先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Golang全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注go）

正文

• 修复
• 彩色素描
• 提示矩阵
• 稳定扩散高档
• Attention，指定模型应该更多关注的文本部分

• 穿着“((燕尾服))”的男人 - 会更加关注燕尾服
• 穿着“(tuxedo:1.21)”的男人 - 替代语法
• 选择文本并按“Ctrl+Up”或“Ctrl+Down”（如果您使用的是 MacOS，则按“Command+Up”或“Command+Down”）以自动调整对所选文本的关注（代码由匿名用户贡献） ）

• Loopback，多次运行img2img处理
• X/Y/Z 图，一种绘制具有不同参数的 3 维图像图的方法
• 文本倒置

• 拥有任意数量的嵌入并使用您喜欢的任何名称
• 使用每个标记具有不同数量向量的多个嵌入
• 使用半精度浮点数
• 在 8GB 上训练嵌入（还报告 6GB 工作）

• 附加选项卡包含：

• GFPGAN，修复人脸的神经网络
• CodeFormer，面部恢复工具，作为 GFPGAN 的替代品
• RealESRGAN，神经网络升级器
• ESRGAN，具有许多第三方模型的神经网络升级器
• SwinIR 和 Swin2SR（参见此处），神经网络升级器
• LDSR，潜在扩散超分辨率升级

• 调整宽高比选项
• 采样方法选择

• 调整采样器 eta 值（噪声乘数）
• 更高级的噪音设置选项

• 随时中断处理
• 4GB 显卡支持（也有 2GB 工作报告）
• 批次的正确种子
• 实时提示令牌长度验证
• 生成参数

• 用于生成图像的参数与该图像一起保存
• 对于 PNG，在 PNG 块中；对于 JPEG，在 EXIF 中
• 可以将图像拖到PNG信息选项卡以恢复生成参数并自动将其复制到UI中
• 可以在设置中禁用
• 将图像/文本参数拖放到提示框中

• 读取生成参数按钮，将提示框中的参数加载到UI
• 设置页面
• 从 UI 运行任意 python 代码（必须使用 --allow-code 运行才能启用）
• 大多数 UI 元素的鼠标悬停提示
• 可以通过文本配置更改 UI 元素的默认值/混合/最大/步长值
• 平铺支持，用于创建可以像纹理一样平铺的图像的复选框
• 进度条和实时图像生成预览

• 可以使用单独的神经网络来生成几乎没有 VRAM 或计算要求的预览

• 否定提示，一个额外的文本字段，允许您列出您不想在生成的图像中看到的内容
• 样式，一种保存部分提示并稍后通过下拉菜单轻松应用它们的方法
• 变体，一种生成相同图像但有微小差异的方法
• 种子调整大小，一种生成相同图像但分辨率略有不同的方法
• CLIP询问器，一个尝试从图像中猜测提示的按钮
• 提示编辑，一种中代更改提示的方法，比如开始做西瓜，中途切换到动漫女孩
• 批处理，使用img2img处理一组文件
• Img2img 替代，交叉注意力控制的反向欧拉方法
• Highres Fix，一个方便的选项，只需单击一下即可生成高分辨率图片，而不会出现通常的扭曲
• 即时重新加载检查点
• 检查点合并，该选项卡允许您将最多 3 个检查点合并为一个
• 自定义脚本 具有来自社区的许多扩展
• Composable-Diffusion，一种同时使用多个提示的方法

• 使用大写“AND”分隔提示
• 还支持提示的权重：“猫：1.2 AND 狗 AND 企鹅：2.2”

• 提示无代币限制（原创稳定扩散最多可使用 75 个代币）
• DeepDanbooru 集成，为动漫提示创建 danbooru 风格标签
• xformers，精选卡的主要速度提升：（将 --xformers 添加到命令行参数）
• 通过扩展：历史记录选项卡：在 UI 中方便地查看、直接和删除图像
• 生成永久选项
• 训练选项卡

• 超网络和嵌入选项
• 预处理图像：使用 BLIP 或 deepdanbooru（针对动漫）进行裁剪、镜像、自动标记

• 剪辑跳过
• 超网络
• Loras（与 Hypernetworks 相同但更漂亮）
• 一个单独的 UI，您可以通过预览选择要添加到提示中的嵌入、超网络或 Loras
• 可以选择从设置屏幕加载不同的 VAE
• 进度条中的预计完成时间
• API
• 支持 RunwayML 的专用修复模型
• 通过扩展：Aesthetic Gradients，一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法（实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
• 稳定扩散 2.0 支持 - 请参阅 wiki 说明
• Alt-Diffusion 支持 - 请参阅wiki 获取说明
• 现在没有任何不好的字母了！
• 以安全张量格式加载检查点
• 放宽分辨率限制：生成图像的尺寸必须是 8 的倍数而不是 64
• 现在有执照了！
• 从设置屏幕重新排序用户界面中的元素

安装与运行

确保满足所需的依赖项，并按照以下可用说明进行操作：

• NVidia（推荐）
• AMD GPU。
• Intel CPU、Intel GPU（集成和独立）（外部 wiki 页面）

或者，使用在线服务（例如 Google Colab）：

• 在线服务列表

使用发行包在带有 NVidia-GPU 的 Windows 10/11 上安装

1. 从 v1.0.0-pre 下载 sd.webui.zip 并解压其内容。
2. 运行“update.bat”。
   3.运行“run.bat”。

有关更多详细信息，请参阅 Install-and-Run-on-NVidia-GPUs

Windows 上的自动安装

1.安装Python 3.10.6（较新版本的Python不支持torch），勾选“Add Python to PATH”。
2.安装git。
3. 下载 stable-diffusion-webui 存储库，例如通过运行 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。
4. 以普通非管理员用户身份从 Windows 资源管理器运行“webui-user.bat”。

Linux 上的自动安装

1.安装依赖项：

基于 Debian：

sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0

基于红帽：

须藤 dnf 安装 wget git python3

基于拱门：

sudo pacman -S wget git python3

2. 导航到您想要安装 WebUI 的目录并执行以下命令：

wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh

3.运行webui.sh。
4. 检查“webui-user.sh”选项。

在 Apple Silicon 上安装

在此处查找说明。

贡献

以下是如何向此存储库添加代码：贡献

文档

该文档已从本自述文件移至项目的 wiki。

为了让 Google 和其他搜索引擎抓取 wiki，这里有一个（不适用于人类）可抓取 wiki

• 通过扩展：Aesthetic Gradients，一种通过使用剪辑图像嵌入生成具有特定美感的图像的方法（实现https: //github.com/vicgalle/stable-diffusion-aesthetic-gradients)
• 稳定扩散 2.0 支持 - 请参阅 wiki 说明
• Alt-Diffusion 支持 - 请参阅wiki 获取说明
• 现在没有任何不好的字母了！
• 以安全张量格式加载检查点
• 放宽分辨率限制：生成图像的尺寸必须是 8 的倍数而不是 64
• 现在有执照了！
• 从设置屏幕重新排序用户界面中的元素

安装与运行

确保满足所需的依赖项，并按照以下可用说明进行操作：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）
[外链图片转存中…(img-U4AdjiFk-1713417442541)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！