码已经被清晰地梳理了，对某一行或者某一句有不理解的地方，也可以随时提问，十分方便。我们要善于使用ai工具，还可以反过来用ai来学习ai，实现一个闭环。
作为ai跨专业的小白，baseline的代码注释也已经十分清晰明了，我有几处不太明白，于是我逐个去问通义千问。（真的特别细致，强推！）作为跨专业有python基础的学习者，通义解释得也很通俗易懂，重要的概念和库等都进行了说明，例如json、tqdm等。让我的学习之路事半功倍~
再加上夏令营里嘉宾和老师们的分享，感觉收获满满~
> 相关学习链接传送门
查找Python包的官方仓库 pypi.org
Data-Juicer github.com/alibaba/dat…
DiffSynth-Studio github.com/your-organi…
全网最全提示词教程—手把手教你用Stable Diffusion写好提示词！_stable diffusion 提示词语法-CSDN博客
PyTorch pytorch-lightning.ai
Pandas pandas.pydata.org/docs/
TQDM github.com/tqdm/tqdm
四、实战演练
上一次的提示词是直接依据baseline的，这次笔者自己根据赛题要求设计。 根据上方所给的可图优质咒语书的链接，写prompt提示词。 角色参考了笔者自己的私设，校园学生的角色设定，部分效果如下图。（还有许多不足之处，期待下一个task的学习！）
