Compete in HackAPrompt 2.0, the world's largest AI Red-Teaming competition!

Check it out →
Selamat Datang
😃Dasar
💼 Aplikasi Dasar
🧙‍♂️ Pelajaran Tingkat Menengah
🤖 Agen
⚖️ Keandalan
🖼️ Prompt untuk Menghasilkan Gambar
🔓 Prompt Hacking
🔨 Tooling
💪 Prompt Tuning
🎲 Serba aneka
Daftar Pustaka
📦 Prompted Products
🛸 Sumber Daya Tambahan
🔥 Hot Topics
✨ Credits
🖼️ Prompt untuk Menghasilkan Gambar🟢 Menggunakan Bobot

Menggunakan Bobot

🟢 This article is rated easy
Reading Time: 1 minute
Last updated on August 7, 2024

Sander Schulhoff

Beberapa model (Stable Diffusion, Midjourney, dll.) memungkinkan Anda memberi bobot pada istilah dalam prompt. Ini dapat digunakan untuk menekankan kata-kata atau frasa tertentu dalam gambar yang dihasilkan. Ini juga dapat digunakan untuk mengurangi penekanan pada kata atau frasa tertentu dalam gambar yang dihasilkan. Mari kita pertimbangkan contoh sederhana: berikut:

Contoh

Ini adalah beberapa gunung yang dihasilkan oleh Stable Diffusion, dengan prompt mountain.

Namun, jika kita ingin pegunungan tanpa pepohonan, kita bisa menggunakan prompt gunung | tree:-10. Karena kami memberi bobot negatif yang sangat tinggi pada pohon, mereka tidak muncul di gambar yang dihasilkan.

Kata berbobot dapat digabungkan menjadi permintaan yang lebih rumit, seperti A planet in space:10 | bursting with color red, blue, and purple:4 | aliens:-10 | 4K, high quality

Catatan

Baca lebih lanjut tentang pembobotan dalam beberapa sumber di akhir bab ini.

Sander Schulhoff

Sander Schulhoff is the CEO of HackAPrompt and Learn Prompting. He created the first Prompt Engineering guide on the internet, two months before ChatGPT was released, which has taught 3 million people how to prompt ChatGPT. He also partnered with OpenAI to run the first AI Red Teaming competition, HackAPrompt, which was 2x larger than the White House's subsequent AI Red Teaming competition. Today, HackAPrompt partners with the Frontier AI labs to produce research that makes their models more secure. Sander's background is in Natural Language Processing and deep reinforcement learning. He recently led the team behind The Prompt Report, the most comprehensive study of prompt engineering ever done. This 76-page survey, co-authored with OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions, analyzed 1,500+ academic papers and covered 200+ prompting techniques.