本文介绍基于 Windows Clash Desktop 的代理服务器设置，可以为局域网内的设备提供代理服务，该方案可以解决一定的科学上网需求，但是没办法覆盖所有的场景，例如 PS5 的 Netflix ，其不走代理服务器，因此无法通过该方案解决，（软路由可破）
本篇的设置内容主要会从两个方面出发：一个是服务器的开启和防火墙的设置、另一个是客户端如何设置使用对应的代理服务器。
Clash 作为局域网代理服务器开启的方式十分简单，主要是以下几步。
开启局域网访问 -> 设置端口，查看 ip -> 防火墙允许通行
开启局域网访问： Allow LAN 打钩即可。
端口：设置好想要的 mixport 即可。
防火墙允许通行： 防火墙-> 高级设置，找到 Clash 所有项，允许其在专用网络上通行。
查看 ip：命令行输入 ipconfig/ all 里面的 WLAN 模块，可以找到自己的局域网 ip
不同于 Docker 在 Windows 端借助 Desktop 可视化进行安装和配置，Linux 端没有默认的 Desktop 界面，因此会额外安装 portainer 作为我们 docker 的 Dashboard.
该部分完全转载自官方的安装指引，如果流程需要更新的时候可以移步官网检查，此外官网还包含了其他几种安装方式，这里就不介绍，这里只介绍基于 apt 的安装方式。
1 更新 apt 的索引，同时通过下载包来允许 Apt 基于 http 来索引仓库
1 | |
2 安装 docker 官方的 GPG 秘钥
1 | |
3 配置对应的 repository
1 | |
完成上述设置之后，就可以开始安装 Docker 了。
最近入手了树莓派 4B，打算基于树莓派做一些有趣&有用的项目，该系列笔记来记录个人树莓派学习和开发的历程。
连载确认！该系列文章将会从装机开始，介绍树莓派用于以下几个项目的开发和部署过程：
本篇首先介绍亮机和开发环境设置过程，包含：组装、系统安装、远程开发环境设置（SSH、XRDP）
树莓派组装上比较防呆接口，唯一需要注意的是散热块和风扇的安装：
该部分仅介绍我使用的系统安装和烧录软件，系统的选择需要根据自己所拥有的设备，以及目的去选择。
硬件准备：SD 卡，读卡器，一台正常运行的 PC，可外接的屏幕。
Tmux 作为一款优秀的终端复用器，前面已经介绍过，这里在介绍一款有着相同功能的平替，个人认为 zellij 的 UI 各方面的设计，使得其相比于 Tmux 有着更低的入门难度，也避免了需要记大量快捷键，因此这里介绍一下该工具。
Zellij 是一款终端复用器，有什么功能可以完全参考 Tmux ，还支持了许多有趣的特性和自定义 Layout 等功能（可能后续用到的话会完善该部分笔记），详细的可以参考官网的介绍，接下来就简单的介绍一下安装和一些自定义的 Alias。
Zellij 是基于 Rust 编写，因此在安装之前需要安装 rust 和 cargo（类似 rust 的包管理器），安装可以参考 Rust 官方网站（推荐） | The Cargo Book | Rust Wiki CN
官方网站中介绍了 WSL 的安装指令如下：
1 | |
安装完成后可以使用如下命令，基于 Cargo 安装 zellij：
1 | |
如果出现了问题也可以尝试先更新 rust
1 | |
该章节主要介绍 Stable-Diffusion 中模型的训练，考虑到硬件条件的限制，实际上这里介绍的训练，都是针对大模型的各种微调技术（Lora，Dreambooth，HyperNetwork, …），这里会以 LoRA 模型的训练为主。
参考文献：
LoRA 的优势就是其模型更小，且更加模块化；也就是说其的训练成本和要求都更低，同时使用代价小，可以作为某种风格插件或者角色插件来使用。
其中蓝色的是预训练好的源网络，而橙色的是新加的网络，通过控制 R 的宽度（文章主要论证了大模型的参数可能存在较低维度的秩，因此可以使用较小的 R 来对大模型的参数造成有效的影响），可以有效的减少需要训练的网络的 Size。
这里只介绍本地训练，训练也可以在 Colab Notebook 等在线训练集群中进行，这里就不进行介绍了
.txt 带说明的文本文件这里我们使用 lora-script 来进行模型训练，lora-script 实际上是 sd-script 之外在包了一层，新增了一些可视化的功能和一些其他的脚本，让 sd-script 更加易用，它调用 sd 中的脚本来实现训练，但是封装了一些注释和整理，此外还支持的 tensorboard 可视化。
sd-script 本身包含了训练 lora、dreambooth、text-embedding、UNet、Text Encoder、图像生成、模型转换等多种功能。lora-script 还是主要专注于 LoRA 训练
查看 repo 也能知道 lora-script 中包含了 sd-script，所以我们部署的时候只需
1 | |
即可将需要的库安装下来，然后安装环境和相关以来只需要执行 .\install.ps1 即可（该脚本有 cn 版本，但是可能会出现问题），其会安装 sd-scripts 和 lora-scripts 需要的库。具体的可以参考相关 repo（sd-script 详细说明，lora-script 有简化版说明）。
安装的时候可能会出现虚拟环境未激活的问题，我们可以提前在改目录执行一次 python -m venv venv 一次即可。
Finish.
手机到电脑端的图像备份和预览往往是一个大问题，特别是当多个手机要备份的时候，说难不难，但说简单也确实有很多麻烦的地方，因此我推荐 Immich 的解决方案。
Immich 是一个基于个人开发者开发的开源 Github 项目，immich-app/immich，该解决方案有以下的一些优势：
Self-hosted photo and video backup solution directly from your mobile phone.
因此我本人推荐按照以下的方式来使用：针对家庭等环境，多用户部署在 NAS 或者某台 PC 上，可以长期或者定期的启动备份服务，然后就可以将手机中的照片空间释放掉。由此可以实现：
本篇主要介绍一下播放器 PotPlayer 的设置以及结合 Alist&小雅 alist 的使用，这样就可以直接在播放器访问本地网盘上的内容，便于使用和观看。
Alist 作为一个网盘管理中心，可以将各大网盘中的资源进行统一管理，同时支持视频的 webdav 播放，这里推荐的安装方式是使用 Docker-Compose 进行安装，根据自己的情况来选择对应的挂载和安装目录。
由于官方的文档已经事无巨细，这里就不在赘述如何安装和配置 alist 的各个网盘挂载，详情参见：Home | AList Docs (nn.ci)
安装完并启动 Alist 服务即可，记住自己的端口和设置的账号密码。
该部分介绍如何通过 docker 为 Alist 添加 Aria2 作为离线下载服务，以及一些常见的问题解决方法。
参考资料：aria2-pro | aira2-pro-github | aria2认证失败
这里介绍使用 docker-compose 安装 aria2的方法，并将 docker 版本的 aria2和 alist 结合起来使用，在基于 docker 安装之前，我们先准备几个文件夹：
1 | |
其中 downloads 目录是我们用来下载文件的目录，我们也可以使用挂载的目录或者共享的目录来存储下载的文件；然后我们准备一下 alist 中用于离线下载的目录，该目录需要在 alist 的 docker 和 aria2的 docker 中都将该 volume 挂载到同一个地方。
本文将 aria2的队名目录挂载到 alist 的对应目录中，对应的 alist 的 compose 文件有
而 aria2的 compose 文件则有：
再将该目录的权限改成777，chmod 777 <this-dir> 之后即可再 alist 中离线下载成功，而且该下载文件会在指定的网盘中上传，当上传完成时会删除临时文件，不占用本地磁盘空间。
完整的 Compose 文件可以参考 Aria2-Pro-Docker/docker-compose.yml at master · P3TERX/Aria2-Pro-Docker · GitHub 官方的配置进行安装，我个人的 compose 文件则会上传到AikenH/aikenh-DockerComposeYML (github.com)中。
Aria2Ng 界面认证失败的问题，是因为我们再 compose 中设置了密码之后，要在该界面的设置中设置密码后才能正常认证。
密码需要到如下地方设置：
设置完成后应该就不会有认证失败的提示了。
alist 设置 Aria2失败，由于使用的 docker 部署的 aria2，这里不能使用 localhost，要使用对应的 ip 来设置该服务，如下图所示
完成这些设置后应该就可以正常使用了，但是由于现在都是网盘场景更多，所以离线下载的可能使用场景也有限，而且通过测试发现，如果完全装在树莓派上的话，可能会对系统的性能造成一定的负担。
Xiaoya 是基于 Alist 做改版的个人资源站，里面涵盖了大量的影视资源，并在不断的更新，通过在本地挂载 xiaoya 我们也可以用来通过 webdav 在播放器中直接选择视频进行播放，大多数情况下都免去了找资源的痛苦。
官方网站：主页 | 小雅的分类 Alist (xiaoya.pro)
拥有了 Docker 环境后，就可以基于 xiaoya 提供的脚本实现一键拉取镜像和启动 Docker，默认的端口是 5678，安装指令如下：
1 | |
安装过程中会需要填入如下内容：token、open_token、转存目录的 folder id，具体和后续更新参考配置页，（跟随安装引导界面进行安装即可。）
该章节主要包括 Promot 生成和部分工作流的分析，旨在了解如何写出更好的关键词，如何生成更好的图片，当我们不知道怎么描述的时候也可以将该工作交给 ChatGPT，让其为我们攥写一般基础的提示词
通常编写可以遵照以下的类别进行组织，主要有 <质量控制> + <前置> + <主体> + <场景词> 几类，其中分别包括以下的几类词：
分割符号： 各个关键词之间用 , 分割，且对应的权重从前到后依次递减，因此在编写关键词的时候也要注意先后顺序。
权重加权符号：各种括号代表各种不同的加权系数，这里建议用 (prompt: weight) 统一来编写提示词的权重规则，整体可读性会更好。
这里的 weight 指的是权重变成原本的 weight 倍，就可以调整加强或减弱。
各个括号的默认系数如下: () -> 1.1 ; {} -> 1.05 ;
[]-> 0.952
可以通过(())进行叠加即 1.1*1.1
ControlNet 是 Stable Diffusion 最强力的插件之一，它能够控制 SD 的整个扩散过程，包括让 AI 参考动作/骨架/线条/景深，从而更精准的生成图片。
本篇章介绍关于 Stable DIffusion 的一些基础概念和 WebUI 的基本功能元素，同时介绍一些启动项和模型加载的东西。
最常用的启动项是 --listen，通过该启动项允许局域网内的其他设备通过 ip 和端口访问部署好的 Stable Diffusion 服务。而设置启动项的方式有以下几种：
1 | |
vim launch.py1 | |
