我要评论
我们今天来了解一下最近很火的sd模型
✨在人工智能领域，生成模型一直是研究的热点之一。随着深度学习技术的飞速发展，一种名为stable diffusion的新型生成模型引起了广泛关注。stable diffusion是一种基于概率的生成模型，它可以学习数据的潜在分布，并生成与训练数据相似的新样本。
web ui
这里我们使用sd的整合包，优点是十分简单迅速，不需要直接手动配置环境。
成功进入web ui界面
采样器选择
对于老派采样器，我们一般使用euler 和 euler a，a的意思是代表为祖先采样器，画面不能收敛（每一步都会向画面添加随机的噪声），所以每一步生成的画面都会有一些随机性，随着采样次数增加，画面也会每次都变化，优点就是可以给画面带来一点随机性，增加一些细节。而euler是可以收敛的采样器，随着采样次数增加，最终会趋向于一个固定的画面。
关于dpm算法：这是我们在stable diffusion用的最多的方法，我们按照时间速度来筛选的话，我们直接选择dpm++ 且后面跟着karras的算法就可以了。比如：dpm++2m karras 。
- 我们还可以选择stable diffusion新版本增加的unipc和restart采样器。
高清修复
此功能只存在于文生图页面中(hires. fix)，我们直接在上张图片中的小三角直接点开就可以了，其中的放大倍数设置在2就可以了。
提示词
提示词是模型中最为重要的东西，即使有再好的模型和lora，我们也无法生成好的图片。如果我们感觉提示词很难写，我们也可以使用gpt来生成提示词（ai生成ai）：
紧接着我们输入中文想要的句子，它还会帮我们拓展出一点内容：
输出：
其中总批次数是指我们生成几次图片，单批次量是指每次生成时，一个图片包含几张图片，例如我们发朋友圈经常说的九宫格样式。
我们点击一个lora后，在提示词后面生成了一小段原生lora代码：
大模型与lora
我们可以去网站下载别人训练好的模型(尾缀 ckpt / safetensors)，常见大小：2g -7g
存放路径一定要为：根目录\models\stable-diffusion
而lora则是微调模型，常见大小：100m左右
存放目录：根目录\models\lora
如果我们误将lora模型放到大模型目录下或相反，则我们在界面将无法正常切换模型。
同时我们还可以使用官方给出的提示词来copy：
我们今天先分享到这，下期我们再学习高级操作~
发表评论