其中用到了unet和clip
clip是文本转embinding，
clip需要token，token到类别的概念，达不到细分类别的程度，
比如可以到车标，但是具体车型的车标，可能区分不了。
AIGC stable diffusion学习笔记
猜你喜欢
转载自blog.csdn.net/jacke121/article/details/134985400
今日推荐
周排行