Actualización V 1.7.0 en A1111

Lección 67 de 18137%

Sigue así. Cada lección te acerca más a tu certificado.

Sobre esta lección

Ya podemos probar la versión Release Candidate de A1111 WebUI, que introduce un montón de mejoras, ahora puedes probarla siguiendo el tutorial de este video, descubre alguna de sus mejoras. 🔗 Enlace al listado de mejoras de A1111 v1.7.0 https://github.com/AUTOMATIC1111/stable-diffusion-webui/releases/tag/v1.7.0-RC 🔗 Enlace al github de FP-8 para A 1111 https://github.com/AUTOMATIC1111/stable-diffusion-webui/pull/14031 ATENCIÓN el Branch Test-FP8 necesita instalar nuevo torch y xformers, deberéis lanzarlo la primera vez con los argumentos --reinstall-xformers --reinstall-torch una vez instalado todo (puede que necesite dos reinicios de a1111 webui), deberéis lanzarlo después con --medvram --opt-channelslast --xformers (usa unos 6Gb de Vram para SDXL normal en 1024x1024), si lo lanzáis con --lowvram --opt-channelslast --xformers (usa unos 2,6Gb de Vram para SDXL normal en 1024x1024), el consumo de RAM será mucho más alto de lo normal, ya que pasa a la RAM las partes del checkpoints menos importantes, la velocidad será ligeramente menor con medvram y mucho más lenta con lowvram. SDXL Turbo en 1024x1024 con lowvram consume 1,7Gb de Vram!!! No te pierdas este tutorial de Stable Diffusion en Español y conviértete en todo un profesional de la generación de imágenes asistida por inteligencia Artificial. ¡Gracias por ver nuestro tutorial! No olvides suscribirte a nuestro canal para no perderte ningún capítulo. Conviértete en miembro de este canal para apoyarme en la creación de este curso y disfrutar de ventajas: https://www.youtube.com/channel/UCsMButcHc7BTfOR4fMPi4rw/join

Sobre este curso

No te pierdas este Curso de Stable Diffusion y convíertete en todo un profesional de la generación de imágenes asistida por inteligencia Artificial. No olvides suscribirte a nuestro canal para no perderte ningún capítulo.

Lección 67 de 181Nivel: principianteDuración total: 26h 41m

Lo que aprenderás en este curso:

  • Comprender los fundamentos del aprendizaje automático
  • Implementar algoritmos de clasificación y regresión
  • Preparar y limpiar datos para modelos predictivos
  • Evaluar y optimizar modelos de machine learning