一 图一乐之起因
有时呢，睡前刷公众号，发现一篇推文报道一个不会作画的人通过一个人工智能软件实现了在众多人类画家夺冠的伟业（当然，肯定不会像笔者这样简单）。于是，心生一念，要不咱也来试试。于是，就有了以下的步骤与拙作（仅供娱乐）。
二 图一乐之过程
首先，需要的就是在github找到一个深度学习库（本文的主题：stable-diffusion）。
github地址：https://github.com/CompVis/stable-diffusion
其次，在linux（或windows）上尝试部署这一学习库。
第三，克服种种困难，完成相应的部署工作。
第四，输入你脑海中想要实现的画面，接下来，就是创作（乱想）时刻。
输入：Cyberpunk Wasteland Lady Moon
输入：Snowy mountains, rivers, sunny skies
输入： Cyberpunk, cars, lights
输入： Streams, mermaids
当然，也有跑偏的，如下面这些图
输入：girl, planet, distant look, thinking, shooting star
输入：robots, humans, building, moon
三 惯例小结
虽然目前还不知道这一技术的边界在哪里，但是呢，图一乐还是可以的。其次，最近为啥更新的少了呢，因为懒了。另外，部分读者可能并不想费力安装这一程序，那么，可以联系公众号，提供您的创意，本号生成的图片后，可以在下一期放送（低调水一期）。或者有感兴趣教程的，可以后台提出，如果较多，则可出一期保姆级教程。
另外，进一步推广一下我开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件。文末是本公众号在其他平台的账户，也欢迎大家关注并多提意见。
最后，也欢迎各位大佬能够在本平台上（见封面EVM）：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。
