?
?目录
二、腾讯云HAI一键部署并使用StableDiffusion生成图片
三、腾讯云HAI一键部署并使用ChatGLM2-6B生成文案及协助代码开发
4、启动 高性能应用服务HAI 配置的 ChatGLM2-6B WebUI 进行简单的对话
1、选择云开发编辑器Cloud Stuio，详细使用教程可以看博主另一篇文章
随着ChatGPT和Stable Diffusion等大模型爆火以来，生成式AI备受瞩目。在数字媒体、游戏、动画、电影、广告、社交、短视频、软件开发等领域，我们都可以看到AIGC的身影。AI浪潮的席卷，各行各业都积极借助AIGC的能力对其进行赋能，提升生产效率。
当然了，AIGC拥有这么多的能力，那么我们才能独立部署体验呢？首先我们需要部署这些这些大模型，大模型处理的数据量巨大无比，整个处理过程可以分为训练（train）、微调（fine-tune）和推理(inference)。从算力消耗上来说，是训练>微调>推理，训练要比推理的算力消耗高至少3个数量级以上，训练和微调大型语言模型对于硬件资源的要求非常高，对于只是短期使用，自己购买硬件资源价格昂贵显然是不划算的。
最近腾讯云推出了一款“高性能应用服务HAI”，它基于腾讯云GPU云服务器底层算力，提供即插即用的高性能云服务。以应用为中心，匹配GPU云算力资源，助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用，部署起来非常省心！！！博主这次也是亲自体验了一番，从0到1使用腾讯云高性能应用服务 HAI ，部署了StableDiffusion和ChatGLM2-6B 模型来辅助我开发【看图识成语】益智游戏，游戏的UI和素材基于StableDiffusion画图生成，游戏需要的成语及其释义基于 ChatGLM2-6B 生成，部分代码也基于AI生成，工作效率提升很多，不到一天时间就完成了全部开发，这里也给大家先看看博主开发的作品成果：
那么这次应用开发的亲身体验下来，博主还用到了腾讯云编辑器Cloud Studio云来做开发，HAI和Cloud Studio有何优势和便捷之处，以及我是如何来进行【看图识成语】益智游戏开发的呢，且听博主接下来为你娓娓道来~~~
腾讯云高性能应用服务 HAI 是为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HAI 中，根据应用智能匹配并推选出最适合的GPU算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比。
基于腾讯云GPU云服务器底层算力，提供即插即用的高性能云服务。
大幅降低GPU云服务器使用门槛，多角度优化产品使用体验，开箱即用
腾讯云HAI功能如此强大，开箱即可上手， 接着博主就手把手教大家怎么快速搭建并使用AI模型 StableDiffusion和ChatGLM2-6B~~
(1) 点击链接进入 高性能应用服务 HAI 申请体验资格
（2）等待审核通过后，进入 高性能应用服务 HAI
(3) 点击前往体验HAI，登录 高性能应用服务 HAI 控制台
（4）点击 新建 选择 AI模型，参照下图进行配置
（5） 等待创建完成
（6）创建完成，查看相关状态
（7） 查看详细的配置信息
2、StableDiffusion模型搭建和文生图应用
（1）进入 StableDiffusionWebUI ，以下可选择两种方式进入
?编辑
或者从服务器详情页进入
（2）StableDiffusionWebUI操作界面简介
参数名 | 描述 | 值 |
|---|---|---|
提示词 | 主要描述图像，包括内容风格等信息，原始的webui会对这个地方有字数的限制，可以安装一些插件突破字数的限制 | a pretty cat,cyberpunk art，kerem beyit，very cute robot zen,Playful,Independent，beeple |
反向提示词 | 为了提供给模型，我们不需要的风格 | (deformed，distorted，disfigured:1.0)，poorly drawn，bad anatomy，wrong anatomy，extra limb，missing limb，floating limbs，(mutated hands and fingers:1.5)，disconnected limbs，mutation，mutated，ugly，disgusting，blurry，amputation，flowers，human，man，woman |
提示词相关性（CFG scale） | 分类器自由引导尺度——图像与提示符的一致程度——越低的值产生的结果越有创意，数值越大成图越贴近描述文本。一般设置为7 | 7 |
采样方法（Sampling method） | 采样模式，即扩散算法的去噪声采样模式会影响其效果，不同的采样模式的结果会有很大差异，一般是默认选择euler，具体效果我也在逐步尝试中。 | Euler a |
采样迭代步数（Sampling steps） | 在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代，AI就有更多的机会去比对prompt和当前结果，并作出相应的调整。需要注意的是，更高的迭代步数会消耗更多的计算时间和成本，但并不意味着一定会得到更好的结果。然而，如果迭代步数过少，一般不少于50，则图像质量肯定会下降 | 80 |
随机种子（Seed） | 随机数种子，生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可 | 1791574510 |
到这一步，我们的StableDiffusion模型就部署完成了(默认界面是英文版的，有兴趣的同学可以下载汉化插件，把界面汉化一下)，接下来就可以在StableDiffusionWebUI界面来生成我们游戏开发所需要的素材了~
前期做设计的时候定义了10个成语的关卡，所以这个我们需要借助StableDiffusion模型来生成这个10个成语相关的图：
Stable Diffusion是一种强大的画像生成AI，它可以根据你输入的文字描述（prompt）来绘制出想象中的画面。但是，写出一个好的prompt并不容易，我们通常可以从提出一系列问题作为开始去整理出我们需要的prompt,当然了，这也不是一个固定的模式，但是当你开始自己的创作之前，你可以自己多尝试，尝试不同的提词，尝试越多你就会写得越来越好！
提示词：
提示词（
prompt）由多个词缀构成。提示词分为正向提示词（
positive prompt）和反向提示词（negative prompt），用来告诉AI哪些需要，哪些不需要。大概语法组成：
综述（图像质量+画风+镜头效果+光照效果+主题+构图）
主体（人物&对象+姿势+服装+道具）
细节（场景+环境+饰品+特征）
这里是我尝试描述"对牛弹琴"成语的生成几个示例及参数配置，感觉能符合大致需求，要是一次生成不准确的可以多生成几张，择优选择即可：
因为我选择的图片尺寸比较小，HAI提供的服务器性能也还可以，不到一会我就生成了游戏需要的全部成语图片素材，择优选取了最终的10张图片~
除此之外，我还生成了游戏的UI素材和背景图，好了，到目前为止,游戏的图片素材已经全部完成 ,接下来就是开始制作了成语释义素材和代码开发 了…
温馨提示：如果没有进阶型的算力方案（2.41元/小时），建议您购买基础型的算力方案（0.88元/小时），并在创建成功后参考实验过程中关闭 、重新开启 webui 功能的命令，以提高服务器的性能。
4、启动 高性能应用服务HAI 配置的 ChatGLM2-6B WebUI 进行简单的对话
（1） 选择 chatglm2_gradio 进入 WebUI 页面
（2）到这一步ChatGLM2-6B模型就部署完成了，可以直接体验与 ChatGLM2-6B 简单的对话，这里我直接让它帮我生成一个vue3项目，如下所示：
（3）批量生成成语释义
到这里我们游戏的文案素材也已经生成完成~~~
https://blog.csdn.net/m0_61243965/article/details/131997078
（1）将AI生成图片素材集成到项目的资源目录
（2）将AI生成的成语文案整理成可用的数据格式集成到项目
（3）开发游戏主界面，这里详细的开发过程就不赘述~
<div class="game">
<div class="levelTitle">第{{ levelTitle }}关</div>
<div class="problemBox">
<img :src="problemImg" class="img" mode="widthFix" />
</div>
<div class="answer">
<div class="answerBox" v-for="(item, index) in answerStr" :key="index" @click="clearAnswer(index)">
<div class="answerText">
<div class="text">{{ item.text }}</div>
</div>
</div>
</div>
<div class="btnBox">
<div class="btn" @click="promptAnswer"><text class="title">提示</text></div>
<div class="time">
<image src="../../static/time.png" class="timeImg"></image>
<div class="countdown">{{ countdownNum }}s</div>
</div>
</div>
<div class="optionalAnswer">
<div class="answerBox" v-for="(item, index) in optionalAnswer" :key="index" @click="selectAnswer(index)">
<div class="answerText" v-if="item != ''">
<div class="text">{{ item }}</div>
</div>
</div>
</div>
<!-- 成功失败提示 -->
<SuccessModal :text="description" @next="nextCheckpoint" v-if="checkResult == 'success'" />
<FailModal @continue="continueCheckpoint" @jump="jumpCheckpoint" v-if="checkResult == 'error'" />
</div>（4）开发游戏逻辑
methods: {
//解析数据
parsingData() {
this.countdownNum = 10
this.promptNum = 0
this.checkResult = 'await'
this.levelTitle = Number(this.proBlemIndex) + 1
// this.proBlemIndex=Number(this.proBlemIndex)-1
this.problemImg = `/static/problemImgNew/${appData[this.proBlemIndex].problem}`
console.log(this.proBlemIndex, '当前第几关')
console.log(this.problemImg, '当前关的图片')
let arr = []
for (let i = 0; i < appData[this.proBlemIndex].answer.length; i++) {
arr.push({ index: -1, text: '' })
}
this.answerStr = arr
let tmpArr = []
let disturbStr = appData[this.proBlemIndex].disturb
for (let i = 0; i < disturbStr.length; i++) {
tmpArr.push(disturbStr[i])
}
this.optionalAnswer = _.shuffle(tmpArr)
this.description = appData[this.proBlemIndex].description
this.countdown()
},
//填充答案
selectAnswer(pickIndex) {
let newList = this.answerStr
try {
newList.forEach((item, index) => {
if (item.text == '') {
newList[index].text = this.optionalAnswer[pickIndex]
newList[index].index = pickIndex
this.optionalAnswer[pickIndex] = ''
throw new Error("EndIterative");
}
})
} catch (error) {
if (error.message != "EndIterative") throw error;
}
this.answerStr = newList
this.checkAnswer()
},
//清除答案
clearAnswer(index) {
let newList = this.answerStr
this.optionalAnswer[newList[index].index] = newList[index].text
newList[index].text = ''
newList[index].index = -1
this.answerStr = newList
},
//检测答案
checkAnswer() {
let result = ''
this.answerStr.find((item) => {
result += item.text
})
if (result.length != appData[this.proBlemIndex].answer.length) {
this.checkResult = 'await'
return
}
if (result == appData[this.proBlemIndex].answer) {
this.checkResult = 'success'
clearInterval(countdownTime)
console.log('回答正确')
} else {
console.log('回答错误')
clearInterval(countdownTime)
this.checkResult = 'error'
}
},
//下一关
nextCheckpoint() {
if (this.proBlemIndex >= appData.length - 1) {
alert('全部通关了')
setTimeout(() => {
this.$router.push({
url: '/game'
})
}, 2000)
return
}
this.proBlemIndex++
sessionStorage.setItem('checkpint', this.proBlemIndex)
this.parsingData()
},
//继续游戏
continueCheckpoint() {
this.checkResult = 'await'
this.parsingData()
},
//跳过本关
jumpCheckpoint() {
this.nextCheckpoint()
},
//提示答案
promptAnswer() {
this.optionalAnswer.forEach((item, index) => {
if (item == appData[this.proBlemIndex].answer[this.promptNum]) {
this.clearAnswer(this.promptNum)
this.selectAnswer(index)
}
})
this.promptNum++
},
//倒计时
countdown() {
if (countdownTime) {
clearInterval(countdownTime)
}
countdownTime = setInterval(() => {
this.countdownNum--
if (this.countdownNum <= 0) {
clearInterval(countdownTime)
this.checkResult = 'error'
}
}, 2000)
}
},（5）开发完成后查看最终实现效果
到这里博主借助高性能应用服务HAI快速开发的一款"看图识成语"益智游戏，已经全部完成，后续博主会把项目进行部署并把源代码整理开放出来供大家学习~~~
1、HAI服务器计费问题，需要销毁才能停止计费，希望后续能优化
之所以选择开发这样一款看图识成语的小游戏，是希望帮助用户更好地理解和欣赏中华成语的独特魅力，体验传统文化与现代人工智能的交融，理解历史与文化的连续。通过这次使用腾讯云HAl一键部署StableDiffusion和ChatGLM2-6B 模型来辅助开发【看图识成语】益智游戏，我深刻感受到了腾讯云HAl在大模型应用部署方面的便捷，概括来说有以下几点：
1、智能匹配算力，多种算力套餐满足不同需求的计算性能。
2、预置主流AI作画模型和LLM大语言模型及常用插件，无需手动部署，支持即开即用。
3、动态更新模型版本，确保模型版本与时俱进，无需频繁操作。
4、支持可视化界面一键登录，方便调优。
可以让开发者高效便捷的使用大模型提供的能力，以博主开发的这款【看图识成语】益智游戏为例，AI绘图+AI生成文案的能力，使的博主可以直接更加专注在应用开发上，开发效能大幅提升，不到一天即可完成全部工作。
总而言之，腾讯云HAl这次给我的体验非常良好，后续会考虑探索腾讯云HAl更多的功能，为工作进行赋能~
我正在参与2023腾讯技术创作特训营第三期有奖征文，组队打卡瓜分大奖！
?
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
