# AI_BOY

**Repository Path**: bfanfanfan/ai_-boy

## Basic Information

- **Project Name**: AI_BOY
- **Description**: stable-diffusion-webui交流学习
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 2
- **Created**: 2023-04-04
- **Last Updated**: 2024-01-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# stable-diffuisn-webui主题下载安装与定制
 **[stable-diffusion-webui主题下载安装与定制](./stable-diffusion-webui%E4%B8%BB%E9%A2%98%E4%B8%8B%E8%BD%BD%E5%AE%89%E8%A3%85%E4%B8%8E%E5%AE%9A%E5%88%B6.md)** 

 **[大话Stable-Diffusion-Webui系列博客订阅](https://blog.csdn.net/weixin_40660408/article/details/131141038)** 

# stable-diffusion-webui官方仓库

https://github.com/AUTOMATIC1111/stable-diffusion-webui

[wiki文档](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki)

# stable-diffusion-webui原理

[参考](https://stable-diffusion-art.com/how-stable-diffusion-work)

一些文章推荐：

https://zhuanlan.zhihu.com/p/597247221

# stable-diffusion-webui安装指南

[参考](https://stable-diffusion-art.com/install-windows/)

[NVIDIA显卡版本](https://blog.csdn.net/weixin_40660408/article/details/129896700)

[AMD显卡版本](https://blog.csdn.net/weixin_40660408/article/details/130139799)

[Google Colab搭建webui](安装/Google Colab上运行Stable diffusion webui.md)

# stable-diffusion-webui汉化

汉化插件：

https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN

https://github.com/VinsonLaro/stable-diffusion-webui-chinese

双语对照翻译插件：

https://github.com/journey-ad/sd-webui-bilingual-localization/blob/main/README_ZH.md

# stable-diffusion-webui参数设置

[参考](https://stable-diffusion-art.com/know-these-important-parameters-for-stunning-ai-images/)

## CFG Scale

**Classifier Free Guidance Scale**：提示词相关性，取值范围 1~30，值越大，生成的图像与提示词越吻合。

参数值

1：生成的图像大概率与提示词无关

3：生成的图像具有不确定性（创造性）

7：生成的图像中提示词相关性与随机性达到一个平衡，也是比较推荐的一个值

15：生成的图像更加倾向于提示词

30：严格按照提示词生成图像

## Sampling Steps

采样步骤。图像质量随着采样步骤的增加而增加，但更高的采样步骤有时候不一定可以得到更好的图像质量，建议设置为20，然后再往上微调。

## Sampling methods

采样方法。不同的采样方法代表求解模型的扩散方程的方式不同，但是会得到相同的计算结果，而由于数值的偏差可能会略有不同。各采样方法在采样步骤为20的情况下的计算时间如下：

![img](images/stable-diffusion-webui/image-16.png)

## Seed

随机种子。随机种子决定了初始化时的噪声模式，从而决定了最终图像的呈现。值为-1时代表每次都会生成一个随机的种子，因此每次生成的图像也不同，当固定使用一个种子时（可用于微调上一次生成的图像），每次生成图像时都会以该种子生成的图像为基础图像。如果一次生成多张图像 ，则第二张图像的种子会在第一张图像的种子基础上加1，以此类推。

## Image size

图像输出大小。默认 512 * 512。

## Batch size

每次生成图像的数量，可以一次生成多张图像来进行对比，进而反推当前提示词对于图像的主要影响。

## Restore faces

人脸修复。可以对面部和眼睛进行微调。

设置-面部修复-选择 CodeFormer，之后在主界面勾选 面部修复。

![image-20230409160033208](images/stable-diffusion-webui/image-20230409160033208.png)

![image-20230409160101530](images/stable-diffusion-webui/image-20230409160101530.png)

# 模型

[模型工作原理](https://stable-diffusion-art.com/how-stable-diffusion-work/#Diffusion_model)

## 模型下载

https://huggingface.co/models?other=stable-diffusion

https://civitai.com/

https://rentry.co/sdmodels

https://cyberes.github.io/stable-diffusion-models/

## 模型分类

[参考](https://stable-diffusion-art.com/models/#v2_models)

* **Checkpoint models**：这些是真正的稳定扩散模型，包含生成图像所需的一切，无需额外的文件。模型文件通常 2 – 7 GB。
* **[Textual inversions](https://stable-diffusion-art.com/embedding/)**：文本倒置。通过一些提示词对图像进行微调。体积很小，通常为 10 – 100 KB，必须和稳态模型同时使用。文件格式为`.bin`或者`.pt`
* **[LoRA models](https://stable-diffusion-art.com/lora/)**：该模型是对稳态模型的补充（可以看作是补丁），用于修改图像的样式，模型文件大小通常为 10-200MB，也是必须和稳态模型一起使用。
* **[Hypernetworks](https://stable-diffusion-art.com/hypernetwork/)**：该模型是对稳态模型的补充，为稳态模型的去噪模块UNet添加的额外的神经网络模块，体积大小通常为 5-300MB，也是必须和稳态模型一起使用。
* [Dreambooth](https://stable-diffusion-art.com/dreambooth/)：可以对整个模型进行微调，文件大小是 Stable Diffusion 的标准文件大小，通常为 2 – 4 GB。文件格式为`ckpt`

所以，后四种模型是对第一种稳态模型的微调，可以让最终生成的图像质量更佳。

### Embedding

Textual inversions的结果，这是一种在模型中定义新关键字而不修改模型的方法。该方法之所以受到关注，是因为它能够将新样式或对象注入到具有少至 3 -5 个样本图像的模型中。也就是可以改变图像的风格样式。

#### 下载地址

https://huggingface.co/sd-concepts-library

https://civitai.com/

#### 查看Embedding预设效果

https://huggingface.co/spaces/sd-concepts-library/stable-diffusion-conceptualizer

使用方式：

![image-20230402112020220](images/stable-diffusion/image-20230402112020220.png)

可以去到具体embeddings风格仓库中找到该风格的令牌标识符

![image-20230402112207109](images/stable-diffusion/image-20230402112207109.png)

#### stable-diffusion中使用Embedding

首先进入你要的embeddings风格的仓库中下载 learned_embeds.bin文件（可以重新命名，推荐以该风格名字命名，但不要改后缀.bin），将该文件放到stable-diffusion根目录下的 embeddings文件夹下，即`stable-diffusion-webui/embeddings`，重启 stable-diffusion 即可。如果启动时可以看到你自己加入的embedding名字代表就可以正常使用了：

![image-20230402113729951](images/stable-diffusion/image-20230402113729951.png)

在 stable-diffusion 中使用embedding：

```
embedding名字,自己的prompt
```

也可以给embedding加上权重

```
(embedding名字:权重) 自己的prompt
```

![image-20230402115400450](images/stable-diffusion/image-20230402115400450.png)

#### 注意事项

* stable-diffusion1.5的Embedding和stable-diffusion2.0的Embedding不能一起使用，因为他们的语言模型不同

### Dreambooth

dreambooth 由谷歌研究团队于 2022 年发布，可以将具体的主题（比如一个人、一个动物）放入标准模型中对整个模型进行微调，许多的自定义模型也是通过dreambooth训练的

### Hypernetwork

Hypernetwork 是一种微调技术，最初由 Novel AI 开发，是一个可以附加到稳定扩散模型的小型神经网络，主要用于修改稳态扩散模型中的噪声预测器 UNet的Cross-attention模块，从而达到修改样式的目的。

特点：训练快；神经网络文件小

![image-20230403205620890](images/stable-diffusion/image-20230403205620890.png)

LoRA模型同样是修改了稳态模型的这一部分，但是采取的方式不同，Hypernetwork 通过新增神经网络的方式更改稳态扩散模型，而LoRA通过改变权重的方式来更改稳态扩散模型。

#### 下载地址

https://civitai.com/

#### stable-diffusion中使用Hypernetwork 

将下载的 Hypernetwork 放到 stable-diffusion-webui/models/hypernetworks 文件夹下，以这个模型为例：

https://civitai.com/models/1399/water-elemental

将以上链接中下载好的模型放入models/hypernetworks 文件夹下，然后按照下图步骤

![image-20230403214031765](images/stable-diffusion/image-20230403214031765.png)

#### Hypernetwork训练指南

https://github.com/AUTOMATIC1111/stable-diffusion-webui/discussions/2670

### LoRA

LoRA（低秩适应）是一种用于微调稳定扩散模型的训练技术，具有体积小、训练速度快的特点。LoRA 对稳定扩散模型最关键的部分 **cross-attention layers** 进行了微小的更改。**cross-attention layers **是模型中图像和提示词相交的部分，通过微调模型的这一部分就足以实现比较好的的训练效果。以下稳定扩散模型架构中的黄色部分代表了**cross-attention layers **。LoRA可以将一个高阶矩阵分解为多个矩阵，这也是它提交比较小的原因。

![img](images/stable-diffusion/image-183.png)

#### 下载地址

https://civitai.com/

https://huggingface.co/lora-library

https://huggingface.co/models?other=stable-diffusion&sort=downloads&search=lora

#### LoRA在线训练

https://huggingface.co/spaces/lora-library/LoRA-DreamBooth-Training-UI

#### stable-diffusion中使用LoRA

将下载的 LoRA 模型放到 项目目录下的`stable-diffusion-webui/models/Lora`文件夹中即可。可以同时使用多个LoRA，模型，也可以和Embedding模型一起使用。

![image-20230404222348112](images/stable-diffusion/image-20230404222348112.png)

# 插件（扩展）

webui可以安装一些扩展插件，比如汉化插件。插件目录位于webui根目录下的`extensions`文件夹。官方推荐的一些[插件](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Extensions)。

插件的安装：比如这里安装[kitchen-theme](https://github.com/canisminor1990/sd-web-ui-kitchen-theme)，在webui的根目录下直接将插件克隆到`extensions`文件夹即可。

```cmd
git clone "https://github.com/canisminor1990/sd-web-ui-kitchen-theme" extensions/kitchen-theme
```

## 插件推荐

[prompt自动补全](https://github.com/DominikDoom/a1111-sd-webui-tagcomplete/blob/main/README_ZH.md)

[Civitai插件](https://github.com/butaixianran/Stable-Diffusion-Webui-Civitai-Helper)

[Civitai官方插件-还在开发中](https://github.com/civitai/sd_civitai_extension)

# webui界面设置

除了可以将模型选择放在最上面的Tab栏之外，其实还可以将其他设置也放在该Tab栏，比如这里将vae、clip相关设置放在Tab栏：

设置-用户界面-快捷键设置列表，默认为 `sd_model_checkpoint`,现在修改为`sd_model_checkpoint,sd_vae,CLIP_stop_at_last_layers`，然后保存设置，重新加载UI即可。其实这些设置的值都可以在webui根目录下的`config.json`中找到。

![](images/README/Snipaste_2023-04-17_21-43-58.png)

![](images/README/Snipaste_2023-04-17_21-50-35.png)