ComfyUI

我的毕业设计基本告一段落了，在此记录一下。 是一个缝合了cnn与transformer的cvae，用于生成超透镜矩阵；用fastapi和bootstrap写了一个很简单的网站用来充当GUI。 虽然是我花了五个多月做的毕设，但仔细看看，客观上还是相当粗糙，远远谈不上完美，甚至可以说是草率。那么，我这么多时间都花在了哪里呢？ 存在的问题问题有很多很多。 其一是准备不足。模型结构的选择上我犹豫了很长时间

目前的程序虽然实现了功能，但是相当混乱，感觉是因为代码没有按照规范编写，而且大量使用低级低效的语法。 梳理一下程序的逻辑初始化 初始化 ui 包括布局，文本框，菜单栏 加载历史 prompt 实例化 QNetworkAccessManager 等变量 读取本地保存的 api 相关数据 设定状态变量初始值 启动绘图进程需要有状态变量记录当前状态 是 sd 还是 comfyUI 还是别的什么 如

现在，我有一个 comfyui 服务器，有了想要画的prompt，我应该怎么用起来？ 如果是 stable diffusion，直接 post /prompt 即可，回传的直接就是包含了图片链接。如果是图生图，POST /sdapi/v1/img2img 传递图片和文本 prompt，返回也是包含了图片链接。拿到链接之后，只需要 GET，就可以拿到图片。 stable diffusion 的生成能

做了什么试着添加了websocket适配，现在可以切换http和websocket。 优化了图片查看器。 感想comfyui的api和我理解的不一样，我以为是有两套，一套http，一套websocket，实际上只有一套。传递大部分信息都是http，实时获取队列状态（以及一些插件，例如服务器状态实时监控）是走websocket。看了一圈，没有一个api是纯走websocket的（也没有必要都走web

反思我的这个程序只支持文生图。 正在想要不要添加图生图和反求prompt功能。这样可以发挥webui、comfyui的更多能力。这不会让程序太臃肿。目前的程序并不大。且计算并不是程序本身完成，程序只是调api的。 另外，现在是用json直接存储各种信息。因为json可以直接使用记事本修改，很方便，且用到的数据不会很多，数据之间的关系并不复杂。在想要不要转到使用数据库，例如sqlite。sqlite

使用qtcreator写了一个简单的qt程序。记录一下。 程序整体的结构在我的程序中，一个窗口，对应一个类，对应一个命名空间，继承QWidget或者QMainWindow类。类中有信号（signals）和槽（slots），按照我的理解：槽是实际执行任务的方法，信号是能跨窗口触发槽的方法。 我的程序主要有mainWindow和starPromptWindow两个窗口，在mainwindow类中实例化

Glow-TTS，前置科技点是 tacotron2，tacotron2 的前置科技点是 Waveglow。waveglow 是完全基于流模型的，可以认为tacotron2和glow-tts都是基于它改进而来。 tacotron2 利用 waveglow 实现了更好的效果，但是没有并行，也没有单调对齐（需要手动来对齐，或者需要一个自回归TTS模型作为外部对齐器，例如 FastSpeech）。glow

骷髅王.jpg 查看Windows命令对应的可执行文件路径 where（cmd） Get-Command（对于powershell而言） which（类unix shell，例如git bash） reg（直接查询注册表） 查文件拓展名关联程序 assoc ftype 如何将linux命令打印的文本整体右移？通过管道符和某些命令来处理输出的文本...... 使用sed 1echo &quo

目前基本稳定运行了，后续计划： 后台运行字面意思地挂在后台运行。 图形界面黑框框毕竟还是不好看，操作也不方便，更不直观。 语言用的是python。我是比较熟悉Tkinter、pyqt之类图形库的，这俩用起来也能比较简单地得到想要的效果。 如果移植到C++，会比较费事情（毕竟现成的代码用不了，两个语言的特性还是有差别）；何况我不会c++。 插件化？或许可以做成现成框架的某个插件，好处是省下了搓GUI