Stable Diffuse 之 安裝文件夾、以及操作界面 UI 、Prompt相關說明
目錄
Stable Diffuse 之 安裝文件夾、以及操作界面 UI 、Prompt相關說明
一、簡單介紹
二、安裝文件相關說明
三、界面的簡單說明
四、prompt 的一些語法簡單說明
1、Prompt ：正向提示詞 ，用文字描述在圖像中出現(xiàn)的內(nèi)容
2、Negative prompt：負面提示詞，用文字描述不想在圖像中出現(xiàn)的內(nèi)容
一、簡單介紹
Stable Diffusion是一個文本到圖像的潛在擴散模型，由CompVis、Stability AI和LAION的研究人員和工程師創(chuàng)建。它使用來自LAION-5B數(shù)據(jù)庫子集的512x512圖像進行訓練。使用這個模型，可以生成包括人臉在內(nèi)的任何圖像，因為有開源的預訓練模型，所以我們也可以在自己的機器上運行它，如下圖所示。
Stable Diffusion是一個AI 繪圖軟件 （開源模型），可本地部署，可切換多種模型，且新的模型和開源庫每天都在更新發(fā)布，最重要的是免費，沒有繪圖次數(shù)限制。
Github 網(wǎng)址：GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI
二、安裝文件相關說明
下面進行以下文件夾進行簡單說明：
1）embeddings
2）extensions
3）models
4）outputs
1、embeddings
embeddings 放置訓練的 embedding 模型，它可以在我們使用基礎模型時，再添加此模型進行疊加效果。 網(wǎng)頁界面 UI 對應位置如圖
2、extensions
extensions 插件安裝目錄，在 WebUI 插件安裝界面安裝后，可以此文件夾中查看，并上傳相應的插件模型（如 ControlNet 需要專門的模型）。 網(wǎng)頁界面 UI 對應位置如圖
3、models
models 模型文件夾，安裝時會默認下載 v1-5-pruned-emaonly，我們從其它地方下載的模型可以拷貝到此文件夾，在需要使用某個模型時，可以進行切換， 網(wǎng)頁界面 UI 對應位置如圖
4、outputs
outputs 生成的圖系統(tǒng)會輸出到這個文件夾里，可進行查看及保存。 網(wǎng)頁界面 UI 對應位置如圖
三、界面的簡單說明
1、txt2img： 文字生成圖片
Sampling method：采樣方法
● Euler a ：富有創(chuàng)造力，不同步數(shù)可以生產(chǎn)出不同的圖片。 超過 30~40 步基本就沒什么增益了
● Euler：最常見的基礎算法，最簡單也最快
● DDIM：速度快，一般 20 步差不多
● LMS：eular 的延伸算法，相對更穩(wěn)定一點，30 步就比較穩(wěn)定
● PLMS：改進一點的 LMS
● DPM2：DDIM 的一種改進版，速度大約是 DDIM 的兩倍
Sampling Steps：采樣迭代步數(shù)
先隨機出一個噪聲圖片，然后一步步調(diào)整圖片，向提示詞 Prompt 靠攏。其實就是告訴 Stable Diffusion，這樣的步驟應該進行多少次，步驟越多，每一步移動也就越小越精確，同時也成比例地增加生成圖像所需要的時間。大部分采樣器超過 50 步后意義就不大了
Restore faces：優(yōu)化面部，繪制面部圖像特別注意。原理是調(diào)用一個神經(jīng)網(wǎng)絡模型對面部進行修復
Tiling：生成一個可以平鋪的圖像
Highres. fix：先生成低分辯率的圖，接著添加細節(jié)之后再輸出，可以把低分辨率的照片調(diào)整到高分辨率
Batch count、 Batch size： 都是生成幾張圖，前者計算時間長，后者需要顯存大
Denoising strength：決定算法對圖像內(nèi)容的保留程度。因為加的噪聲少，原圖片部分多，加的噪聲多，原圖片部分少。在 0 處，什么都不會改變，而在 1 處，你會得到一個不相關的圖像
CFG Scale：對描述參數(shù)的傾向程度（也就是生成圖像與提示詞的一致程度），越低的值產(chǎn)生越有創(chuàng)意的結(jié)果，如果太低，例如 1，那 Promp t就完全沒用了。一般在 5~15 之間為好，7，9，12 是 3 個常見的設置值
Seed：種子數(shù)，只要種子數(shù)、參數(shù)、模型都一致，就能重新生成一樣的圖像，-1 的話是生成一個隨機數(shù)
2、img2img： 圖片生成圖片
與 txt2img 類似，在文字提示詞的基礎上，增加了圖片提示。
Denoising strength：與原圖一致性的程度，一般大于 0.7 出來的都是新效果，小于 0.3 基本就會原圖一致
3、Extras： “無損”放大圖片，優(yōu)化(清晰、擴展)圖像
主要將圖像進行優(yōu)化，Resize 設置放大的倍率，GFPGAN visibility 主要對圖像清晰度進行優(yōu)化，CodeFormer visibility 對于老照片及人臉修復很有效，權(quán)重參數(shù)為 0 時效果最大，為 1 時效果最小，建議從 0.5 開始嘗試。
Upscaler 放大算法，一般不清楚可不選，或者選 ESRGAN_4x
Batch from Directory 可以進行批量處理，在 Input directory 中輸入需要批量處理圖片的目錄，在 Output directory 中輸入保存結(jié)果目錄。
Scale to 中，可自定義圖片的尺寸
4、PNG info：從圖片 exif 里獲取圖片的信息，如果是 Stable Diffusion 原始生成的 png 圖片，圖片的 exif 信息里會寫入圖片生成參數(shù)
5、Checkpoint Merger：合并不同的模型，生成新的模型
6、Train：訓練 embedding 或者 hypernetwork
7、Settings：設置頁面
8、Extensions：插件的安裝和管理頁面
installed 表示已經(jīng)安裝好的插件
Available 表示在線可用的插件，一般都是從這里安裝。
點擊 Load from（加載自）: 加載出可用的插件，然后按 Ctrl + F，輸入想要安裝插件的名稱，以此進行查找。
install from URL 表示可以根據(jù)網(wǎng)址進行制定安裝，這里網(wǎng)址一般指的是github 倉庫地址
Backup/Restore 用來備份和恢復制定配置的
四、prompt 的一些語法簡單說明
1、Prompt ：正向提示詞 ，用文字描述在圖像中出現(xiàn)的內(nèi)容
正向提示詞例子：
(masterpiece:1.331), best quality,illustration,(1girl),
(deep pink hair:1.331), (wavy hair:1.21),(disheveled hair:1.331), messy hair, long bangs, hairs between eyes,(white hair:1.331), multicolored hair,(white bloomers:1.46),(open clothes),
beautiful detailed eyes,purple|red eyes),expressionless,sitting,dark background, moonlight,flower_petals,city,full_moon,?
分隔：不同的關鍵詞tag之間，需要使用英文逗號 , 分隔，逗號前后有空格或者換行不影響結(jié)果。例如：1girl,loli,long hair,low twintails（1 個女孩，loli，長發(fā)，低雙馬尾）
混合：WebUI 使用 | 分隔多個關鍵詞，實現(xiàn)混合多個要素，注意混合是同等比例、同時混。例如：1girl,red|blue hair, long hair（1個女孩，紅色與藍色頭發(fā)混合，長發(fā)）
增強/減弱：有兩種寫法。
● 第一種 (提示詞:權(quán)重數(shù)值)：數(shù)值從0.1~100，默認狀態(tài)是 1，低于 1 就是減弱，大于 1 就是加強。例如：(loli:1.21),(one girl:1.21),(cat ears:1.1),(flower hairpin:0.9)
● 第二種 (((提示詞)))，每套一層()括號增強 1.1 倍,每套一層 [] 減弱 1.1 倍。也就是套兩層是1.1*1.1=1.21 倍，套三層是 1.331 倍，套 4 層是 1.4641 倍。例如： ((loli)),((one girl)),(cat ears),[flower hairpin]，這與第一種寫法等價，所以還是建議使用第一種方式。
漸變：可簡單的理解時為，先按某種關鍵詞生成，然后再此基礎上向某個方向變化。
[關鍵詞1:關鍵詞2:數(shù)字]，數(shù)字大于 1 理解為第 X 步前為關鍵詞 1，第 X 步后變成關鍵詞 2，數(shù)字小于 1 理解為總步數(shù)的百分之 X 前為關鍵詞 1，之后變成關鍵詞 2。
例如：a girl with very long [white:yellow:16] hair 等價為開始 a girl with very long white hair
，16步之后 a girl with very long yellow hair
例如：a girl with very long [white:yellow:0.5] hair 等價為開始 a girl with very long white hair，50% 步之后 a girl with very long yellow hair
交替：輪流使用關鍵詞，例如：[cow|horse] in a field，這就是個牛與馬的混合物；[cow|horse|cat|dog] in a field 就是牛、馬、貓、狗之間混合。
2、Negative prompt：負面提示詞，用文字描述不想在圖像中出現(xiàn)的內(nèi)容
一些常見的負面提示詞：
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,missing arms,long neck,
Humpbacked,missing limb,too many fingers,
mutated,poorly drawn,out of frame,bad hands,
owres,unclear eyes,poorly drawn,cloned face,bad face文章來源：http://www.zghlxwxcb.cn/news/detail-705089.html
prompt 提示詞先介紹到這里，后面將會一篇單獨文章進行說明文章來源地址http://www.zghlxwxcb.cn/news/detail-705089.html
到了這里，關于Stable Diffuse 之 安裝文件夾、以及操作界面 UI 、Prompt相關說明的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
