連鎖者
v0.24.1
基於節點的影像處理 GUI 旨在使連結影像處理任務變得簡單且可自訂。 chaiNNer 誕生於一款人工智慧升級應用程序，現已發展成為一款極其靈活且功能強大的程式化影像處理應用程式。
ChaiNNer 為您提供了很少有其他人可以做到的影像處理工作流程的客製化程度。您不僅可以完全控制處理管道，而且只需將幾個節點連接在一起即可完成極其複雜的任務。
ChaiNNer 也是跨平台的，這意味著您可以在 Windows、MacOS 和 Linux 上運行它。
如需協助、建議或只是閒逛，您可以加入 chaiNNer Discord 伺服器
請記住：chaiNNer 仍在進行中且處於 alpha 階段。雖然它正在慢慢地達到我們想要的程度，但需要相當長的時間才能擁有我們想要添加的所有可能的功能。如果您精通 TypeScript、React 或 Python，請隨時為該專案做出貢獻並幫助我們更接近這一目標。
從 Github 版本頁面下載最新版本並執行最適合您系統的安裝程式。就這麼簡單。
您甚至不需要安裝 Python，因為 chaiNNer 將在啟動時下載一個獨立的整合 Python 版本。從那裡，您可以透過依賴項管理器安裝所有其他依賴項。
如果您確實希望仍使用系統 Python 安裝，則可以開啟系統 Python 設定。然而，更推薦使用整合Python。如果您確實希望使用系統 Python，我們建議使用 Python 3.11，但我們也嘗試支援 3.8、3.9 和 3.10。
如果您想測試最新的變更和調整，請嘗試我們的夜間構建
雖然由於所有可能的選項，乍一看可能有點嚇人，但 chaiNNer 使用起來非常簡單。例如，為了執行高檔操作，您需要執行以下操作：
不過，在達到這一點之前，您需要從依賴管理器安裝一個神經網路框架。您可以透過右上角的按鈕存取它。 ChaiNNer 提供對 PyTorch（具有選定模型架構）、NCNN 和 ONNX 的支援。對於 Nvidia 用戶來說，PyTorch 將是升級的首選方式。對於AMD用戶來說，NCNN將是升級的首選方式。
所有其他 Python 依賴項都會自動安裝，chaiNNer 甚至帶有自己的整合 Python 支持，因此您無需修改現有的 Python 配置。
然後，您所要做的就是在選擇面板中拖放（或雙擊）節點名稱，將它們帶入編輯器中。然後，從一個節點手柄拖曳到另一個節點手柄以連接節點。每個手柄都根據其特定類型進行顏色編碼，連接時只會顯示相容的連接。這使得您很容易知道在哪裡連接什麼。
在編輯器中設定工作鏈後，您可以按頂部欄中的綠色「運行」按鈕來運行您建立的鏈。您將看到節點之間的連接變為動畫，並在處理完成後開始取消動畫。您可以分別使用紅色「停止」和黃色「暫停」按鈕停止或暫停處理。
不要忘記，您也可以使用 chaiNNer 完成許多非升級任務！
若要選擇多個節點，請按住 Shift 鍵並在要選擇的所有節點周圍拖曳。您也可以透過點擊單一節點來選擇它。選擇節點後，您可以按退格鍵或刪除鍵將其從編輯器中刪除。
若要對映像資料夾執行批次處理，請使用「載入映像」節點。要處理視頻，請使用“加載視頻”節點。但值得注意的是，您不能在鏈中同時使用「載入影像」和「載入影片」節點（或執行批次迭代的任何兩個節點）。但是，您可以組合鏈中的輸出（收集器）節點，例如使用“儲存影像”與“載入影片”，以及“儲存影片”與“載入影像”。
您可以在編輯器視窗中右鍵單擊以顯示可供選擇的內聯節點清單。您也可以透過將連線拖曳到編輯器而不是建立實際連線來取得此選單，它將顯示相容的節點以自動建立連線。
不支援 MacOS 版本 10.x 及更低版本。
Windows 8.1 及更低版本也不支援。
Apple Silicon Mac 應該支援幾乎所有內容。雖然，ONNX僅支援CPU Execution Provider，且NCNN有時無法正常運作。
一些使用非 Nvidia GPU 的 NCNN 用戶可能會得到全黑輸出。我不知道該如何解決這個問題，因為這似乎是由於記憶體不足導致圖形驅動程式崩潰。如果您遇到這種情況，請嘗試手動設定平鋪量。
要使用剪貼簿節點，Linux 用戶需要安裝 xclip，或 wayland 用戶，需要安裝 wl-copy。
對於 PyTorch 推理，僅官方支援 Nvidia GPU。如果您沒有 Nvidia GPU，則必須在 CPU 模式下使用 PyTorch。這是因為 PyTorch 僅支援 Nvidia 的 CUDA。 Apple Silicon Mac 上的 MacOS 用戶還可以利用 PyTorch 的 MPS 模式，該模式應該與 chaiNNer 配合使用。
但是，如果您有支援 NCNN 的 AMD 或 Intel GPU，chaiNNer 現在支援 NCNN 推理。您可以使用任何現有的 NCNN .bin/.param 模型檔案（僅測試了與 ESRGAN 相關的 SR 模型），或使用 chaiNNer 將 PyTorch 或 ONNX 模型轉換為 NCNN。
對於 NCNN，請確保在設定中選擇要使用的 GPU。它可能預設為您的整合式顯示卡！
對於 Nvidia GPU，ONNX 也是一個可以使用的選項。 ONNX 將在非 Nvidia GPU 上使用 CPU 模式，類似於 PyTorch。
ChaiNNer 目前支援有限數量的神經網路架構。未來將支援更多架構。
從 v0.21.0 開始，chaiNNer 使用我們名為 Spandrel 的新套件來支援 Pytorch 模型架構。有關支援的列表，請查看那裡的列表。
有關故障排除訊息，請查看故障排除文件。
我在 GitHub 上提供了 chaiNNer 的預建置版本。但是，如果您想自己建立 chaiNNer，只需執行npm install （確保至少安裝了 npm v7）來安裝所有 Nodejs 依賴項，然後npm run make來建立應用程式。
有關常見問題解答信息，請查看常見問題解答文件。
