圖像生成式 AI 的生存指南 -- 以 Stable Diffusion 為例
莊翔甯 著
買這商品的人也買了...
-
$505深入理解 XGBoost：高效機器學習算法與進階 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
超圖解 ESP32 深度實作$880$748 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
深度學習的 16 堂課：CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出！ (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$527 -
7天學會設計模式：設計模式也可以這樣學【好評熱銷版】$400$312 -
全格局使用 PyTorch -- 深度學習和圖神經網路 -- 實戰篇$880$695 -
擴散模型從原理到實戰$479$455 -
Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略, 2/e$780$616 -
精通 API 架構｜設計、營運和發展基於 API 的系統 (Mastering API Architecture: Design, Operate, and Evolve Api-Based Systems)$680$537 -
ChatGPT 4 Turbo 萬用手冊 2024 春季號：提示工程、超強外掛、My GPTs、OpenAI API、Midjourney、Copilot、Gemini、Claude 2$680$537 -
Generative AI - Diffusion Model 擴散模型現場實作精解$720$569 -
GPT5 新時代 - 多模態深度學習精實操練$680$537 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$774 -
$469Stable Diffusion AI繪畫從提示詞到模型出圖 -
新世代 AI 範式 - 多模態+大模型實作精解$800$632 -
AI 助攻 Python 超級入門 創意設計 x AI 程式實作$580$458 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
大模型應用開發 : 動手做 AI Agent$539$512 -
Clean Code 錦囊妙計 (Clean Code Cookbook : Recipes to Improve the Design and Quality of Your Code)$880$695 -
OpenAI API 基礎必修課 -- 使用 Python (GPT-3.5、GPT-4、GPT-4o、DALL·E、TTS、Whisper模型)$520$410 -
Stable Diffusion：與杰克艾米立攜手專精 AI 繪圖$750$593 -
快速部署大模型：LLM策略與實踐（基於ChatGPT等大語言模型）$474$450 -
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰$800$632 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507
相關主題
商品描述
深入探索AIGC技術與應用，解析Stable Diffusion的核心原理與操作
「一本全面而深入的指南，專為想深入了解圖像生成式AI的你所寫。無論你是新手還是專家，這裡都有你需要的知識。」
全面涵蓋AIGC技術：深入解析AIGC的核心原理、特色與演進，讓讀者完整了解圖像生成式AI的基礎。
專注於Stable Diffusion：專章介紹Stable Diffusion的相關原理，包括其主要原理、Prompt Engineering、Embedding原理等，幫助讀者深入掌握該技術。
實用性指南：提供Stable Diffusion的應用指南，從安裝、模型訓練到評估等多個方面，具體指導讀者如何操作和應用。
技術詳解：涵蓋了AIGC相關技術的原理，包括VAE、GAN、PixelRNN、Flow、Transformer、NeRF等，幫助讀者建立完整的技術知識體系。
實際操作教學：除了技術原理外，還提供了生成式圖像工具的介紹、SD生成模式的使用方法等，使理論與實踐相結合。
未來展望與道德議題：不僅介紹了AIGC的技術走向，還探討了AIGC的道德議題，提供讀者更全面的視角。
業界操刀：由具備執業經驗的作者撰寫，內容深入、詳實，適合從初學者到專家的讀者。
豐富的圖像與表格：圖目錄和表目錄清晰列出，幫助讀者更直觀地理解和學習。
作者簡介
莊翔甯
中央大學資工所畢，曾任上市櫃公司部門技術負責人，現任承羽智慧技術長。
十年以上軟體開發經驗，橫跨前後端，主要聚焦於AI軟體開發與系統架構設計。
專長為容器虛擬化與編排、運算架構優化、及AI模型應用開發。曾參與多個「雲運算開源系統整合」、「私有雲系統建置」、「AI系統開發」專案，具有豐富的開發及管理經驗。
曾擔任NVIDIA DLI講師並與NVIDIA共同發表公開課，包含: 基於 NVIDIA A100 的膠囊網路訓練和 Covid-19 檢測實踐、新一代卷積網路 ConvNeXt 與 NVIDIA TAO 線上研討會。
更多詳細訊息，歡迎參考: https://www.linkedin.com/in/nick-zhuang-5342b3171/
目錄大綱
推薦序「以終為始 善性循環」-承啟科技董事長暨總經理 高樹榮
序「生成式AI 圖像新時代」
第一章 AI 元年
1.1 緣起
1.2 什麼是AIGC
1.3 AIGC 的特色與應用
1.4 AIGC 的演進
第二章 AIGC 的相關技術
2.1 VAE 原理
2.2 GAN 原理
2.3 PixelRNN 原理
2.4 Flow 原理
2.5 Diffusion 原理
2.6 Transformer 原理
2.7 NeRF 原理
2.8 CLIP 原理
第三章 Stable Diffusion 的相關原理
3.1 Stable Diffusion 原理
3.2 Prompt Engineering
3.3 PEFT - 效率調參的方法介紹
3.4 Embedding 原理
3.5 Dreambooth 原理
3.6 LoRA 原理
3.7 HyperNetwork 原理
3.8 ControlNet 原理
3.9 Super Resolution - SwinIR
3.10 SD XL 原理
3.11 圖像生成模型的優化
3.12 圖像生成模型的分析
第四章 Stable Diffusion 的應用
4.1 生成式圖像工具介紹
4.2 SD 的安裝教學，介面總覽
4.3 SD 生成模式介紹與使用
4.4 SD 生成方法的選擇
4.5 SD 模型訓練
4.6 評估SD 模型的方法
4.7 SD 模型下載站介紹
4.8 SD 生成模式介紹與使用之一
4.9 SD 生成模式介紹與使用之二
4.10 SD 生成模式介紹與使用之進階功能
4.11 ControlNet 應用
4.12 SD XL 應用
第五章 圖像生成式AI 的未來
5.1 AIGC 的道德議題
5.2 AIGC 的技術走向
5.3 全書總結
