我要评论什么是stable diffusion，什么是炼丹师？根据市场研究机构预测，到2025年全球ai绘画市场规模将达到100亿美元，其中stable diffusion（简称sd）作为一种先进的图像生成技术之一，市场份额也在不断增长，越来越多的人参与到ai掘金这场运动中来。炼丹师，就是指那些专门研究、开发与应用stable diffusion模型的专业人士或爱好者，他们在实践中不断优化模型，使其产生更高质量、更具创意的图像。
一、sd绘画原理
基本概念
| 名词 | 解释说明 |
| stable diffusion | 是一种基于扩散模型的先进的人工智能技术，特别适用于文本到图像（text-to-image）的生成任务。该模型由compvis、stability ai、laion等研究机构和公司合作研发，它利用扩散过程在潜在空间（latent space）中生成图像，而不是直接在高维像素空间中操作。 |
| sd webui | stable diffusion web ui (sd webui) 是一个用于交互式控制和使用 stable diffusion 模型的网页应用程序界面。用户可以通过这个界面输入文本提示（prompt）来驱动模型生成相应的图像，提供了简单易用的方式来体验和定制基于 stable diffusion 的文本到图像生成过程。 |
| python | 是一种广泛使用的高级编程语言，以其语法简洁清晰和代码可读性强而著称。在ai领域，python尤为流行，因为它拥有丰富的科学计算、机器学习和数据处理相关的库，比如numpy、pandas和tensorflow等。在部署和使用像stable diffusion这样的深度学习模型时，python常被作为开发和运行环境的基础。 |
| controlnet插件 | 是针对 stable diffusion 模型开发的一种功能扩展插件，它允许用户在文本生成图像的过程中实现更为细致和精确的控制。该插件使得用户不仅能够通过文本提示（prompt）指导模型生成图像，还能添加额外的输入条件，比如控制图像的构图、颜色、纹理、物体位置、人物姿势、景深、线条草图、图像分割等多种图像特征。通过这种方式，controlnet 提升了 ai 绘画系统的可控性和灵活性，使得艺术创作和图像编辑更加精细化。 |
| controlnet模型 | 是配合上述插件工作的一个组成部分，它是经过训练以实现对大型预训练扩散模型（如 stable diffusion）进行细粒度控制的附加神经网络模型。controlnet 模型可以学习如何根据用户的特定需求去调整原始扩散模型的输出，即便是在训练数据有限的情况下，依然能够确保生成结果的质量和稳定性。例如，controlnet 可能包括用于识别和利用边缘映射、分割映射或关键点信息的子模块，从而实现对生成图像的特定区域进行针对性修改或强化。 |
| vae | variational autoencoder (vae): 变分自编码器是一种概率生成模型，它结合了编码器（将输入数据编码为潜在空间中的概率分布）和解码器（从潜在空间重构数据）的概念。在图像生成场景中，vae可以用来学习数据的潜在表示，并基于这些表示生成新的图像。 |
| checkpoint | sd能够绘图的基础模型，因此被称为大模型、底模型或者主模型，webui上就叫它stable diffusion模型。安装完sd软件后，必须搭配主模型才能使用。不同的主模型，其画风和擅长的领域会有侧重。checkpoint模型包含生成图像所需的一切，不需要额外的文件。 |
| hyper-network | 超网络是一种模型微调技术，最初是由nova ai 公司开发的。它是一个附属于stable diffusion 稳定扩散模型的小型神经网络，是一种额外训练出来的辅助模型，用于修正sd稳定扩散模型的风格。 |
| lora | 全称是low-rank adaptation of large language models 低秩的适应大语言模型，可以理解为sd模型的一种插件，和hyper-network，controlnet一样，都是在不修改sd模型的前提下，利用少量数据训练出一种画风/ip/人物，实现定制化需求，所需的训练资源比训练sd模要小很多，非常适合社区使用者和个人开发者。lora最初应用于nlp领域，用于微调gpt-3等模型（也就是chatgpt的前生）。由于gpt参数量超过千亿，训练成本太高，因此lora采用了一个办法，仅训练低秩矩阵（low rank matrics），使用时将lora模型的参数注入（inject）sd模型，从而改变sd模型的生成风格，或者为sd模型添加新的人物/ip。 |
prompt | 提示词/咒语 |
工作原理
stable diffusion就是一个接收文本提示词，并生成相应图像的生成模型。
sd来自于扩散模型（diffusion model）
扩散模型：（diffusion model）的核心原理被生动地比喻为物理学中的扩散过程，通过前向扩散过程逐渐将图像转化为噪声图像，然后通过反向扩散过程恢复出清晰的图像。在stable diffusion中，模型训练了一个噪声预测器（noise predictor），它是一个u-net结构的神经网络，可以预测并从图像中去除噪声，从而重构原始图像。
然而，传统的扩散模型在图像空间中的运算效率极低，不适合实时应用。为此，stable diffusion采用了在潜在空间（latent space）中进行扩散的过程，利用变分自编码器（vae）将图像压缩到较低维度的空间，极大地提高了计算速度和效率。
stable diffusion的具体工作流程包括：
-
输入图像被编码到潜在空间。
-
添加噪声，并通过噪声预测器估算添加的噪声量。
-
反复迭代，通过噪声预测器预测并减去潜在噪声。
-
使用vae的解码器将清理过的潜在图像转换回像素空间，生成最终图像。
学习资料
国外一手资料:
二、本地部署安装sd webui
硬件条件
说明：本地部署的硬件要求，当然使用云端部署租赁更高端的机器也是没问题。
最低推荐配置 | 推荐配置 | 备注 | |
显卡（gpu） | gtx1050ti | 低配推荐：rtx4060ti-16g高配推荐：rtx4090 | 为达到良好的体验，请尽可能使用8gb显存及以上显卡。低显存虽然能跑，但是体验极差 |
内存（ram） | 8gb内存 | 总内存24gb及以上 | 可以开启虚拟内存，内存过小会在加载模型的时候出现问题 |
存储空间 | 20gb任意存储设备 | 500gb以上固态硬盘 | 强烈建议单独使用一个盘符，如果不想启动的时候等10分钟的话，那么只推荐使用ssd |
cpu | x86架构的intel或amd等处理器都可以， 若为mac电脑建议使用搭载m系列芯片的机型。 | ||
- 显卡vram在4gb以下的会很容易遇到显存不足的问题，即使使用放大插件也就非常慢（以时间换显存）
2. 显卡较差/显存严重不足时可以开启cpu模式，但是速度非常慢。你不希望一个小时一张图的话那就别想着用cpu跑图。
软件需求
windows：最低要求为windows 10 64比特，请确保系统已更新至最新版本。
macos：最低要求为macos monterey (12.5)，如果可以的话请使用最新版macos。建议使用搭载apple silicon m芯片 (m1、m2) 的mac机型。旧款mac需配备amd独立显卡，只有intel核显的不能使用。
下载地址 (不藏着掖着，直接拿走不谢)
sd webui秋叶整合包与sd webui绘世启动器
请看文末扫描获取
sd webui秋叶整合包【a卡适配版】
请看文末扫描获取
安装部署
2024.1月 更新了最新的整合包，无需任何操作即可达到最佳速度，解压打开即用，内置启动器。
整合包做了哪些事情？打包了 python、git、cuda 等等必须的环境，并且放了运行必须的模型。简单来说，整合包就是 sd-webui内核+启动器+安装好的环境+必须的模型。你只需下载它解压就可以直接启动运行！
特别鸣谢，安装包作者@秋葉aaaki
三、生成第一张sd绘画
启动“a启动器.exe”
加载更新
点击“一键启动”
[不要关闭它],它会自动打开，浏览器地址"http://127.0.0.1:7860/?__theme=dark"
基本功能介绍
| 界面及操作说明 | |
| stable diffusion模型 | 下拉，替换大模型/底模 |
| 正面提示词 tag | （想要的内容，提示词） 如：masterpiece, best quality, |
| 反面提示词 tag | （不想要的内容，提示词） 如：lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry |
| 提示词加权重 | (girl) 加权重，这里是1.1倍。 （(girl)) 加很多权重，1.1*1.1=1.21倍，以此类推。 |
| 提示词减权重 | [girl] 减权重，一般用的少。减权重也一般就用下面的指定倍数。 |
| 提示词指定权重 | (girl:1.5) 指定倍数，这里是1.5倍的权重。还可以 (girl:0.9) 达到减权重的效果 |
| 采样迭代步数 | 不需要太大，一般在50以内。通常28是一个不错的值。 |
| 采样方法 | 没有优劣之分，但是他们速度不同。全看个人喜好。推荐的是图中圈出来的几个，速度效果都不错 |
| 提示词相关性 | 代表你输入的 tag 对画面的引导程度有多大，可以理解为 “越小ai越自由发挥”，太大会出现锐化、线条变粗的效果。太小ai就自由发挥了，不看 tag |
| 随机种子 | 生成过程中所有随机性的源头 每个种子都是一幅不一样的画。默认的 -1 是代表每次都换一个随机种子。由随机种子，生成了随机的噪声图，再交给ai进行画出来 |
切换webui黑白皮肤，修改浏览器http地址：
白：http://127.0.0.1:7860/?__theme=light
黑：http://127.0.0.1:7860/?__theme=dark
输入提示词【1 girl】，点击生成即可：
（我安装了皮肤插件，所以和你运行的界面稍微酷炫一点_）
这里直接将该软件分享出来给大家吧~
这份完整版的stable diffusion资料我已经打包好，需要的点击下方添加，即可前往免费领取！
1.stable diffusion安装包
随着技术的迭代，目前 stable diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。
最新 stable diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了mac版本，仅支持macos 12.3或更高版本。
2.stable diffusion视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入坑stable diffusion，科学有趣才能更方便的学习下去。
3.stable diffusion模型下载
stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。
4.stable diffusion提示词
提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 ai 模型要画什么而需要说的语言，整个sd学习过程中都离不开这本提示词手册。
5.sd从0到落地实战演练
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名sd大神的正确特征了。
这份完整版的stable diffusion资料我已经打包好，需要的点击下方添加，即可前往免费领取！
发表评论