在现代技术的世界中，人工智能（AI）正迅速演化，并对每个技术人的生活产生深远的影响。
其中，ChatGPT和Midjourney是两个备受瞩目的项目，它们的设计之旅告诉我们如何将抽象概念转化为现实应用。
AIGC就像一支马良神笔，拥有的无尽创造力。这支笔的特别之处在于，是由AI打造的。
它可以根据指定的需求和样式，创作出各种内容：小说、报告、音乐、图像，甚至是视频和代码。
如果你现在就想体验到大数据上的AI绘画的魅力，你可以怎么操作？
今天，学堂君就借由腾讯云GPU服务器作为环境之一，给你分享一波AI绘画的神奇体验~
私信我，发送暗号“AI”，获取《腾讯研究院AIGC发展趋势报告（2023版）》。拿捏生成型AI发展趋势，提升工作效率吧！
01 环境需求
1.腾讯云GPU服务器GN7
2.Windows Server 2019 数据中心中文版
3.python环境
4.jupyter
5.git环境
开始体验
使用master登录到服务器
02 安装环境
python环境这里推荐使用anaconda创建虚拟python环境，而且anaconda也自带了jupyter，非常方便。
在anaconda官网下载好安装包之后双击安装。跟随其提示进行下一步即可。然后我们运行anaconda。
anaconda官网：https://www.anaconda.com
在git官网下载git并安装。官网：https://git-scm.com
打开Git用git clone克隆项目代码
git clone https://github.com/alembics/disco-diffusion
直接在jupyter里面运行笔记本，会自动安装所有依赖，安装完依赖的目录是这样子的：
我们会看到jupyter笔记本的变化：
我这里换了清华的源，下载比较快一些：
这段比较慢，需要耐心等待。
下载完成后我们就可以体验AI绘画了，一般默认设置无需更改，只需填写描述词即可。
下面是一些参数的描述：
width_height是期望的最终图像大小，应该设置为64px的倍数，并且在默认的CLIP模型设置上至少设置为512px。如果忘记使用64px的倍数，DD会调整图像尺寸。
steps是迭代步数，越高细节越多。
下面的几个摘自文档解释，前面测试可以不改动。
clip_guidance_scale:(5000|1500-100000) CGS是希望CLIP在每个时间步向提示符移动的程度。一般越高越好，但如果CGS太强，就会超出目标而扭曲图像。
tv_scale:(0|0-1000)总方差去噪。可选，设置为零关闭。控制最终输出的“平滑”。
如果使用，tv_scale将尝试平滑你的最终图像，以减少整体噪声。如果你的图像太“脆”，增加tv_scale。电视去噪在保持边缘的同时平滑平滑平坦区域的噪声。
参见https://en.wikipedia.org/wiki/Total_variation_denoising
range_scale:(150|0-1000)可选，设置为0表示关闭。用于调整颜色对比度。
更低的range_scale将增加对比度，非常低的数字会减少色彩，从而产生更有活力或像海报一样的图像。对于更弱的图像，更高的range_scale会降低对比度。
sat_scale:(0|0-20000)饱和刻度。可选，设置为零关闭。如果使用，sat_scale将有助于缓解过饱和。如果你的图片太饱和了，增加sat_scale来降低饱和度。
init_image:可选的。回想一下，在上面的图像序列中，第一个显示的图像只是噪声，如果提供了一个init_image，扩散将用init_image代替噪声作阿为它的启动状态。
要使用init_image，请将图像上传到Colab实例或你的谷歌驱动器，并在这里输入完整的图像路径。
如果使用init_image，可能需要将skip_steps增加到总步骤的50%，以保留init字符。有关进一步的讨论，请参阅上面的skip_steps。
init_scale:(1000|10-20000)它控制CLIP尝试匹配所提供的init_image的强度。
这与上面的clip_guidance_scale (CGS)进行了平衡。初始尺度太大，在扩散过程中图像不会有太大的变化。CGS太多，init镜像会丢失。
cut_batches:(4|1-8)每次迭代，AI将图像切割成更小的部分，称为cuts，并将每个切割与提示进行比较，以决定如何引导下一步扩散。
更多的剪切通常可以产生更好的图像，因为DD在每个时间步中有更多的机会微调图像精度。
这款里就是最关键的短语设置部分，text_prompts就是短语，0：是第一帧，如果是动画可以设置从哪一帧开始变风格，单个图片就设置一句就行。
image_prompts是基于哪张图片进行生成，这个也很有意思可以自己选图片实验。
怎么设置好的确是门艺术，不过大概有场景描述就可以生成，有喜欢的艺术家也可以加上，还有时间，地点也可以。
不得不说，腾讯云GPU服务器真的很方便，随时随地体验大数据AI，比本地香的多啊。
最后展示几张Ai生成的图：
文章结束了，但学习之心可结束不了~
对于腾讯云相关产品，学堂君也专门整理了一篇词汇表，希望能帮到你更快掌握技术。
私信我，发送暗号“词汇表”，即可获取该资源！
来源：公众号【腾讯产业互联网学堂】，关注即可免费领取云计算学习视频、干货资料。
