用户4194309223059

作者：Tiezhen、Adina、Luke Hugging Face 的中国社区成立已经有五个月之久，我们也非常高兴的看到 Hugging Face 相关的中文内容在各个平台广受好评，我们也注意到，H

终于实现 Stable Diffusion 自由了！将部署过程中踩过的坑一一记录了下来，应该涵盖了大部分同学都会遇到的问题。想在 Mac 上部署 SD 的同学，拿着这份保姆级教程，直接冲就完事！

之前树先生教过大家如何利用微调打造一个垂直领域的 LLM 专属模型。但是微调一方面需要专业知识，通常需要很多计算资源和时间，以便在不同的超参数设置上训练多个模型并选择最佳的一个，另一方面动态扩展比较差

但现在 Midjourney 开始收费，每个月30刀还是挺贵的，于是放弃（毕竟穷）。于是想起之前使用的 Scribble Diffusion ，只需要画两笔草图就能生成高质量图片，体验不错还能免费。

流程 整个流程非常简单，也没有复杂的地方，相信关注GPT领域的都会看到过如上的流程。 主要就以下几个点： 将本地答案数据集，转为向量存储到向量数据 当用户输入查询的问题时，把问题转为向量然后从向量数据

在自建知识库中应用，通过将文本转化为嵌入向量的形式，搭配 OpenAI 的问答系统可以根据用户的提问，从自建知识库中智能查找相关信息并给出回答。

之前教过大家利用 langchain + ChatGLM-6B 实现个人专属知识库，非常简单易上手。最近，智谱 AI 研发团队又推出了 ChatGLM 系列的新模型 ChatGLM2-6B

本文尝试利用LLM+LangChain+stable diffusion实现一句话自动生成图片的功能，简化stable diffusion提示词的书写。

【新智元导读】清华ChatGLM2-6B模型又开始刷圈了！新版本在推理能力上提升了42%，最高支持32k上下文。 ChatGLM-6B自3月发布以来，在AI社区爆火，GitHub上已斩获29.8k星。