stable diffusion【win+Mac版】超详细安装教程(附stable diffusion 整合包)

Stable Diffusion本地部署教程(附安装包) 7、下载完成后,Win+R输入cmd,输入命令nvcc -V,出来如图所示的版本信息则安装成功(我这里贴图贴的12.6的,不必在意我的版本,你们按自己电脑安装即可)3、下面来安装驱动对应的CUDA(如果电脑有驱动可忽略上面两步),查询自己电脑CUDA的驱动型号,Win+R输入cmd,进入命令提示符页面输入nvidia-smi。1、如果电脑没有NVIDIA的驱动,那么先下载驱动,Win+R输入dxdiag,点击显示可以看到自己的显卡信息,去官网选择对应的驱动器。5、点击版本号后,选择自己电脑匹配的安装包。 阅读详情

码字不易,SD 保姆教程,从原理功能到案例输出展示,最后SD所有资源–请看结尾,图文约 1 万 5 千字左右,阅读时长约 20 分钟~

Stable Diffusion 的基本介绍

首先官方给出的解释是:

一、基础介绍

1. 提示词:

提示词分为两个部分

正向提示词:

生成图像时,我们可以使用正向提示词来指定想要生成的图像。正向提示词可以是脑子里想到的图片或一句话,将其拆分成不同的关键词,并用逗号隔开作为输入。

需要注意的是,相同的指令在不同的模型库和参数下,生成的输出图像可能会不一样。此外,提示词的顺序也非常重要,因为它们的顺序会影响到生成图像的权重。通常情况下,越靠前的提示词权重越大,越靠后的提示词权重越小。

排除词:

输入框内输入的标签内容就是你画面中不想要出现的东西,如:低质量的,缺手指,五官不齐等等

二、界面部分

1. 采样迭代步数

输出画面需要的步数,每一次采样步数都是在上一次的迭代步骤基础上绘制生成一个新的图片,一般来说采样迭代步数保持在 18-30 左右即可,低的采样步数会导致画面计算不完整,高的采样步数仅在细节处进行优化,对比输出速度得不偿失。

2. 采样方法的介绍

推荐10款SD-好用且高效的采样器:⬇️
DPM++ 2M Karras
DPM++ SDE Karras
PM++ 2M SDE Exponential
DPM++ 2M SDE Karras
Euler a
Euler
DPM++ 3M SDE Karras
PM++ 3M SDE Exponential
Restart
UniPC
————
⚠️码住以上采样器,SD出图质量有保证‼️

3. 提示词相关性

Stable Diffusion 中的提示词相关性指的是输入提示词对生成图像的影响程度。当我们提高提示词相关性时,生成的图像将更符合提示信息的样子;相反,如果提示词相关性较低,对应的权重也较小,则生成的图像会更加随机。因此,通过调整提示词相关性,可以引导模型生成更符合预期的样本,从而提高生成的样本质量。

①在具体应用中,对于人物类的提示词,一般将提示词相关性控制在 7-15 之间;

②而对于建筑等大场景类的提示词,一般控制在 3-7 左右。这样可以在一定程度上突出随机性,同时又不会影响生成图像的可视化效果。因此,提示词相关性可以帮助我们通过引导模型生成更符合预期的样本,从而提高生成的样本质量。

4. 随机种子

随机种子是一个可以锁定生成图像的初始状态的值。当使用相同的随机种子和其他参数,我们可以生成完全相同的图像。设置随机种子可以增加模型的可比性和可重复性,同时也可以用于调试和优化模型,以观察不同参数对图像的影响。

在 Stable Diffusion 中,常用的随机种子有-1 和其他数值。当输入-1 或点击旁边的骰子按钮时,生成的图像是完全随机的,没有任何规律可言。而当输入其他随机数值时,就相当于锁定了随机种子对画面的影响,这样每次生成的图像只会有微小的变化。因此,使用随机种子可以控制生成图像的变化程度,从而更好地探索模型的性能和参数的影响。

在工作产出中,如果细微调整,我们将会固定某个种子参数然后进行批量生成

三、模型部分

Checkpoint,VAE,embedding 和 lora 的使用详解

最后

随着 AI 技术的快速发展,图像生成领域的大型模型正在成为研究的热点,但是由于该领域的相对新颖和复杂性,相关的教程和资源目前还相对匮乏。希望本文可以帮助大家快速入门 Stable Diffusion,并为您提供一些有用的参考资料。

相信在不久的将来,一些真正具有商业价值的大模型将会涌现出来,为设计和其他领域带来更多的创新和效益,最后,希望大家能不断探索和学习,掌握更多的技能和知识,为设计赋能!免费分享给诸位,不求回报,请叫我好人
在这里插入图片描述

Stable Diffusion 模型分享:SDXL Unstable Diffusers ☛ YamerMIX(混合风格) 这个非凡的模型诞生于Yamer 的 SDXL Unstable Diffusers Version 11 和 RunDiffusion 的 Proteus 模型的融合。这种融合将不稳定扩散器的无限创造力和不可预测性与 Proteus 增强的多功能性和风格解锁能力结合在一起。NihilMania 的核心在于创新的 Proteus CLIP 架构,它使模型能够超越特定流派和风格的限制。 阅读详情

相关推荐

全网第一个系统的stable diffusion基础课,新手入门必看(下载地址).txt

现在将爱心新手整合包及视频所需其他资料汇总到夸克网盘里,考虑到夸克网盘下载的速度比较快可以更加便利大家~ 主要内容有:1.前置包(无需使用,新手可直接跳过) 2.安装包 3.精选大模型 4.精选embedding 5.精选lora 6.精选 hypernetwork 7.精选姿势包 8.Contronet模型包 9.Vae 10.插件包 11.提示词合集(新加) 12.附录1处理器、GPU购买指南

Mac本地部署Stable Diffusion,超详细,含踩坑点(AI 绘画保姆级教程)

终于实现 Stable Diffusion 自由了!Mac 本地部署 Stable Diffusion,坑之多,但都已帮大家填平了!想在 Mac 上部署 Stable Diffusion 的同学,拿着这份保姆级教程,直接冲就完事!已将部署过程中踩过的坑一一记录了下来,应该涵盖了大部分同学都会遇到的问题

分享AI工具/AI副业玩法 2万+

[Unity_Plastic SCM小技巧] 使用 UnityYAMLMerge 工具合并场景和预制件文件

首先YAMLMerge工具其实并不局限于PlasticSCM,git也可以,它是内置在Editor内的一个更加智能的版本控制工具,只不过正常不会启用,他的目录在C:\Program Files\Unity\Editor\Data\Tools\UnityYAMLMerge.exe(Unity Editor安装目录),MAC上:/Applications/Unity/Unity.app/Content...

unityofficial的博客 1146

2025年Stable Diffusion(AI绘画)软件安装包下载及安装激活教程

Stable Diffusion简称(SD)是一款开源的AI绘画软件,基于 Latent Diffusion Model(文转图合成技术),能够根据文本描述或图像提示生成生成高质量、高分辨率、高逼真的图像。Stable Diffusion由于开源属性,有很多免费高质量的外接预训练模型(fine-tune)和插件。本平台所提供的文件均为压缩文件,如果电脑上没有此软件,可提前下载安装。

m0_59236602的博客 1732

从SD更新字库到FLASH,再用LCD显示

用Flash当字库存储载体。思路是先将要用到的字库文件存在SD卡,然后存储到Flash,LCD显示时候从Flash中读取 还挺顺利的,移植的原子的程序,自己稍加修改,主要是我的液晶屏函数,Flash读写函数,还有存储文件的flash地址不一样。一晚上搞定,大小字体都OK。挺高兴哈哈。这几天忙工作事情有点耽搁了学习进展嘿嘿 在text.c的showstr函数中char的字体颜色随意设置的,可以显...

weixin_30505751的博客 914

计算机组成原理实验:手把手教你用模拟程序实现中断机制(附完整代码)

本文通过一个计算机组成原理模拟实验,手把手教你从零实现一个可工作的中断系统。实验详细演示了如何配置中断控制器、编写主程序与中断服务程序,并观察中断响应、现场保护和恢复的全过程,深入解析了中断原理的核心机制。

474

SD安装教程|stable diffusion【win+Mac版】超详细安装教程(附stable diffusion 整合包)

(全套教程文末领取哈)

z19981的博客 1053

pytorch-cifar100学习资料汇总 - 基于PyTorch的CIFAR-100图像分类实践

pytorch-cifar100是一个基于PyTorch实现CIFAR-100数据集图像分类的开源项目。该项目实现了多种经典的深度学习网络模型,如ResNet、DenseNet、VGG等,为开发者提供了在CIFAR-100数据集上进行图像分类实验的代码范例。pytorch-cifar100项目为我们提供了在CIFAR-100数据集上进行图像分类实验的完整代码实现。无论你是想要学习PyTorch的使用,还是研究不同网络模型在CIFAR-100上的表现,这个项目都是一个很好的起点。

helloaiworld的博客 1127

【stable diffusion安装包】stable diffusion【win+Mac版】超详细安装教程(附stable diffusion 整合包)

Stable Diffusion 的基本介绍温馨提示:篇幅有限,已打包文件夹,获取方式在:文末。

Misdirection_XG的博客 1103

用 ABAP ADK 写一个可控的自建表归档程序:从选择屏幕到 ARCHIVE_SAVE_OBJECT 的完整链路

文章摘要: 本文介绍了SAP系统中数据归档的核心概念与实践方法。归档旨在将不常访问但需保留的数据从在线数据库移出,以减轻系统负载,同时满足合规要求。文章重点阐述了: 归档与备份、重组的本质区别 SAP归档框架的核心组件:归档对象(AOBJ)、归档管理界面(SARA)和ADK开发工具包 通过YAPTMAIN表示例,展示了完整的归档流程: 使用选择屏幕控制归档范围 管理归档会话 写入归档记录 生成统计报表 强调了归档程序设计中需要考虑的运维、审计和性能因素 该方案可有效解决自建日志表"悄悄长胖&quo

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 233

RTT Studio和Cubemx联合开发

1. RTT studio创建工程 创建工程 ## 创建完成以后的目录结构 2. 配置CubuMx 双击cubumx的图标打开CubeMx 配置时钟 生成代码 构建后的代码结构 编译代码满屏错误:不要慌 3. 新增脚本 新建scons脚本文件 SConscript 脚本内容如下 import os from building import * cwd = GetCurrentDir() src = Glob('*.c') # add cubemx drivers src = Split('''

Car12 1569
上一篇: 【AI绘画】StableDiffusion彩色图片转线稿
下一篇: StableDiffusion下载安装激活教程
不秃头de程序猿
博客等级 码龄5年 4091粉丝 1480原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值