SDwebui的PNG图片信息/WD1.4标签器解析

继续学习SDwebui

1.PNG图片信息

Stable Diffusion|图片信息提取、模型合并最强教学 - 知乎 (zhihu.com)

参考这篇文章之前我以为PNG直接出来图片信息是因为类似WD1.4的tag反推,但是导入数据集原图出来的信息又很快但是很奇怪,很不对劲儿,后来看了这篇文章才知道,这里的PNG图片信息功能是用于之前文生图、图生图等的操作生成出来的信息,有点类似帮你找补的意思,如果你忘记了或者想看到一些生成图片想参考它们的prompt就可以用这个功能。

而且不只是prompt,还会有迭代步数、采样方法、尺寸、CFG、seed,还可以直接发送到文生图、图生图那里,很方便。

(这篇文章还有关于模型融合、训练的教程)

2.WD1.4标签器 

【AI绘画】Stable Diffusion中级教程06——图片信息、Tag反推+"隐藏"功能 - 知乎 (zhihu.com)

1)反推就直接用,参数默认的就好,算法选的是目前最好最快的wd14-vit-v2-git就行,如果觉得占内存可以点“卸载所有反推模型”,但是我怕删掉wd这个就不点,如果以后经常用WD14来反推的话,可以尝试点点卸载。

有这个WD1.4就不用图生图那里的反推了,这里的算法更好用更快。

2)再细讲一下WD1.4的批量处理,首先注意点击批量处理文件夹之前先把之前在单次处理的图片先关闭,不然点击批量处理的反推也只会处理单次处理那里的图片。然后输入对应的输入、输出目录,一定要勾选“全局递归搜索”,这样图片依次处理不会漏,其他的默认不用改,点反推就能看到在你设置的文件夹路径下看到对应的标注txt文档了。

我这里用WD1.4的批量处理是为了在训练LOra前对数据集进行一个预处理,感觉WD1.4反推应该比较训练插件里自带的图像预处理要好一点,但是由于我的数据集比较模糊,可能还需要手动点击txt文档进行修改,或者先把数据集图片送到后期处理那里进行高清修复再反推?

### Stable Diffusion WD1.4 标签安装教程 #### 准备工作 在开始之前,确保已经具备以下条件: - 已经成功安装并运行了Stable Diffusion的基础环境[^1]。 - 下载了WD1.4模型文件以及对应的标签列表。 #### 安装过程 为了正确加载WD1.4标签功能,需要按照如下方法操作: 1. **下载必要的资源** 需要从官方或其他可信来源获取WD1.4模型及其配套的标签文件。通常这些文件会以`.ckpt`或`.safetensors`格式存在,并附带一个JSON或者TXT形式的标签映射表[^2]。 2. **放置模型文件** 将下载到的WD1.4模型文件复制至Stable Diffusion程序目录下的`models/Stable-diffusion/`路径下[^3]。如果此路径不存在,则需手动创建该文件夹结构。 3. **配置标签支持** 找到用于启动Web UI界面的服务脚本(一般名为`webui-user.bat`或类似的批处理命令),编辑它来增加对特定参数的支持。具体来说,在执行行后面追加类似下面的内容以便激活额外选项卡和自定义行为: ```bash --w --additional-networks --lora-dir ./loras/ ``` 这些标志允许引入外部扩展模块如LORA网络层的同时也启用了高级别的控制面板显示[^4]。 4. **导入标签数据** 使用文本编辑打开先前准备好的标签描述文档,将其内容粘贴进指定区域——这通常是通过图形化界面上专门设计用来接收此类输入的一个字段完成的;如果没有看到相应位置,请确认是否遗漏了某些前置步骤或是版本不匹配等问题[^5]。 5. **验证设置有效性** 启动应用程序之后尝试生成一幅图像样本看能否正常反映所选属性特征。假如一切顺利的话,那么恭喜您已完成整个流程! ```python import os model_path = "./models/Stable-diffusion/wd14_model.safetensors" tags_file = "/path/to/tags.json" if not os.path.exists(model_path): raise FileNotFoundError(f"The model file does not exist at {model_path}") print("Model and tags are ready to use.") ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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