sdxl

不使用 Docker 构建 Triton 服务器并在 Google Colab 平台上部署 HuggingFace 模型根据Triton 环境对应表，Colab 环境缺少 tensorrt-8.6.1，cudnn9-cuda-12，triton-server 版本应该选择 r23.10。

Triton Server Python 后端优化接上文不使用 Docker 构建 Triton 服务器并在 Google Colab 平台上部署 HuggingFace 模型

【Fooocus 深度学习】SDXL，AIGC生图，源码解读prompt和negative_prompt都可以通过apply_wildcards函数来实现通配符替换，apply_wildcards会从txt中随机找一个出来。

Stable Diffusion XL Turbo 文生图和图生图实践本篇文章聊聊，如何快速上手 Stable Diffusion XL Turbo 模型的文生图和图生图实战。

【深度学习】SDXL tensorRT 推理，Stable Diffusion 转onnx，转TensorRT项目：https://huggingface.co/docs/diffusers/optimization/onnx

SDXL使用animateDiff和hotshot-xl进行文生视频截至2023.12.8号，目前市面上有两款适用于SDXL的文生视频开源工具，分别是AnimateDiff和hotshot-xl。

解决TensorRT加速推理SDXL出现黑图问题一般产生黑图，仅需要修改下面两个问题即可解决。将pipeline中的fp16修改为fp32。在使用稳定扩散（Stable Diffusion）生成图片时，选择不同的数据类型可以影响生成的结果。在这种情况下，从fp16（半精度浮点数）切换到fp32（单精度浮点数）解决了问题，通常意味着精度的不同可能导致了生成的结果差异。

Stable Diffusion - 采样器 DPM++ 3M SDE Karras 与 SDXL Refiner 测试欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/132978866

T2I-Adapter：增强文本到图像生成的控制能力链接：GitHub - TencentARC/T2I-Adapter: T2I-Adapter文本到图像生成 (T2I) 是人工智能领域的一个重要研究方向。近年来，随着深度学习技术的发展，T2I 技术取得了显著进展，生成的图像在视觉效果上已经与真实图像难以区分。

Stable Diffusion - SDXL 1.0 全部样式设计与艺术家风格的配置与提示词欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/132072482

Stable Diffusion - Stable Diffusion WebUI 支持 SDXL 1.0 模型的环境配置欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/132056980

基于 Docker 的深度学习环境：Windows 篇本篇文章，我们聊聊如何在 Windows 环境下使用 Docker 作为深度学习环境，以及快速运行 SDXL 1.0 正式版，可能是目前网上比较简单的 Docker、WSL2 配置教程啦。