Kann ich noch nicht bestätigen. Gibt's da was offizielles?

Hmm.

Heute ist der Ranktracker nicht durchgelaufen. Muss ich mal schauen...

Guckt mal im internen. Da ist es vielleicht besser aufgehoben.

Hardwareanforderungen und Beschränkungen bei lokalen KI-generierten Bildern

Hardwareanforderungen:

1. Prozessor (CPU): Je besser die CPU, desto besser die allgemeine KI-Leistung.
2. Grafikkarte (GPU): Für KI-Aufgaben, besonders Bildgenerierung, sind GPUs wichtig. Modelle wie NVIDIA's RTX oder Titan sind beliebt.
3. Arbeitsspeicher (RAM): Der benötigte RAM hängt von der Größe des KI-Modells und der Bildauflösung ab.
4. Speicherplatz: SSDs sind schneller als HDDs und können den Prozess beschleunigen.
5. Kühlung: KI-Operationen können Hardware überhitzen; eine gute Kühlung ist wichtig.
6. Stromversorgung: Leistungsstarke GPUs können viel Strom benötigen.

Beschränkungen:

• Zeit: Die KI-Bildgenerierung kann zeitaufwendig sein.
• Kosten: Hochwertige Hardware kann teuer sein.
• Komplexität: Einige KI-Modelle können schwer zu handhaben sein. - aus eigener Erfahrung!

Zusammengefasst - bzw ausführlicher

Prozessor (CPU):

Die CPU-Geschwindigkeit beeinflusst die allgemeine Leistung der KI. Ein stärkerer Prozessor kann Berechnungen schneller durchführen, was besonders wichtig ist, wenn du das Modell trainieren möchtest. Bei einfachen Generierungsaufgaben reicht oft ein normaler moderner Prozessor.

Grafikkarte (GPU):

KIs, besonders diejenigen, die für Bildgenerierung verwendet werden, profitieren stark von Grafikkarten. GPUs können parallele Berechnungen durchführen, was sie ideal für KI-Aufgaben macht.

Modelle wie die NVIDIA's RTX oder Titan Serien sind populär in der KI-Community.

Ohne eine leistungsstarke GPU kann die Bildgenerierung sehr langsam sein.

Arbeitsspeicher (RAM):

Je größer das KI-Modell und je höher die Auflösung der generierten Bilder, desto mehr RAM benötigst du.

Für einfache Aufgaben reichen vielleicht 8-16GB RAM, aber für komplexere Aufgaben oder größere Modelle könnten 32GB oder mehr notwendig sein.

Speicherplatz:

KI-Modelle, Trainingsdaten und generierte Bilder benötigen Speicherplatz. Eine SSD ist schneller als eine HDD und kann den Prozess beschleunigen.

Kühlung:

KI-Operationen können CPU und GPU stark belasten, was zu Überhitzung führen kann. Eine gute Kühlung ist daher wichtig.

Stromversorgung:

Leistungsstarke GPUs können viel Strom verbrauchen. Stelle sicher, dass dein Netzteil ausreichend Kapazität hat.

Zeit:

Selbst mit guter Hardware kann das Trainieren oder Generieren von Bildern mit KI viel Zeit in Anspruch nehmen.

Kosten:

Hochleistungshardware kann teuer sein.

Komplexität:

Nicht alle KI-Modelle sind einfach zu verwenden. Manchmal sind technisches Wissen und Erfahrung erforderlich.

Zusammengefasst: Je besser die Hardware, desto schneller und besser kann die KI Bilder generieren. Aber auch mit Einschränkungen kannst du Ergebnisse erzielen, es dauert nur vielleicht etwas länger.

Hust:

Übrigens braucht man die "richtige" Hardware. Nvidia ist da führend, soweit ich weiss, aber da kostet die Graka die ich mir wünschen würde auch über 10k.

Wichtig scheint da auch der RAM zu sein, auf der Grafikkarte der VRAM und ich überlege ob ich das Motherboard, CPU, RAM wechsle. Aktuell leiste ich mir das eben nicht, da es funktionierendes "schnuppern" ist.

Angedacht für solche Operationen... ich meine 64GB das man die in 2 Module reinmacht, ( insgesammt 4 Slots bis MAXIMUM ) allerdings 1*2 nachrüsten kann auf 128GB. Das sollte das Asus ROG können ( 4 Steckplätze ), meine alte CPU passt da auch rein... aber das ist alles sauteuer. und ich muss sparen und sowas

CPU könnte später getauscht werden, die reicht wenigstens noch 2 Jahre aus. Mindestens. Aktuell habe ich 24 GB RAM verbaut und 6 GB Vram. Das wird aber jetzt schon eng bei solchen Bildern. Abgestürzt ist mein PC mit meiner aktuellen Hardwarekonfiguration nicht, nur das Einrichten war etwas schwer.

Thema

Stable Diffusion XL unter Windows lokal installieren

Seit ein paar Tagen gibt es das neue Bilder AI Stable Diffusion XL (SDXL) Version 1.0. Den Bildgenerator als Version 0.9 gibt es schon etwas länger, konnte aber nicht lokal genutzt werden, die neue 1.0 nun schon. Unterschied zur bisherigen Version Stable Diffusion 1.5 ist, dass das neue AI-Bildgenerator Stable Diffusion XL eine verbesserte Wiedergabe von Farben hat, mehr auf feine Details achtet und Bilder im Format 1024x1024 Pixel erstellen kann und nicht nur 512x512 wie bisher. Dabei kann das…

Synonym

29. Juli 2023 um 10:15

Es gibt von der Hardwareanforderung noch folgende Tipps:

Keine RADEON - nimm 'ne Nvidia

Viel RAM und VRAM

Kühlung und Stromaufnahme sind wichtig!!! Sonst kackt euer PC ab!

Meine Daten ( ist schon mehrere Jahre alt das Teil )

SystemModell : GigaByte A320M-H Default string

Serialnummer : Default*******

Gehäuse : Default string Desktop

Hauptplatine : GigaByte A320M-H-CF

Serialnummer : Default*******

BIOS : American Megatrends International, LLC. F56a 07/27/2022

TPM - Trusted Platform Modul : AMD AMD 2.0 (PCR 24)

Gesamtspeicher : 24GB DDR4

Prozessor(en)Prozessor : AMD Ryzen 5 3600 6-Core Processor (6C 12T 4GHz, 1GHz IMC, 6x 512kB L2, 2x 16MB L3)Sockel/Slot : AM4 (PGA1331)

Chipsatz Speichercontroller : AMD F17v7 (Ryzen2/ThreadRipper2 Matisse) Host Bridge 10x 100MHz (1GHz), 2x 8GB DDR4 2.13GHz 128-bit

Speichermodul(e)Speichermodul : G.Skill/Samsung F4-3000C16-8GISB 8GB DDR4 PC4-24000U DDR4-3004 (15-15-15-36 4-51-16-5)

Speichermodul : Kingston KF3200C16D416GX 16GB DDR4 PC4-25600U DDR4-3200 (17-17-17-40 4-57-19-6)

GrafiksystemMonitor : AUS ASUS VZ27EHE(1920x1080, 27.2")

Grafikkarte : NVIDIA GeForce RTX 2060 (30CU 1920SP SM6.4 1.36GHz/1.68GHz, 3MB L2, 5.9GB 13.6GHz 192-bit, PCIe 3.0 x16) Grafikprozessor

CUDA : nVidia NVIDIA GeForce RTX 2060 (1920SP 30C 1.36GHz/1.68GHz, 3MB L2, 6GB 13.6GHz 192-bit)

OpenCL : nVidia NVIDIA GeForce RTX 2060 (1920SP 30C 1.36GHz/1.68GHz, 3MB L2, 6GB 13.6GHz 192-bit)

D3D 11 : NVIDIA GeForce RTX 2060 (1920SP 30C 1.36GHz/1.68GHz, 3MB L2, 5.9GB 13.6GHz 192-bit)

OpenGL : NVIDIA GeForce RTX 2060/PCIe/SSE2 (1920SP 30C 1.36GHz/1.68GHz, 3MB L2, 6GB 13.6GHz 192-bit)

Physische Speichergeräte

HGST HITACHI HUA723030ALA640 (3TB, SATA600, 3.5", 7200rpm) : 3TB

INNOVATION IT (512.1GB, SATA600, 2.5", SSD) : 477GB

Samsung SSD 980 1TB (1TB, PCIe3x4/NVMe, SED) : 932GB

DRW-24D5MT (SATA150, DVD+-RW, CD-RW)

Logischer Speichergeräte

x : 3TB (NTFS, 4kB) @ HGST HITACHI HUA723030ALA640 (3TB, SATA600, 3.5", 7200rpm)

x : 1GB (NTFS, 4kB) @ INNOVATION¡¤IT (512.1GB, SATA600, 2.5", SSD)

x : 996MB (FAT32, 4kB) @ INNOVATION¡¤IT (512.1GB, SATA600, 2.5", SSD)

x : 544MB (NTFS, 4kB) @ Samsung SSD 980 1TB (1TB, PCIe3x4/NVMe, SED)

x : 930GB (NTFS, 4kB) @ Samsung SSD 980 1TB (1TB, PCIe3x4/NVMe, SED)

x : 696MB (NTFS, 4kB) @ Samsung SSD 980 1TB (1TB, PCIe3x4/NVMe, SED)

x: 96MB (FAT32, 1kB) @ Samsung SSD 980 1TB (1TB, PCIe3x4/NVMe, SED)

x : k.A.

CD-ROM/DVD (D:) : k.A. @ DRW-24D5MT (SATA150, DVD+-RW, CD-RW)

Betriebssystem

Windowssystem : Microsoft Windows 11 PRO

Die Erzeugung von Bildern mit künstlicher Intelligenz (KI) hat in den letzten Jahren erhebliche Fortschritte gemacht, insbesondere durch den Einsatz von Generative Adversarial Networks (GANs) und anderen Deep Learning-Techniken. Die lokale Erzeugung dieser Bilder – also die Nutzung der KI-Modelle auf einem eigenen Gerät oder Server statt in der Cloud – bietet eine Reihe von Vorteilen:

Datenschutz: Wenn Bilder lokal generiert werden, bleiben die Daten auf dem eigenen Gerät und werden nicht an externe Server oder Dienstleister übertragen. Dies minimiert das Risiko von Datenlecks und -missbrauch.

Verfügbarkeit: Eine lokale KI-Instanz funktioniert auch ohne Internetverbindung. Dies bedeutet, dass die Bildgenerierung auch in Gebieten oder Situationen mit schlechter oder gar keiner Netzverbindung möglich ist.

Kosten: Cloud-Services können, je nach Nutzung, teuer sein. Eine lokale Lösung kann langfristig kosteneffizienter sein, primär, wenn ein hohes Volumen an Bildern erzeugt werden muss.

Flexibilität und Anpassung: Lokale Lösungen ermöglichen eine tiefere Anpassung und Optimierung der Modelle für spezifische Anforderungen. Sie haben die volle Kontrolle über das Modell, die Daten und den Generierungsprozess. Auch kann eine KI lokal weiter trainiert werden, auf die eigene Bedürfnisse abgestimmt.

Datensicherheit: Bei der lokalen Bildgenerierung gibt es weniger Angriffsvektoren. Cloud-Server könnten ein Ziel für Hacker sein, die versuchen, auf wertvolle Daten oder Modelle zuzugreifen.

Unabhängigkeit: Du bist nicht von den Geschäftsbedingungen, Preiserhöhungen oder technischen Entscheidungen eines externen Cloud-Anbieters abhängig.

Es ist wichtig zu betonen, dass die lokale Generierung von Bildern mit KI nicht für alle Szenarien und Nutzer geeignet ist. Cloud-Lösungen bieten oft Vorteile in Bezug auf Skalierbarkeit, Wartung und Zugang zu State-of-the-Art-Technologie. Es ist daher wichtig, den spezifischen Anwendungsfall, die Anforderungen und die verfügbaren Ressourcen zu berücksichtigen, um die beste Entscheidung zu treffen.

Aber genug SEO Gelabere, Eure Bilder bitteschön, gerne auch mit euren Prompts werden hier gerne gesehen. Und dabei ist das egal wenn es über Bing generiert wird oder lokal, solange das Copyright zum Anzeigen in diesem Forum gewährleistet ist.

Ich fang mal an.

Lokal erzeugt, Stable Diffusion, XL-Refiner

Prompt: A squirrel seen from the side and nibbling on an acorn. comic style ( Eichhörnchen von der Seite, knabert an einer Eichel. Comicstyle )

Quality: 512*512 - 20 Iterationen ( low )

Dauer des Bildes ist vielleicht auch interessant...

Dauer: 20/20 [02:42<00:00, 7.79s/it]

Kritik an der KI ausdrücklich erwünscht. Denn ich sehe neben der Eichel noch etwas anderes. Hält der in der Hand noch ne Erdbeere und ´n Würstchen? Ausserdem... worauf steht der mit seinen Füssen? Sieht aus wie ein Darm oder Kakke. Ok das könnte man ja anpassen, indem man ihm sagt: Im Wald oder so. Naja als Mensch vermutet man vielleicht das ein Eichhörnchen im Wald ist und nicht auf Scheisse steht..

Nur mal ein paar Gedanken dazu.

ahh und nochwas.. also das sind so Kleinigkeiten.

Der erstellt dir den besten Text ever, und das in der Sie Form und mit nem Stock im Arsch.

Nachdem der das ausgespuckt hat, sagt einfach:

Schreibe mir das um in der DU Form und etwas lockerer.

Datt macht der.

Gut, wenn man genug Crawl Budget hat catcat

So wie ich Synonym kenne, wird er das in der Search Console gemeldet haben. Danach macht er sich einen Kaffee und guckt in Putty die Logs durch, wann er da war. Dann macht er die Abfrage und drückt alle halbe Stunde auf F5 bei Google... Jaja.. der Syno

Ja.

Noch ein wichtiger prompt:

Schreibe weiter...

Das wichtigste haben wir wohl vergessen, obwohl schon erwähnt:

1. Erstelle mir zum Thema x Überschriften.
2. Erstelle aus den Überschriften einen Artikel in HTML code

das ist er mal als native.

Aktuell teste ich das ein wenig, da noch so einiges optimiert. Es kommen mehr Fragen auf... und erstmal bin ich raus für heute. Das sind soviele Kleinigkeiten, aber ich raffs leider noch nicht.

Übrigens klappt bei mir auch über 1024*1024. Auch das Upscaling funktioniert und da gibt es auch noch soviel zu lernen, denn das kann durch mehrere Filter durch.

Je mehr ich damit Experimentiere, desto mehr Fragen kommen auf. Ich frage mal Syno nach einem Transcript ( gekürzt ).

Irgendein Bild habe ich genommen und jemanden als Alien transformiert. Ich bins nicht

ok. Syno hat mal wie immer Recht. Iteration ist nun in unter 2 Sekunden durch. Damit das nicht nur bei Whatsapp steht, das ist das neue Starterscript:

@echo off

set PYTHON=
set GIT=
set VENV_DIR=
set COMMANDLINE_ARGS=--lowvram --autolaunch --xformers

call webui.bat

untergegangen. Sorry Syno

Grafikkarte : NVIDIA GeForce RTX 2060 (30CU 1920SP SM6.4 1.36GHz/1.68GHz, 3MB L2, 5.9GB 13.6GHz 192-bit, PCIe 3.0 x16)

Sei klar und genau: Anstatt zu fragen "Sag mir was über Katzen", könntest du fragen "Vergleich mal Hauskatzen mit Wildkatzen für mich."

Stell offene Fragen: Versuche, Fragen zu stellen, die man nicht einfach mit 'Ja' oder 'Nein' beantworten kann. Zum Beispiel: "Wie beeinflusst das Klima den Weinanbau in verschiedenen Regionen?"

Probier verschiedene Formulierungen aus: Kriegst du nicht die Antwort, die du willst? Dann dreh die Frage ein bisschen um oder schau sie dir aus einem anderen Winkel an.

Gib ein bisschen mehr Infos: Wenn du was Genaueres wissen willst, gib ein paar Hintergrundinfos. Zum Beispiel: "Angesichts der aktuellen Wirtschaft, wie beeinflusst Inflation den Immobilienmarkt?"

Frag nach Schritt-für-Schritt-Anleitungen: Willst du wissen, wie man was macht? Dann sag: "Zeig mir Schritt für Schritt, wie ich einen Computer zusammenbaue."

Frag nach Quellen: Obwohl ich nicht aktuell im Netz suchen kann, weiß ich 'ne Menge aus meinen Trainingsdaten. Du kannst also fragen: "Welche Studien oder Quellen unterstützen das?"

Frag nach Pro und Kontra: Wie wäre es mit: "Was sind die Vor- und Nachteile von Solarenergie?"

Geh in die Tiefe: Hast du eine Antwort, dann bohr ruhig weiter nach und frag nach Details.

Grenze den Antwortbereich ein: Willst du's kurz und knackig, dann sag das! Zum Beispiel: "Erklär mir in drei Sätzen, wie ein Schmetterling lebt."

Gib Feedback: War meine Antwort nicht so toll? Sag's mir einfach und frage anders. Zum Beispiel: "Das war nicht, was ich meinte. Kannst du …"

1. Grundlagen der Künstlichen Intelligenz

Die Künstliche Intelligenz (KI) ist eine Disziplin innerhalb der Informatik, die sich mit der Schaffung von Systemen beschäftigt, die menschenähnliche kognitive Funktionen wie Lernen, Wahrnehmen und Problemlösen nachahmen können. Seit ihrem Aufkommen in den 1950er Jahren hat die KI eine rasante Entwicklung erlebt und ist heute integraler Bestandteil vieler Technologien.

2. Typen von KI: Von schwach bis stark

Während "schwache" KI für spezifische Aufgaben entwickelt wird, wie z.B. Spracherkennungssoftware, zielt "starke" KI darauf ab, allgemeine kognitive Fähigkeiten des Menschen zu simulieren. Allerdings bleibt echte "starke" KI ein Ziel für die Zukunft.

3. Neuronale Netzwerke und Deep Learning

Das Herzstück vieler moderner KI-Anwendungen, neuronale Netzwerke sind Systeme, die menschliche Gehirnstrukturen nachahmen. Deep Learning, eine Unterdisziplin, verwendet tief gestaffelte Netzwerke zur Datenanalyse und hat in Bereichen wie Bilderkennung erhebliche Fortschritte erzielt.

4. KI in der Wirtschaft

Unternehmen nutzen KI, um Betriebsabläufe zu optimieren, Kundenservice zu verbessern und innovative Produkte zu schaffen. Vom algorithmischen Handel bis zum personalisierten Marketing, KI transformiert Wirtschaftssektoren.

5. Robotik und Autonome Systeme

Die Kombination von Robotik mit KI führt zu autonomen Systemen, die eigenständig agieren können. Autonome Fahrzeuge und Drohnen sind prominente Beispiele für diese Technologie in Aktion.

6. Ethik und Künstliche Intelligenz

Mit dem Aufstieg der KI ergeben sich ethische Herausforderungen. Fragen der Gerechtigkeit, Transparenz und Sicherheit, besonders im Hinblick auf automatisierte Entscheidungsfindung, stehen im Mittelpunkt aktueller Debatten.

7. Mensch-Maschine-Interaktion

Moderne KI-Systeme können mit Menschen in natürlichen Sprachen kommunizieren, sie in Bildern erkennen und sogar Emotionen interpretieren. Dies verbessert die Interaktionsqualität zwischen Mensch und Maschine erheblich.

8. Gesundheitswesen und KI

Von der Diagnose bis zur Behandlung spielt KI eine entscheidende Rolle im Gesundheitssektor. Sie bietet Möglichkeiten für präzisere Diagnosen und personalisierte Behandlungspläne.

9. KI in der Kunst und Kreativität

Künstler nutzen KI-Tools, um beeindruckende Kunstwerke zu schaffen. Egal, ob in der Musikkomposition oder der visuellen Kunst - KI öffnet neue kreative Horizonte.

10. Zukunft der Künstlichen Intelligenz

Die Zukunft der KI ist sowohl spannend als auch ungewiss. Während sie das Potenzial hat, viele Bereiche unseres Lebens zu revolutionieren, gibt es auch berechtigte Bedenken hinsichtlich Sicherheit, Ethik und der Auswirkungen auf den Arbeitsmarkt.

Mechanische Rechenmaschinen (17. - 19. Jahrhundert)

1642: Blaise Pascal entwickelt die "Pascaline", eine der ersten mechanischen Rechenmaschinen.

1670er: Gottfried Wilhelm Leibniz perfektioniert die Stepped Reckoner, eine Rechenmaschine, die sowohl Multiplikation als auch Division durchführen kann.

Analytical Engine (19. Jahrhundert)

1830er: Charles Babbage konzipiert die "Analytical Engine", einen mechanischen, general-purpose Computer. Ada Lovelace schreibt Anmerkungen dazu und wird oft als die erste Programmiererin betrachtet.

Elektromechanische Computer (20. Jahrhundert)

1930er: Konrad Zuse entwickelt in Deutschland den Z1, den ersten programmierbaren Computer.

Elektronische Röhrencomputer (1940er)

1941: Konrad Zuse präsentiert den Z3, den ersten vollautomatischen, programmierbaren Computer.

1943-1945: Colossus, der erste elektronische, programmierbare Computer, wird in Großbritannien für den Zweck der Codeentschlüsselung entwickelt.

1945: ENIAC, der erste allgemein bekannte elektronische Computer, wird in den USA entwickelt.

Transistor und Integrierte Schaltung (1950er - 1960er)

1956: Erster kommerzieller Computer mit Transistoren, der IBM 305 RAMAC, wird eingeführt.

1958: Jack Kilby entwickelt die erste integrierte Schaltung.

Mikroprozessoren und Taschenrechner (1970er)

1971: Intel bringt den ersten Mikroprozessor, den 4004, heraus.

1972: Der erste wissenschaftliche Taschenrechner, der HP-35, wird von Hewlett-Packard eingeführt.

Personal Computer (Ende der 1970er - 1980er)

1977: Apple II, einer der ersten kommerziell erfolgreichen Personal Computer, wird veröffentlicht.

1981: IBM führt den IBM PC ein.

Graphische Benutzeroberflächen und das Internet (1980er - 1990er)

1983: Apple Lisa, der erste PC mit einer graphischen Benutzeroberfläche, wird veröffentlicht.

1991: Das World Wide Web geht live.

Mobile Geräte und Smartphones (2000er - 2010er)

2007: Apple stellt das iPhone vor, das den Smartphone-Markt revolutioniert.

Cloud Computing und Big Data (2010er)

Große Datenmengen werden online gespeichert und verarbeitet, wodurch fortschrittliche Analysemethoden und maschinelles Lernen ermöglicht werden.

Künstliche Intelligenz (2010er - heute)

Entwicklung von fortschrittlichen Algorithmen und Deep Learning-Methoden, die es Maschinen ermöglichen, komplexe Aufgaben wie Bild- und Spracherkennung durchzuführen.

Moin ihr Lieben,

es freut mich außerordentlich, heute die Neueröffnung unseres KI Forums bekanntzugeben! Dieser digitale Raum wurde geschaffen, um Wissen, Ideen und Visionen rund um das Thema Künstliche Intelligenz (KI) zu teilen und zu diskutieren auch im Hinblick zum Wandel von Suchmaschinenoptimierung.

Die rasante Entwicklung und Integration von KI in unseren Alltag macht es notwendig, einen Ort zu haben, an dem Experten, Neulinge, Skeptiker und Unterstützer gleichermaßen zusammenkommen können. Unser Forum bietet eine Plattform für den Austausch und das Teilen von Erfahrungen aus der Praxis. ( zB Prompts )

Ich schiebe nun einige Themen in das neue Forum.

Da solltest mal was machen.....

Ahh Ok. Stimmt, du kannst Signaturen und anderes ausschliessen. Eventuell war das im Promt auch so, das etwas dazu beigetragen hat, das er eine fiktive Signatur eingefügt hatte.