第九节：stable diffusion优化插件

已于 2025-06-15 18:30:36 修改
阅读量575 收藏 6
点赞数 5
CC 4.0 BY-SA版权
分类专栏： stable diffusion 0基础学习 文章标签： stable diffusion
于 2024-05-19 20:29:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wwwfdfsf/article/details/139046707

在stable diffusion中所有和扩展有关的功能都被放到了扩展标签中

它的下方有一些选项

第一.插件安装

1.安装1：选择第二个标签，你可以看到可下载的插件，搜索框可以帮助你快速找到想要下载的插件

安装2：链接安装，插件制作出来，作者一般都会发送到gitee、github网站上，复制这些链接到第三个标签中即可

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Stable Diffusion WebUI 图库浏览器插件：浏览器以前生成的图片
水滴的博客
02-28 2631
大家好，我是水滴~~本文介绍的插件叫图库浏览器，是一个用于浏览器以前生成的图片信息的插件。本文将介绍该插件的安装和使用，希望能够对你有所帮助。
StableDiffusion实用插件推荐- Image Browsing介绍
在路上的博客
07-17 1053
ImageBrower不仅是一个图像浏览器，也是一个强大的图像管理器。精确的图像搜索与多选择操作相结合，大大提高了效率。支持独立运行，无需sd - web
萤火跑模型 | 高性能 Stable Diffusion 助力高质量 AI 绘图
weixin_66945478的博客
01-05 1451
幻方 AI 近期在萤火二号上使用 Google Caption 数据集复现了 Stable Diffusion 的训练，并进行了优化。通过幻方自研的hfai.pl插件将源代码 Pytorch Lightning 框架与萤火集群的特性轻松整合，并通过 3FS、hfreduce、算子等优化工具对模型训练提速。 本文将分享我们对 Stable Diffusion 训练优化的心得体验，帮助研究者和开发者们降低研究门槛。
优化 Stable Diffusion --opt-sdp-attention
qq_42944545的博客
04-29 1102
--opt-sdp-attention
Stable Diffusion——使用TensorRT GPU加速提升Stable Diffusion出图速度
热门推荐
知来者逆的博客
02-08 1万+
NVIDIA 已发布了 TensorRT 稳定扩散工作流的演示，为开发者提供了一个参考实例，说明如何准备扩散模型并使用 TensorRT 加速这些模型。如果您有兴趣增强扩散工作流并为您的应用带来快速推理，这将是您的起点。 在此基础上，TensorRT 工作流应用于 Stable Diffusion 开发者常用的项目。在 Stable Diffusion Web UI 中实施 TensorRT 进一步普及了生成式 AI，并提供了广泛而轻松的访问。
【超详细教程】Stable Diffusion XL优化终极指南
不定期分享ai绘画相关知识~
07-26 1733
如何在自己的显卡上获得SDXL的最佳质量和性能，以及如何选择适当的优化方法和工具，这一让GenAI用户倍感困惑的问题，业内一直没有一份清晰而详尽的评测报告可供参考。直到全栈开发者Félix San出手。在本文中，Félix介绍了相关SDXL优化的方法论、基础优化、Pipeline优化以及组件和参数优化。
Apple官方优化Stable Diffusion绘画教程
duoshehuan6005的博客
12-06 4125
Apple官方优化Stable Diffusion绘画教程苹果为M1芯片优化Stable Diffusion模型，其中Mac Studio (M1 Ultra, 64-core GPU)生成512*512的图像时间为9秒。想要1秒出图，可以在线体验3090显卡AI绘画。在线体验地址:Stable Diffusion在线体验地址:Stable Diffusion苹果官方发布Python 包，用于使用 diffusers 和 coremltools 将 Stable Diffusion 模型从 PyTorch
第十一：stable diffusion的部署与常用插件安装【插件篇】
欢迎来到本博客！
10-12 893
【代码】第十一：stable diffusion的部署与常用插件安装【插件篇】
第十二：Stable diffusion扩展IC-Light插件的安装与教程
欢迎来到本博客！
10-12 1436
【代码】第十二：Stable diffusion扩展IC-Light插件的安装与教程。
AI作画实战：Stable Diffusion保姆级教程（2024最新版）
最新发布
AI天才研究院
05-08 1498
2024年，Stable Diffusion已从早期的文生图工具演进为支持多模态输入、高精度生成、实时交互的AI绘画生态。系统讲解Stable Diffusion 2024最新架构（如SDXL 1.0）与底层原理；覆盖从环境搭建到高阶应用（模型微调、多控制条件融合）的全流程；解析2024年社区新工具（如Fooocus 2.0）、优化技术（如TensorRT加速）及伦理规范。
Stable Diffusion视频插件Ebsynth Utility使用方法
m0_60659514的博客
10-23 2535
，并填入工程目录D:\AI\mm（和以前填的一样），点生成按钮。确定好大模型、提示词、各参数，尤其是Seed数后，选择“批量处理”，输入目录选择关键帧目录vodeo_key,输出目录选择D:\AI\mm\img2img_key，其他保留默认就好。选中步骤1，点生成，就会在工程目录下会自动增加两个文件夹，其中video_framek 中是分解出来的所有帧，video_mask中是蒙板帧。工程目录下就会生成关于关键帧的ebs文件，这个文件数量是根据视频的长短来定的，短的可能只有一个，长的可能有N多个。
首个中文Stable Diffusion模型开源；TPU演进十年；18个PyTorch性能优化技巧 | AI系统前沿动态...
OneFlow深度学习框架
11-03 5756
1. TPU演进十年：Google的十大经验教训希腊神话中，特洛伊战争的起因是两方争夺世界上最美的女人——海伦，后世诗人将海伦的美貌“令成千战舰为之起航”。TPU就像海伦，它的出现引起了“成千芯片与之竞逐”。可以说，TPU的问世引发了硅谷的“地震”。TPU宣布诞生后，Intel耗资数十亿美元收购了多家芯片公司，阿里巴巴、Amazon等竞争对手纷纷开始研发类似产品。TPU重新唤起了人们对计算机架构的...
stable diffusion实践操作-tagg插件-反推提示词
weixin_43360707的博客
09-04 9842
本章主要讲一个反推提示词的插件tagg.我们平时通过CLIP和DEEPBORU来反推提示词，但是这两个太慢，并且容易出错例如：以上就是今天要讲的内容。
[AI绘画懒人包] 三分钟搞定Stable Diffusion！只需浏览器就能免費打造你的AI女神！(免显卡版) Midjourney做不到的完美！
five小点心的博客
03-23 2549
通过网页如何使用stable diffusion这个AI绘图工具。
探索 Stable Diffusion WebUI：一款强大的图像浏览器和处理工具
gitblog_00048的博客
04-16 374
探索 Stable Diffusion WebUI：一款强大的图像浏览器和处理工具 在数据科学与人工智能领域，高效地处理和探索图像数据是至关重要的。今天，我们向您推荐一个名为 的项目，它是一款基于Web的图像浏览器和处理工具，旨在为研究人员和开发者提供便捷的图像管理和分析平台。 项目简介 Stable Diffusion WebUI 是一个轻量级且直观的Web应用程序，允许用户通过简单的界面浏览...
Stable Diffusion使用入门教程
benben044的专栏
06-08 8081
Stable Diffusion是一个文本到图像的潜在扩散模型，由CompVis、Stability AI和LAION的研究人员和工程师创建。它使用来自LAION-5B数据库子集的512x512图像进行训练
谷歌Colab云端部署Stable Diffusion 进行绘图
Pancras Wen的博客
04-20 3406
Stable Diffusion在谷歌Colab上面的部署，安装自己想要的模型
Stable Diffusion超全入门指南，保姆级教程！从此作图不求人(内附安装包）
2301_79790155的博客
10-18 904
2023年AI绘画真的火了！ 打开各大平台刷到的基本上都是用AI生成的画像、插画。 很多朋友想尝尝AI绘画的鲜，但是使用市场上的AI程序也好、软件也好，总是得不到自己想要的图片。 今天使用的是全网认可度最高的ai工具：Stable Diffusion，所以给大家梳理了一下使用心得，包括从下载到安装再到使用的过程。
仅做笔记用：Stable Diffusion 获取历史生成图片的 prompt
wujiuqier的博客
06-20 5187
不知怎么搞的，图库浏览器点开图片看不到生成图片的信息了。但是据信这些信息是写在 PNG 数据的某个附加区段的（参考博客文章《Python - PNG图掺入隐藏文本信息》）。Stable Diffusion 原生支持读取这些信息。并且除了图库浏览器，还有一个地方可以读取。
Stable diffusion 3.5 large turbo本地部署方案配置3050ti 8gb
03-08
<think>嗯，用户想了解如何在配备NVIDIA 3050 Ti 8GB显卡的本地部署Stable Diffusion 3.5 Large Turbo。首先，我需要确认这个模型是否存在，因为Stability AI的官方模型通常以SD 1.5、2.1或XL版本为主，可能用户提到的3.5版本是某个社区变体或者误传。需要先澄清这一点，但假设用户指的是某个特定的版本，接下来要考虑硬件要求。 3050 Ti 8GB的显存对于Stable Diffusion来说，通常可以运行基础模型，但Large Turbo可能指更大的模型，需要更多显存。可能需要使用优化技术，比如使用--medvram或--lowvram参数，或者在WebUI中启用xFormers来减少显存占用。 然后，用户可能需要安装Python、PyTorch等依赖环境，并选择合适的推理框架，比如Automatic1111的WebUI或者ComfyUI。需要注意PyTorch版本与CUDA的兼容性，3050 Ti属于安培架构，需要CUDA 11.6以上，而PyTorch 2.0以上版本支持较好。 另外，模型文件可能需要从Hugging Face或其他源下载，要确保用户知道如何安全获取。还要考虑显存不足时的应对策略，比如调整图像生成的分辨率，批量大小设为1，或者使用模型切片技术。 可能用户没有意识到显存限制，需要提醒他们如果遇到CUDA内存错误，应该采取哪些步骤来优化配置。最后，整理步骤，确保逻辑清晰，适合本地部署的流程，并给出常见问题的解决方法。</think>根据NVIDIA 3050Ti 8GB显卡的硬件条件，以下是本地部署Stable Diffusion模型（以当前主流版本为例）的优化方案： ----- **部署前须知** 1. 显存限制：8GB显存建议生成分辨率≤1024x1024（实测单张512x768需约5.5GB） 2. 推荐使用SD 1.5衍生模型（如RealisticVision）而非SDXL 3. 必须开启显存优化模式 ----- **硬件配置建议** ``` 操作系统：Windows 10/11 64位 21H2+ 处理器：Intel i5-10400 / Ryzen 5 3600 或更高 内存：≥16GB DDR4（推荐32GB） 存储：NVMe SSD预留≥15GB空间 ``` ----- **软件部署流程**（以Automatic1111 WebUI为例） **第一步 基础环境搭建** ```bash # 安装Python 3.10.6（必须版本） python -m venv sd_env .\sd_env\Scripts\activate # 安装PyTorch 2.0.1+cu118（针对30系显卡优化） pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` **第二步 WebUI部署** ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui cd stable-diffusion-webui # 修改启动参数（针对8GB显存） set COMMANDLINE_ARGS=--medvram --xformers --opt-split-attention ``` **第三步 模型配置** 1. 下载模型文件（示例）： - 基础模型：`v1-5-pruned-emaonly.safetensors`（4.27GB） - 加速插件：`turbovisionv1.2.safetensors` 2. 放置路径： ``` /models/Stable-diffusion # 主模型 /models/VAE # 解码器 /embeddings # Textual Inversion ``` ----- **生成参数优化建议** ```python { "steps": 20-30, # 步数限制 "sampler": "DPM++ 2M Karras", # 低显存采样器 "CFG scale": 7-9, "Hires.fix": "R-ESRGAN 4x+", # 超分放大策略 "Batch size": 1 # 必须单批次生成 } ``` ----- **常见问题解决** 1. **CUDA内存不足**： - 添加`--lowvram`启动参数 - 开启`Optimized attention computation` - 降低分辨率至768x512 2. **生成速度优化**： ```bash # 安装TensorRT加速 pip install nvidia-tensorrt==8.6.1 # 转换模型至TensorRT格式 python scripts/build_engine.py --model_dir=models ``` 3. **模型兼容问题**： - 检查cudnn版本≥8.9.4 - 更新GPU驱动至536.99+ ----- **性能参考数据（3050Ti）** | 分辨率 | 迭代步数 | 耗时 | 显存占用 | |----------|----------|--------|----------| | 512x768 | 20 | 3.2s | 5.1GB | | 768x1024 | 25 | 6.8s | 7.8GB | | 1024x1024| 30 | 11.4s | OOM | 建议配合`--always-batch-cond-uncond`参数使用以获得最佳性能表现。
评论 1
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

打赏作者

林溪（学习者）

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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