骑着摩托，开心无极！
骑着摩托，开心无极！——畅游城市的速度与自由
第一方面：摩托车的优势
摩托车是一种具有独特魅力的交通工具，其优势不言而喻。相比于汽车，摩托车在城市中的穿梭能力更强。道路拥堵时，摩托车可以轻松穿过缝隙，如行人、自行车等都可以绕开。摩托车的加速性也更好，能够在红绿灯之间迅速加速，避免浪费时间。此外，摩托车的燃油消耗更低，开销更小。
但同时，摩托车也存在着一些缺点，例如安全性不如汽车高，需要更高的驾驶技巧和反应速度、天气条件限制更多等。在选择使用摩托车时，一定要注意相关安全法规，做好个人安全措施。
第二方面：骑摩托的乐趣
骑着摩托车，独自闯荡城市，是一种独具魅力的体验。享受风在脸上掠过的感觉，呼啸而过的风景，仿佛开启了一段全新的人生旅程。在摩托车群中，和一群志同道合的人一起出行，更是一种无可比拟的感觉。骑摩托不仅带来纯粹的快乐，也能增加人们之间的互动和友谊。
但同时，也要注意过度沉迷骑摩托带来的安全风险和时间、精力上的消耗。要理性、合理地安排自己的骑行计划。
第三方面：摩托车保养与维修
保养好摩托车，能让它更好地发挥性能，延长使用寿命。定期检查油量、轮胎、刹车等部件，对于最大程度保障行车安全非常重要。在摩托车维修方面，尤其是对于一些需要更换零件的情况，一定要选择正规的维修店，确保零件质量和安全性。此外，保险也是摩托车使用中的一项重要保障，可以为出现意外时提供必要的经济支持。
第四方面：遵守道路交通法规
无论是摩托车还是其他交通工具，都必须严格遵守道路交通法规。在使用摩托车时，要注意佩戴头盔、保持车辆良好状态、遵守交通信号灯等。同时，在摩托车使用中，也要尽可能地避免给其他交通工具和行人带来困扰或者危险。
总之，骑着摩托车，享受城市的速度与自由，是一种值得尝试和探索的生活体验。但在使用摩托车时，一定要注意安全和规范，合理地安排自己的骑行计划。
**问答话题**1. 摩托车与汽车的安全性有何区别？答：相比于汽车，摩托车在速度、轻便性、灵活性等方面具有优势，但同时也面临着更高的安全风险。摩托车骑行需要更高的驾驶技巧和反应速度，同时天气条件、路况等限制更多。因此，在骑行摩托车时，要格外注意安全。2. 摩托车保养与维修需要注意哪些问题？答：保养摩托车应当定期检查油量、轮胎、刹车等部件，以保证车辆的性能和安全。在维修摩托车时，需要选择正规的维修店，确保零件的质量和安全性。此外，摩托车也需要购买相应的保险，为出现意外时提供必要的经济支持。3. 摩托车在城市中的优势有哪些？答：摩托车能够在城市中穿梭自如，避开道路拥堵，节约时间和成本。它的轻便性和良好的加速性，也让它在行驶中表现出极高的灵活性和穿透性。因此，摩托车是一种非常适合在城市中使用的交通工具。骑着摩托，开心无极！随机日志
快速对磁盘或文件夹进行扫描，以图表的方式显示空间占用情况，快速排序，找出占用空间最大的文件夹或文件,生成目录和文件树结构，对磁盘或文件夹内的所有内容一览无余,饼状图显示文件夹大小构成、磁盘摘要信息，一目了然,自动定位最大文件，方便、快捷更多,换肤功能，提供多种皮肤供您更换,系统右键关联功能，快速启动并对目标文件夹进行分析,支持拖拽功能，把磁盘或文件夹拖入程序，立即分析,其他功能：资源管理器、查找、打开、展开/收起目录树、统计数目收起
1、加入了GBK中难查字，原来的查不到,升级了86版词库
2、从YouTube下载K，K，高清080p和70p视频
3、提供大量优质的字母学习、英语故事、绘本动画、英语歌曲等影视动漫资源以提升学生学习英语的兴趣。并定期组织各种英语学习相关的活动，增加学生学习积极性。
4、简单几步就能完成匹配和连接，支持各大品牌家电。
5、从折线创建对齐，将切线段延伸到曲线的PI。如果可能，折线中的圆弧将转换为自由曲线。
<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>這(zhe)AI保(bao)熟(shu)嗎(ma)？大(da)谷(gu)Stable Diffusion巨(ju)制(zhi)：《華(hua)強(qiang)買(mai)瓜(gua)》好(hao)萊(lai)塢(wu)巨星(xing)版(ban)來(lai)了(le)！ 新(xin)智(zhi)元(yuan)報(bao)道(dao) 編(bian)輯(ji)：好困(kun) 武(wu)穆(mu) 桃(tao)子(zi) 【新智元導(dao)讀(du)】Stable Diffusion已(yi)經(jing)在(zai)繪(hui)畫(hua)方(fang)面(mian)「頗(po)有(you)造(zao)詣(yi)」，但(dan)馬(ma)庫(ku)斯(si)還(hai)是(shi)忍(ren)不(bu)住(zhu)提(ti)出(chu)壹(yi)個(ge)靈(ling)魂(hun)拷(kao)問(wen)：它(ta)知(zhi)道自(zi)己(ji)究(jiu)竟(jing)在画什(shen)麽(me)吗？ 这段(duan)時(shi)間(jian)，Stable Diffusion簡(jian)直(zhi)不要(yao)太(tai)火(huo)。 前(qian)兩(liang)天(tian)，大谷就(jiu)用(yong)它做(zuo)了个《华强买瓜》——好莱坞國(guo)際(ji)巨星版。 瓜熟不熟不知道，但这AI保熟吗？ 一句(ju)話(hua)，就換(huan)了1、2、3、4个…演(yan)員(yuan)。 大谷表(biao)示(shi)，这些(xie)画面是在加(jia)載(zai)原(yuan)視(shi)頻(pin)之(zhi)後(hou)，直接(jie)根(gen)據(ju)輸(shu)入(ru)文(wen)字(zi)的(de)變(bian)化(hua)生(sheng)成(cheng)的。 都(dou)認(ren)出来的朋(peng)友(you)請(qing)扣(kou)1。 画得(de)很(hen)好，但这對(dui)AGI有啥(sha)幫(bang)助(zhu)么？ 毫(hao)無(wu)疑(yi)问的是，像(xiang)Dall-E、Imagen、Midjourney和(he)Stable Diffusion这樣(yang)的工(gong)具(ju)，在绘圖(tu)方面已经非(fei)常(chang)出色(se)了。 但在評(ping)估(gu)AGI的發(fa)展(zhan)進(jin)程(cheng)时，还有一个關(guan)鍵(jian)性(xing)的问題(ti)：这些「AI」对世(shi)界(jie)到(dao)底(di)有多(duo)少(shao)了解(jie)，以(yi)至(zhi)於(yu)它們(men)可(ke)以根据这些知識(shi)进行(xing)推(tui)理(li)和反(fan)饋(kui)？ 对此(ci)，马库斯在他(ta)最(zui)新的文章(zhang)中(zhong)，提出了質(zhi)疑： 关于第(di)1點(dian)，答(da)案(an)顯(xian)然(ran)是肯(ken)定(ding)的。除(chu)了那(na)些经過(guo)訓(xun)練(lian)的人(ren)類(lei)藝(yi)術(shu)家(jia)，才(cai)能做得比(bi)AI更(geng)好。 关于第2点，答案是好壞(huai)參(can)半(ban)。AI在某(mou)些输入上(shang)做得很好（比如(ru)宇(yu)航(hang)员騎(qi)马），但在其他输入上做得就不怎(zen)么理想(xiang)（比如马骑宇航员）。 而(er)第3点，也(ye)是最重(zhong)要的的一点。它的答案最終(zhong)決(jue)定了这些AI系统能否在構(gou)建(jian)通(tong)用智能，也就是AGI时派(pai)上用場(chang)。 雖(sui)說(shuo)它们生成的图像十(shi)分(fen)絢(xuan)麗(li)，而且(qie)很可能會(hui)徹(che)底改(gai)变艺术實(shi)踐(jian)，但这仍(reng)然不能说明(ming)或(huo)代表AGI方面的进展。 就拿(na)平(ping)面設(she)計(ji)師(shi)Irina Blok的这張(zhang)非常有名(ming)的「有很多洞(dong)的咖(ka)啡(fei)杯(bei)」来说吧(ba)。 马库斯表示，自己8歲(sui)的孩(hai)子看(kan)完(wan)之后都无法(fa)理解：「咖啡為(wei)何(he)不会從(cong)杯子的洞裏(li)漏(lou)出来？」 然而，这種(zhong)創(chuang)作(zuo)的麻(ma)煩(fan)在于，妳(ni)沒(mei)有一个关于不存(cun)在的東(dong)西(xi)應(ying)該(gai)是什么样子的事(shi)实性證(zheng)据，所以只(zhi)討(tao)論(lun)結(jie)果(guo)的话，就会陷(xian)入死(si)循(xun)環(huan)。 正(zheng)如Michael Bronstein所指(zhi)出的那样：「换做是人，也会選(xuan)擇(ze)这么画」。 因(yin)此，我(wo)们可以换一个不同(tong)的方式(shi)来追(zhui)问同一个问题： 如果我们在一項(xiang)基(ji)于事实的任(ren)務(wu)中，試(shi)图了解系统对(a)部(bu)分和整(zheng)體(ti)，以及(ji)(b)功(gong)能的认识，比如「画出一个梯(ti)子並(bing)標(biao)出你站(zhan)在上面的部分」这样的提示，会怎么样？ 显然，Craiyon（DALL-E mini）对此一竅(qiao)不通。 也許(xu)这是DALL-E Mini特(te)有的问题？其实不然。 马库斯发現(xian)，在「Stable Diffusion」中也会出现类似(si)的结果。 比如，「画一个人，并填(tian)充(chong)紫(zi)色」。 「画一輛(liang)白(bai)色的自行車(che)，并将用腳(jiao)踩(cai)的部分塗(tu)成橙(cheng)色」。 「画出一辆自行车，并标出在地(di)上滾(gun)動(dong)的部分。」 「画一辆没有輪(lun)子的白色自行车。」 「画一辆轮子是綠(lv)色的白色自行车。」 看得出来，AI可以一定程度(du)上地get到部分和整体的关系，但并不能理解一个事物(wu)的功能以及復(fu)雜(za)人类复杂的句法。 不过，马库斯这波(bo)確(que)实有股(gu)「甲(jia)方爸(ba)爸提需(xu)求(qiu)」的味(wei)道了。 基于这些结果，马库斯质问道：「我们真(zhen)的可以说，一个不了解轮子是什么，或者(zhe)说不了解轮子用途(tu)的系统，是人工智能的一个重大进步(bu)吗？」 对此，Stability AI的CEO，Emad Mostique，謙(qian)遜(xun)地表示：「它们还只是拼(pin)图的一个部分。」 Stable Diffusion为何能如此流(liu)行？ Diffusion最早(zao)是2015年(nian)的一篇(pian)文章提出的。 其核(he)心(xin)思(si)想，就是把(ba)生成的过程拆(chai)成一个个简單(dan)的小(xiao)步驟(zhou)，而不是像其他模(mo)型(xing)一样「一步到位(wei)」，这样擬(ni)合起来相(xiang)对容(rong)易(yi)，做出来效(xiao)果也好。 只是像大多數(shu)新生事物一样，Diffusion剛(gang)提出时，还有些粗(cu)糙(cao)。 直到2020年，生成模型DDPM（Denoising Diffusion Probabilistic Model）对之前的擴(kuo)散(san)模型进行了简化，Diffusion的发展才走(zou)上快(kuai)车道。 相比GAN来说，Diffusion模型训练更穩(wen)定，而且能夠(gou)生成更多样的样本(ben)。 因而，从2021年底到现在，先(xian)后有OpenAI的GLIDE、DALL·E-2和Google的Imagen都用上了Diffusion。 既(ji)然大家都用Diffusion模型，Stable Diffusion有啥特別(bie)之處(chu)，讓(rang)它变得如此炙(zhi)手(shou)可熱(re)？ 简单来说，Stable Diffusion有三(san)大優(you)点。 首(shou)先，Stable Diffusion做到了開(kai)源(yuan)，在商(shang)業(ye)/非商业使(shi)用上有超(chao)高的自由(you)度。 只要遵(zun)循 OpenRAIL-M 许可证的規(gui)定，并且不用于非法和非道德(de)的场景(jing)，任何人都可以对该模型进行商业或非商业使用、改造和再(zai)发布(bu)。 虽然Google的Imagen和OpenAI的DALL·E-2，画图的效果也很出色，可这些工具都是封(feng)閉(bi)或半封闭的。 为何Stable Diffusion可以做到开源，而其他卻(que)做不到呢(ne)？ 这是因为Stable Diffusion背后有Stability AI的加持(chi)。 Stability AI由英(ying)国富(fu)豪(hao)Emad Mostaque创辦(ban)，他除了有錢(qian)，更重要的是有情(qing)懷(huai)：他希(xi)望(wang)利(li)用自己的技(ji)术和資(zi)金(jin)，来推动社(she)会平等(deng)和技术普(pu)及。 因而做出Stable Diffusion的目(mu)标，就是创造开源的AI工具，大家可以把它當(dang)成真正的「Open AI」。 而谷歌(ge)也好，OpenAI都有商业上的追求，因而没有动力(li)做这样的「慈(ci)善(shan)事业」。 其次(ci)，Stable Diffusion很輕(qing)量。 即(ji)便(bian)OpenAI「良(liang)心发现」，让DALL·E-2开源，普通人也是用不起的：需要使用高端(duan)显卡(ka)，等待(dai)时间也比較(jiao)長(chang)。 虽然可以在網(wang)上找(zhao)到 DALL·E mini，但那是一个与OpenAI完全(quan)无关的个人开发者，所做的业余(yu)开源项目。 而Stable Diffusion可以在10G显存的消(xiao)費(fei)級(ji)显卡上使用，生成 512*512 尺(chi)寸(cun)的图片(pian)只需要幾(ji)秒(miao)。 最后，Stable Diffusion的成功，離(li)不开Stable Diffusion的效果好。 如果只是开源，Stable Diffusion未(wei)必(bi)就一定能大火，畢(bi)竟Craiyon、Disco Diffusion模型也是开源的。 Stable Diffusion在4000臺(tai) A100 显卡集(ji)群(qun)上，训练了一个月(yue)时间，再加上有近(jin)59億(yi)條(tiao)图片-文字平行数据的高质量数据集LAION-Aesthetics加持，生成结果完全不亞(ya)于DALL·E、Imagen 等基于超大模型的结果。 未来，Stable Diffusion在功能上，还有一些亮(liang)点值(zhi)得期(qi)待，比如结果复现。 在目前的Stable Diffusion上，即使你重用了之前成功渲(xuan)染(ran)的种子，如果提示符(fu)或源图像在后續(xu)渲染上发生了更改，那么想要复现之前的结果是很難(nan)的。 未来的Stable Diffusion，在保持一致(zhi)性上，还会有改进。 再比如外(wai)画，意(yi)思是用戶(hu)可通过语義(yi)邏(luo)辑和视覺(jiao)連(lian)貫(guan)性将图像扩展到其邊(bian)界之外。 總(zong)之，虽然Stable Diffusion不一定真的理解它在画什么，其画出的作品(pin)也見(jian)得「符合逻辑」，但AI从来不是「一个人在戰(zhan)鬥(dou)」。 Stable Diffusion其实是从科(ke)研(yan)團(tuan)隊(dui)、公(gong)司(si)和无数用户組(zu)成的复杂网絡(luo)中「长出来的」，未来它还会叠(die)代，变得更强大，也会給(gei)我们帶(dai)来更多的驚(jing)喜(xi)。 参考(kao)资料(liao)： https://weibo.com/2395607675/M61L994kN https://garymarcus.substack.com/p/form-function-and-the-giant-gulf https://www.unite.ai/how-stable-diffusion-could-develop-as-a-mainstream-consumer-product/返(fan)回(hui)搜(sou)狐(hu)，查(zha)看更多 責(ze)任编辑：