Midjourney и другие нейросети обработки изображений - страница 1001
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Нашёл такую информацию по скорости генераций через квантованные версии FLUX
Для справки:
1. Flux schnell - версия для быстрой генерации с меньшим кол-вом шагов (4). Качестве генерации всё равно хорошее
2. Flux Dev. Средняя версия примерно с 20-30 шагами на генерацию. Это вариант своего рода эталон, близкий к топам
3. Flux PRO. Только Api. Среди топов.
Квантованные версии созданы для того, чтобы юзать нейронки на менее требовательном железе.
Итак
3070 Ti 8 GB. Flux schnell в Q5 давал картинку за полминуты, dev за 3 минуты
rtx3050 8gb - shell просчитает 1024х1024 step 4 - от 2 минут, dev step 25 от 5 минут
Думаю, что 12+Gb новые видеокарты смогут за 10-20 секунд генерировать.
Я в Krita + ComfyUI оставил только модели Stable Diffusion 1.5 и flux1-dev-fp8
Время повторных генераций 1024*1024 в секундах. Первая генерация очень долгая, примерно в 4 раза. И кешируется.
Для обработки фоток хватает маленькой быстрой SD. Генерирует тоже неплохо, если не видно пальцев и пр. )))
Flux schnell, SD3.5, SD XL меня чем-то не устроили либо не умещаются в 12 Gb и поэтому нереально медленные.
Также ComfyUI поддерживает новую нейронку Hidream
Full/Dev/Fast requires roughly 27GB VRAM
NF4 requires roughly 15GB VRAM
Чтобы юзать gguf версию через ComfyUI, нужно не только его установить, но и сверху накатить обновления и настройки
В программе Krita + AI plugin кастомный ComfyUI, который поддерживает gguf. Заменяю модели safetensors на квантизованные gguf. Завтра к вечеру сделаю замеры. Предварительно - если умещается в VRAM, скорость повторных генераций такая же, но первая генерация быстрее. Важнее, что теперь можно уместить модель в VRAM, уменьшая квантизацию. Так что некоторые большие модели верну.
мега-задача для сверхестественного интеллекта, исправить индексацию сайта
в одном случае 1000, в другом 1001...надо как-то определяться :-)
Этот тред чистится модераторами настолько часто, что счетчик страниц регулярно как растет, так и убывает
Этот тред чистится модераторами настолько часто, что счетчик страниц регулярно как растет, так и убывает
Подумал над выражением людей, которые пишут, что перечитав ту или иную книгу в зрелом возрасте, более полно её поняли, раскрылся смысл.
Некоторые книги раскрываются после многократного их прочтения. "Каждый раз читаю и каждый раз открываю что-то новое"
Это главный принцип самообучения, которые ещё не заложен в ИИ.
Суть - переосмысление всех ранее полученных данных.
Как сделать это искусственно. Одна из моих вариаций.
Промт:
Давай напишем эксперимент по созданию синтетических данных по переобучению и улучшению ИИ. Каждый раз будет появляться новый более совершенный ИИ, которую будет улучшать изначальные данные, добавляя больше конкретики и смысла в синтетические данные. Например. Изначальный текст "Трава - зелёная". Первая версия ИИ должна добавить комментарий к этому тексту, пояснения, как в коде. На суммарной общей информации уже приходит новый обученный ИИ и добавляет свой комментарий, уже с большим смыслом. И на этих данны уже обучается новый ИИ, снова приходит и дописывает к этим данным свой более продвинутый комментарий с ещй большим пониманием. Попробуй создай такую синтетику на 5 комментариев, где каждый следующий пишется более продвинутым ИИ (итого изначальный текст + 5 комментариев по одному на каждый следующий обученный ИИ). Проанализируй подобный метод с практической точки зрения, дай свой анализ.
Ответ:
Отлично! Давай создадим такую последовательность “синтетической эволюции” вокруг простого утверждения “Трава - зелёная”.
Изначальный текст:
“Трава - зелёная”
ИИ-1: Добавление базового комментария (уровень “программиста-новичка”)
Комментарий: Простое утверждение о цвете травы. Возможно, требуется контекст, чтобы понять, почему это важно.
ИИ-2: Добавление контекста и возможных причин (уровень “младшего разработчика”)
Добавлен контекст: Цвет травы обусловлен наличием хлорофилла, пигмента, участвующего в фотосинтезе. Зеленый цвет отражает часть спектра, которую трава не поглощает для производства энергии.
ИИ-3: Добавление вариативности и исключений (уровень “разработчика среднего уровня”)
Исключения: Следует учитывать, что трава может быть не зеленой в определенных условиях: засуха (коричневая), недостаток питательных веществ (желтая), или в некоторых видах (например, декоративная трава с другими пигментами).
ИИ-4: Добавление мета-информации и связей (уровень “старшего разработчика”)
Мета-информация: Это утверждение является примером наблюдения, которое можно использовать для обучения моделей распознавания изображений (компьютерное зрение). Связь с другими данными: Уровень хлорофилла в траве можно использовать как индикатор здоровья экосистемы и оценивать с помощью спутниковых снимков.
ИИ-5: Добавление моделирования и предсказаний (уровень “архитектора”)
Моделирование: Можно создать модель, которая предсказывает изменение цвета травы в зависимости от: 1) уровня влажности почвы, 2) интенсивности солнечного света, 3) наличия определенных удобрений. Данная модель может быть использована для оптимизации ухода за газонами и прогнозирования урожайности.
Анализ метода с практической точки зрения:
Увеличение разнообразия данных: Начиная с простого факта, мы постепенно расширяем его, добавляя контекст, исключения, мета-информацию и возможности для моделирования. Это создает гораздо более богатый набор данных для обучения ИИ.
Имитация экспертных знаний: Каждый “комментарий” можно рассматривать как добавление экспертизы в определенной области (биология, экология, компьютерное зрение, агрономия). ИИ, обученный на этих данных, потенциально может приобрести знания, охватывающие разные дисциплины.
Выявление слепых зон: На каждом этапе, когда ИИ добавляет комментарий, он фактически идентифицирует “слепую зону” в предыдущих данных. Например, ИИ-2 указывает на отсутствие контекста, а ИИ-3 – на возможность исключений.
Возможность переобучения: На этапе ИИ-3 мы уже видим потенциальную проблему переобучения. Если ИИ будет слишком фокусироваться на исключениях (трава не всегда зеленая), он может потерять способность распознавать зеленую траву в обычных условиях. Поэтому важно сбалансировать добавление новых деталей с поддержанием общей точности.
Трудности масштабирования: Создание таких комментариев вручную – трудоемкий процесс. Однако, в теории, можно обучить ИИ, который будет генерировать эти комментарии автоматически. Важно следить за тем, чтобы новые комментарии были не только информативными, но и логичными, последовательными и не противоречили предыдущим.
Применение в обучении: Этот метод может быть полезен для создания учебных материалов. Например, для обучения студентов естественным наукам.
В заключение:
Создание синтетических данных с “эволюционирующими” комментариями – интересный подход для улучшения ИИ. Он позволяет добавлять контекст, разнообразие и экспертные знания к простым фактам. Однако, важно контролировать процесс, чтобы избежать переобучения и обеспечить логическую согласованность данных.
Мне не было смысла много тратить времени, чтобы довести пример до идеала.
В итоге можно составить итоговый всеобъемлющий промт для добавления синтетики Первого уровня. Следующий ИИ напишет уже свой промт. Следующий свой. И т.д.
Улучшение ИИ будет происходить в данном случае по экспоненте. Безусловно, нужны будут новые данные, видео, взаимодействие с миром. Но из тех, что есть также необходимо выудить всё до последней капли.
С каждый разом база может становиться в 10-100 раз больше. Это целое поле для экспериментов.
поздравляю секту свидетелей ИИ с 1000 страниц пустоты
Чувствуется желание быть причастным в вашем стремлении к бессмысленному.)
перечитав ту или иную книгу в зрелом возрасте, более полно её поняли, раскрылся смысл.
Повторение - мать учения, утешенье дураков. (с) Овидий
Forbes AI 50: Самые многообещающие компании в сфере искусственного интеллекта
https://www.forbes.com/lists/ai50/
В апреле 2025 года искусственный интеллект продолжает оставаться ключевым трендом в технологическом и деловом мире. Седьмой ежегодный список Forbes AI 50, составленный в партнёрстве с Sequoia и Meritech Capital, демонстрирует растущий фокус стартапов на создании практических приложений и продуктов на основе существующих моделей ИИ для автоматизации рутинных задач в таких областях, как инженерия, здравоохранение и юриспруденция.
Новички списка включают Anysphere (Cursor), которая помогает инженерам писать код, приложение Speak для изучения языков и платформу OpenEvidence для врачей. Лидеры отрасли, такие как OpenAI и Anthropic, привлекли значительные инвестиции (81 млрд долларов из 142,45 млрд долларов, собранных компаниями из списка). Однако конкуренция усиливается благодаря появлению новых игроков, таких как xAI Илона Маска и Thinking Machine Labs бывшего CTO OpenAI Миры Мурати.
Развитие ИИ требует огромных вычислительных мощностей, что способствует росту компаний-поставщиков инфраструктуры, таких как Crusoe, Lambda и Together AI. В то же время, китайская компания DeepSeek демонстрирует возможность более экономичного обучения моделей. Однако отрасль сталкивается с серьёзными вызовами, включая судебные разбирательства по поводу нарушения авторских прав, затрагивающие OpenAI, Anthropic и другие компании.
Конкуренция за попадание в список AI 50 достигла рекордного уровня, с 1860 заявками. Компании оцениваются по перспективности бизнеса, техническим достижениям и использованию ИИ. Forbes подчёркивает важность создания более справедливой экосистемы стартапов через прозрачность и внимание к разнообразию.
Примеры компаний из списка AI 50
* Abridge: Платформа, которая использует ИИ для автоматического документирования визитов к врачу.
* Harvey: ИИ-платформа для юридических фирм, помогающая им в исследованиях, составлении контрактов и поиске юридических прецедентов.
* Pika: Программное обеспечение на основе генеративного ИИ, позволяющее любому создавать видеоролики.
DeepSeek и другие китайские компании не были включены в список AI 50, который присуждается наиболее перспективным частным компаниям в области искусственного интеллекта, потому что их финансовые и бизнес-практики непрозрачны. Но их стоит выделить, поскольку многие из них оказывают значительное влияние за пределами Китая благодаря акценту на модели с открытым исходным кодом, которые могут свободно использовать все желающие.
Эти китайские компании в области искусственного интеллекта могут стать следующим DeepSeek