Stable Diffusion攻略集(Stable Diffusion官方文档、kaggle notebook、webui资源帖)

文章目录

  • 第一部分
    • 一、 Features:Textual Inversion(文本反转)
      • 1.1 Textual Inversion 简介
        • 1.1.1 摘要
        • 1.1.2 算法
        • 1.1.3 模型效果
      • 1.2 Textual Inversion of webai
        • 1.2.1 预训练embedding用于图片生成
        • 1.2.2 训练embedding
        • 1.2.3 Finding embeddings online
        • 1.2.4 Hypernetworks
    • 二、 Features: Negative prompt
    • 三、Xformers依赖
    • 四、NVidia GPUs安装
      • 4.1 自动安装
      • 4.2 自定义安装
    • 五、命令行参数和优化
    • 六、安装和使用自定义脚本
  • 第二部分 kaggle notebook
    • 一、模型部署
      • 1.1 kaggle notebook
      • 1.2 colab、windows部署
    • 二、进阶教程
      • 2.1 Prompt运用规则及技巧
      • 2.2 Model资源
      • 2.3 Embedding/ Hypernetwork使用及训练
      • 2.4 Dreambooth使用及训练
      • 2.5 插件介绍

第一部分

本文翻译自stable-diffusion-webui官方文档

一、 Features:Textual Inversion(文本反转)

Textual Inversion:论文、博客,知乎贴、《paper笔记》

1.1 Textual Inversion 简介

1.1.1 摘要

  文生图模型为通过自然语言指导创作提供了前所未有的自由。然而,目前尚不清楚如何运用这种自由来生成特定独特概念的图像,修改其外观,或将其合成新角色和新场景。换言之,要把现实中的一些新概念(new concept)引入到生成中,单从文本出发还是不够的。

  本文提出了 personalized text-to-image generation,即个性化的文转图生成。可以基于文本+用户给的3-5张图(“new concepts”)来生成新的图像。

  提出了textual inversions,用于把图片概念转换成pseudo-words(伪单词)。然后一起合并到prompt中,从而生成一些具备这样概念的图片。

1.1.2 算法

  在大多数文生图模型的文本编码阶段,第一步是将prompt 转换为数字表示,而这通常是通过将words转换为tokens来完成的,每个token相当于模型字典中的一个条目(entry)。然后将这些entries转换为embeddings进行训练。

  我们发现了可以添加用户提供的special token (S*,表示新概念)来作为新的embedding。然后,将这个embedding link到新的伪单词,伪单词可以同其它词一样被合并到新的句子中。在某种意义上,我们正在对冻结模型的文本嵌入空间进行反转,所以我们称这个过程为Textual Inversion(文本反转)。

  我的理解,之前都是将文本编码为embedding进行训练,而Textual Inversion是将用户提供的图片(“A photo of S*”)以embedding的形式链接到某个伪单词上来表示一种概念。即embedding→文本,和之前是相反的过程。

模型结构如下图所示:
在这里插入图片描述

  • 本文是基于latent diffusion做的,只改进了其中text encoder部分的词表部分,添加S*来表达新概念,其它token的embedding不变,从而实现与新概念的组合。
  • 为了训练S*对应的文本编码v*,使用prompt “A photo of S*”生成新的图片,我们希望这个概念生成图片和用户给的图片相符合,从而学习到v*这个新概念。学到之后就可以利用S*来做新的生成了。
  • 损失函数:让通过这个句子prompt产生的图片和用户给的small sample(3~5张图)越近越好:
    在这里插入图片描述

1.1.3 模型效果

  1. Image Variations:相似图生成
      因为embedding 的学习目标本身就是要生成一摸一样的图片,所以本文的相似图生成效果很好:
    在这里插入图片描述
  2. Text-guided synthesis(文本引导生成)
    下面是基于学到的新概念的生成:

在这里插入图片描述

  和CLIP guided的方法的对比:最相近的工作是PALAVRA——把新概念图片先得到image embedding,再用对比学习的方法转成text embedding,然后再进行生成,而本文是直接学习pseudo-word。在guided diffusion中,有init image的生成效果会好很多,但是还是会出现原来图片变形的问题。

  1. Style transfer(风格迁移)
    通过in the style of 这样的prompt可以实现风格迁移:

在这里插入图片描述

Textual Inversion可以用来表示广泛的概念,包括视觉艺术风格。在某种意义上,我们可以学习一个代表特定艺术家或新艺术运动的伪词,并在未来的创作中模仿它。

  1. Concept compositions(概念组合)
    不同图片概念,组合起来进行生成,Unfortunately, this doesn’t yet work for relational prompts, so we can’t show you our cat on a fishing trip with our clock.
    在这里插入图片描述

  2. Downstream applications
    我们的伪词适用于下游模型。例如,将旧照片添加一些新元素来增加它们的趣味性:(把第二排图片中蓝色部分替换为第一排的元素)
    在这里插入图片描述

  3. Reducing Biases(减少偏见,略)

1.2 Textual Inversion of webai

参考《Features:Textual Inversion》

   webai允许用户使用Textual Inversion 将自己的图片进行训练,得到一个embedding(预训练的embedding),用于指导新图片的生成。这个预训练embedding是一个.pt.bin文件(前者是原始作者使用的格式,后者是diffusers library使用的格式)。

1.2.1 预训练embedding用于图片生成

  将预训练好的embedding(嵌入)放入embeddings目录,并在prompt中使用其文件名,无需重新启动程序即可生成新的图片。例如,下面是webai作者在WD1.2模型上,用53张图片(增强成119张)训练19500步后得到的Usada Pekora embedding。

在这里插入图片描述

prompt:portrait of usada pekora,Steps: 20, Sampler: Euler a, CFG scale: 7, Seed: 4077357776, Size: 512x512, Model hash: 45dee52b

您可以在一个prompt中组合多个embedding:(相比上图prompt多加了一个词——mignon)

在这里插入图片描述

prompt:portrait of usada pekora,mignon,Steps: 20, Sampler: Euler a, CFG scale: 7, Seed: 4077357776, Size: 512x512, Model hash: 45dee52b

  使用embedding生成新的图片时的模型,最好和训练这个embedding时的模型保持一致,否则生成效果可能不好。下面是WD1.2模型训练的usada pekora embedding,用在stable diffusion 1.4上进行生成的效果:(prompt和参数保持不变,但是生成的图片不是最开始的风格了)
在这里插入图片描述

prompt:portrait of usada pekora,Steps: 20, Sampler: Euler a, CFG scale: 7, Seed: 4077357776, Size: 512x512, Model hash: 45dee52b

1.2.2 训练embedding

  1. embedding训练说明

    • 该功能非常原始,使用风险自负
    • 创建一个新的empty embedding,选择待训练图像的目录,进行embedding训练。
    • 启用半精度浮点运算,但需试验开启前后效果是不是一样好。如果显存足够,使用--no-half --precision full更安全
    • 用于UI自动运行图像预处理的部分。
    • 中断后重启训练,不会丢失任何数据
    • 不支持batch sizes 或 gradient accumulation(梯度累积,用于显存不足),不支持–lowvram 和 --medvram flags。
  2. 参数说明

    • Creating an embedding
      • name:embedding的文件名。后续在prompt使用这个embedding时就用这个名字。
      • Initialization text(初始化文本):用于新建empty embedding的初始化。
        • 新建后会用Initialization text的embedding填充empty embedding。也就是如果你创建empty embedding后又不训练,那么这个embedding和Initialization text的embedding是一样的。
        • 比如你新建一个名为“zzzz1234”的empty embedding,然后选“tree”这个词作为Initialization text。那么不进行任何训练时,“zzzz1234”和“tree”的embedding是一样的
      • Number of vectors per token:empty embedding的size。
        • 比如webai模型默认prompt的长度上限是75个token,如果设置Number of vectors per token=16,那么你将这个empty embedding加入prompt后,就只能再写75-16=59个token了。
        • empty embedding的size越大,就可以融合更多的主题信息(概念信息),相应的,你就需要更多的图片,才能训练好这个empty embedding。
  • Preprocess:将目录下的图片进行Textual Inversion,并将结果写入另一个目录
    • Source directory:包含图像的目录
    • Destination directory:将写入结果的目录
    • Create flipped copies:对于每个图像,还要写入其镜像副本
    • Split oversized images into two:将过大的图像拆分为两张(短边与所需分辨率相匹配,两张图片可能相交)
    • Use BLIP caption as filename:使用BLIP模型向文件名添加标题。
  • Training an embedding
    • Embedding:从下拉列表中选择要训练的嵌入。
    • Learning rate:学习率,设置得太高,可能会破坏embedding
      • 比如在训练中提示Loss:nan,训练失败)。使用默认值时,不会发生这种情况。
      • 设置多个学习率,比如0.005:100, 1e-3:1000, 1e-5表示前100步lr=0.005,101-1000步时lr=1e-3,最后lr=1e-5。
    • Dataset directory:待训练图像的目录。
    • Log directory:样本图像和部分训练的嵌入副本将写入此目录。
    • Prompt template file: text file with prompts,每行一个,用于训练模型。
      • 训练风格使用style.txt(只需要3、5张图片),训练主题使用subject.txtNumber of vectors per token越大,需要的图片就越多)。文件中可以使用以下tag:
        • [name]:embedding名称
        • [filewords]:来自数据集图像文件名的单词。有关更多信息,请参见下文。
      • 有关如何使用这些文件,请参阅textual_inversation_templates目录中的文件。
    • Max stepsMax steps步后完成训练。模型训练一张图片是一个step。如果您训练中断后重启,会保留step数。
    • Save images with embedding in PNG chunks:每次生成图像时,都会将其与最近记录的嵌入合并,并以可以作为图像共享的格式保存到image_embeddings中,然后将其放入嵌入文件夹并加载。
    • Preview prompt:如果不为空,此prompt将用于生成预览图;如果为空,the prompt from training will be used。
  • filewords
    • [filewords]:提示模板文件( prompt template)的标签,默认下去掉图片文件名前面的数字和破折号(-)就是[filewords],比如图片000001-1-a man in suit.png的[filewords]就是a man in suit,是一个文本。这个文本可用在prompt中。
    • 可以使用选项Filename word regexFilename join string更改文件名中的文本。(感觉没必要,详情看原文档)
  1. 第三方库
    webai训练embeddings时还使用了Stable-textual-inversion_win和InvokeAI这两个github仓库。还有一些是关于diffusers library或者colab上训练的选项。

1.2.3 Finding embeddings online

  • huggingface concepts library :有很多不同的emb
  • 16777216c:NSFW,动漫艺术家风格。
  • Catoroboto:一些匿名的动画embedding。
  • viper1:NSFW,furry girls。
  • anon’s embeddings -NSFW:动漫艺术家。
  • rentry:包含多种SD模型的 Textual Inversion emb
    在这里插入图片描述

1.2.4 Hypernetworks

  Hypernetworks是在不影响模型权重的情况下微调模型的概念。目前是在textual inversion选项卡里训练hypernets,训练方式和textual inversion相同,但是学习率很低,比如5e15或者5e-6。这部分可参考《Hypernetworks训练指南》。
  Unload VAE and CLIP from VRAM when training:这个选项卡允许降低预览图生成速度来减少显存。

二、 Features: Negative prompt

  Negative prompt用于指定不想生成的内容,使用Negative prompt可以消除了Stable Diffusion的常见畸形,比如多余的肢体。Negative prompt可单独使用(即不用 prompt)。
  要使用Negative prompt,只需以下步骤:

# prompts = ["a castle in a forest"]
# negative_prompts = ["grainy, fog"]c = model.get_learned_conditioning(prompts)
uc = model.get_learned_conditioning(negative_prompts)samples_ddim, _ = sampler.sample(conditioning=c, unconditional_conditioning=uc, [...])

  Negative prompt用于指定不想生成的内容,使用Negative prompt可以消除了Stable Diffusion的常见畸形,比如多余的肢体。采样器(sampler)将比较prompt生成的图片和Negative prompt生成的图片之间的差异,并是最终生成结果逼近前者,远离后者,下面是一个示例:

  • 原始图片有雾状(fog)、颗粒感(grainy,画质低)
  • Negative prompt为fog:雾状没了但是生成奇怪的紫色
  • Negative prompt为grainy:没有雾状和紫色,但是色彩单调
  • Negative prompt为fog,grainy, purple:没有雾状和紫色,画质高,色彩饱和度高。
在这里插入图片描述在这里插入图片描述
negative prompt:Nonenegative prompt:fog
在这里插入图片描述在这里插入图片描述
negative prompt:grainynegative prompt:fog, grainy, purple

三、Xformers依赖

  Xformers库可以加速图像的生成(可选),没有适用于Windows的二进制文件(除了一个特定的配置外),可自行构建。

  1. linux上构建Xformers的指南:
#切换到webui根目录
source ./venv/bin/activate
cd repositories
git clone https://github.com/facebookresearch/xformers.git
cd xformers
git submodule update --init --recursive
pip install -r requirements.txt
pip install -e 
  1. Windows上构建xFormers(见原文档)

四、NVidia GPUs安装

在尝试安装之前,请确保满足所有必需的依赖项。

依赖项包括:

  • 安装Python 3.10.6git
  • 运行git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git下载webai项目,后续可以使用git pull命令更新项目。(windows用户安装git for windows后,在某个文件夹里右键单击选择Git Bash here打开git,运行此命令下载项目。)
  • 下载Stable Diffusion 模型文件(.ckpt)、sd-v1-4.ckpt放在项目根目录下的models/Stable-diffusion文件夹里。
  • Stable-diffusion 2.x 版本的模型,需要下载配套的.yaml配置文件,并放在.ckpt同名的文件夹中:768-v-ema.ckpt config、512-base-ema.ckpt config、512-base-ema.ckpt config

4.1 自动安装

  1. windows:运行webui-user.bat,如果运行失败可以参考Troubleshooting 。
  2. Linux:项目根目录下运行:bash <(wget -qO- https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh)

python launch.py可自动运行模型,运行时可以使用一些命令参数,比如:

python launch.py --opt-split-attention --ckpt ../secret/anime9999.ckpt

4.2 自定义安装

  更改webui-user.sh中的变量,并运行bash webui.sh,接下来自定义安装步骤、AMD GPUs安装、见原文档。此文档还有WSL2安装,conda安装等。

  更多关于安装的详细教程,可以参考帖子《使用stable-diffusion-webui部署NovelAi/Stable Diffusion1.4 /1.5/2.0 保姆级教程、命令解释、原理讲解(colab、windows、Linux )》

五、命令行参数和优化

命令行参数解释
--shareonline运行,也就是public address
--listen使服务器侦听网络连接。这将允许本地网络上的计算机访问UI。
--port更改端口,默认为端口7860。
--xformers使用xformers库。极大地改善了内存消耗和速度。Windows 版本安装由C43H66N12O12S2 维护的二进制文件
--force-enable-xformers无论程序是否认为您可以运行它,都启用 xformers。不要报告你运行它的错误。
--opt-split-attentionCross attention layer optimization 优化显着减少了内存使用,几乎没有成本(一些报告改进了性能)。黑魔法。默认情况下torch.cuda,包括 NVidia 和 AMD 卡。
--disable-opt-split-attention禁用上面的优化
--opt-split-attention-v1使用上述优化的旧版本,它不会占用大量内存(它将使用更少的 VRAM,但会限制您可以制作的最大图片大小)。
--medvram通过将稳定扩散模型分为三部分,使其消耗更少的VRAM,即cond(用于将文本转换为数字表示)、first_stage(用于将图片转换为潜在空间并返回)和unet(用于潜在空间的实际去噪),并使其始终只有一个在VRAM中,将其他部分发送到CPU RAM。降低性能,但只会降低一点-除非启用实时预览。
--lowvram对上面更彻底的优化,将 unet 拆分成多个模块,VRAM 中只保留一个模块,破坏性能
*do-not-batch-cond-uncond防止在采样过程中对正面和负面提示进行批处理,这基本上可以让您以 0.5 批量大小运行,从而节省大量内存。降低性能。不是命令行选项,而是使用–medvramor 隐式启用的优化–lowvram。
--always-batch-cond-uncond禁用上述优化。只有与–medvram或–lowvram一起使用才有意义
--opt-channelslast更改 torch 内存类型,以稳定扩散到最后一个通道,效果没有仔细研究。

其它详见原文档。

六、安装和使用自定义脚本

  要安装自定义脚本,请将它们放入scripts目录,然后单击设置选项卡底部的Reload custom script按钮。安装后,自定义脚本将出现在txt2img和img2img选项卡的左下方下拉菜单中。以下是Web UI用户创建的一些著名的自定义脚本:

  1. prompt改进脚本:https://github.com/ArrowM/auto1111-improved-prompt-matrix
    • 本脚本支持prompt矩阵格式,用于一次生成多个prompt,每个prompt可生成多张图片(脚本代码)
    • 使用<>创建一个prompt矩阵,矩阵中用|进行分隔。例如a <corgi|cat> wearing <goggles|a hat>,表示4个prompt:a corgi wearing goggles, a corgi wearing a hat, a cat wearing goggles, a cat wearing a hat
    • 如果设置batch count > 1,忽略 batch size,每个seed,每个prompt都会进行生成。
      在这里插入图片描述
  2. txt2img2img:https://github.com/ThereforeGames/txt2img2img
    大大提高任何角色/主题的可编辑性,同时保持其相似性。该脚本的主要动机是提高通过Textual Inversion.创建的embedding的可编辑性。在这里插入图片描述
  3. txt2mask:https://github.com/ThereforeGames/txt2mask
    可以使用文本指定mask修复部分,而不是用笔刷。
    在这里插入图片描述
  4. Mask drawing UI:https://github.com/dfaker/stable-diffusion-webui-cv2-external-masking-script
    提供CV2支持的本地弹出窗口,允许在处理前添加掩码。
  5. Img2img Video:https://github.com/memes-forever/Stable-diffusion-webui-video
    使用img2img,依次生成图片。
  6. Seed Travel:https://github.com/yownas/seed_travel
    选择多个种子,并在它们之间生成插值图像序列,或者是一个视频,点此查看示例。
  7. Advanced Seed Blending:https://github.com/amotile/stable-diffusion-backend/tree/master/src/process/implementations/automatic1111_scripts
    可以设定seed权重,例如:seed1:2, seed2:1, seed3:1,也可以使用浮点数:seed1:0.5, seed2:0.25, seed3:0.25
  8. Prompt Blending:https://github.com/amotile/stable-diffusion-backend/tree/master/src/process/implementations/automatic1111_scripts
    支持多个prompt的加权组合,例如:Crystal containing elemental {fire|ice},也支持嵌套:Crystal containing elemental {{fire:5|ice}|earth}
  9. Animator:https://github.com/Animator-Anon/Animator
    适用于制作视频

余下内容有空再写了。下面是模型部署和应用的一些资源收集贴,也没有好好整理,感觉太麻烦了。


第二部分 kaggle notebook

一、模型部署

  • 此笔记本基于stable-diffusion-webui项目,默认使用momoko模型,点此即可打开。

1.1 kaggle notebook

  1. 下载项目
#测试GPU
!nvidia-smi#下载stable-diffusion-webui
%cd /kaggle/working/
!git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui#在models文件夹下新建新建hypernetworks目录
!mkdir -p  /kaggle/working/stable-diffusion-webui/models/hypernetworks 
%cd /kaggle/working/stable-diffusion-webui/models/Stable-diffusion
  1. 切换喜欢的模型,默认是momoko

    • 更改模型的默认方法是,将input文件夹中你需要的模型移入working/stable-diffusion-webui/models/Stable-diffusion/文件夹下
    • 也可以使用ChangeModel函数更换模型,这种方式是更改读取模型的路径,所以不需要复制模型文件本体。如果模型生成图片老是有点灰色,在下面红色选项框中下拉选择VAE(前提是将模型对应的VAE文件复制到/kaggle/working/stable-diffusion-webui/models/VAE文件夹下)
    • momoko模型(色彩鲜艳,质量很高)和Anything模型的介绍,可参考视频《一键搭建代码更新anything及momoko-p模型》
    • 更多模型可见《Stable Diffusion Models》

  下面是将/kaggle/working/stable-diffusion-webui/modules/sd_models.py中,默认的模型读取地址model_dir = ".*?"用正则表达式替换为 model_dir = “/kaggle/input/{}”,其中 {} 被替换为变量 modelPath 的值。替换后将该内容写入sd_models.py文件。

#最新切换模型方法
import re,os,shutildef ChangeModel(modelPath):with open ('/kaggle/working/stable-diffusion-webui/modules/sd_models.py','r') as f:tt = f.read()tt = re.sub('model_dir = ".*?"','model_dir = "/kaggle/input/{}"'.format(modelPath),tt)with open ('/kaggle/working/stable-diffusion-webui/modules/sd_models.py','w') as f:f.write(tt)#在你想要使用的模型对应的代码前去掉#,其他模型的对应代码前加上#
chooseModel = ''#二次元
#chooseModel='animefulllatestckpt'      #1. 7g animefull-final-latest,二次元和写实风兼有
#chooseModel='animefullfinalpruned'     #2. 4g animefull-final-pruned,二次元风格
#chooseModel='anythingv3'               #3. 7g Anything-v3.0 Novel AI最新模型
chooseModel='momoko'                    #4. momoko
#chooseModel='mignon'                   #5. Mignon
#chooseModel='moxing'                   #6. MomoCha&Mecha
#chooseModel='nicenice'                 #7. nice#写实风
#chooseModel='stable-diffusion-1-5'     #1. stable-diffusion 1.5
#chooseModel='inpainting'               #2. stable diffusion 1.5 inpainting,(专用于inpaint的模型)
#chooseModel='stable-diffusion-2-768'   #3. stable diffusion 2.0
#chooseModel='redshiftdiffusionv1'      #4. edshift diffusion v1
#chooseModel='modf222'                  #5. f222
#chooseModel='insins'                   #6. ins写真风
#chossModel='realyolyjijiajohn'         #7. 融合多个模型的写实风model_list=['momoko','animefullfinalpruned','redshiftdiffusionv1','mignon','nicenice','insins']
if chooseModel in model_list:try:# shutil.copytree(src,dst)。将文件夹 src 中全部文件递归复制到 dst ,dst 若不存在时系统自动创建~shutil.copytree('/kaggle/input/tagcomplete3w2cn/wd14-tagger/wd14-tagger','/kaggle/working/stable-diffusion-webui/extensions/wd14-tagger')except:pass
else:try:# 递归删除整个文件夹下所有文件,包括此文件夹shutil.rmtree('/kaggle/working/stable-diffusion-webui/extensions/wd14-tagger/')except:pass
ChangeModel(chooseModel)
print('模型已切换成:'+chooseModel)
  1. 安装扩张功能和插件、脚本
    a. 扩展功能:
!apt install -y aria2 # Aria2是一个命令行下载器,可从百度网盘下载资源# 安装animefull-final-latest (可选)
!aria2c -d /kaggle/working/stable-diffusion-webui https://cloudflare-ipfs.com/ipfs/bafybeiav3j7npiuewbel3mi32l3sidgkw54kuleosbhxmdvddbnvtfi7yu/config.yaml
#!aria2c https://pub-2fdef7a2969f43289c42ac5ae3412fd4.r2.dev/animefull-latest.ckpt
#!aria2c -d /kaggle/working/stable-diffusion-webui/models/Stable-diffusion https://raw.githubusercontent.com/Stability-AI/stablediffusion/main/configs/stable-diffusion/v2-inference-v.yaml# 安装embeddings (可选)
!aria2c https://cloudflare-ipfs.com/ipfs/bafybeie3hdjchxs5tz4n75bos53nhcklslguxchdurc2ynrzcfv2kwyklu/embeddings.tar
!tar xvf embeddings.tar -C /kaggle/working/stable-diffusion-webui/embeddings && rm -rf embeddings.tar# 安装hypernetwork (可选)
!aria2c https://cloudflare-ipfs.com/ipfs/bafybeiduanx2b3mcvxlwr66igcwnpfmk3nc3qgxlpwh6oq6m6pxii3f77e/_modules.tar  
!tar xvf _modules.tar -C /kaggle/working/stable-diffusion-webui/models/hypernetworks && rm -rf _modules.tar

b. 安装插件

  • 参考《Stable-diffusion-webui 插件拓展及依赖汇总》、插件翻译列表((含主要插件)
  • 详细文档和项目地址见《a1111-sd-webui-tagcomplete》,也可参考帖子《Prompt自动补全脚本》
  • tagcomplete:本脚本为 stable-diffusion-webui的自定义脚本,能在输入Tag时提供booru风格(如Danbooru)的TAG自动补全。因为有一些模型是基于这种TAG风格训练的(例如Waifu Diffusion),因此使用这些Tag能获得较为精确的效果。
  • DeepDanbooru:DeepDanbooru是一个动漫风格的女孩图像标签评估系统,在webui的img2img选项页,第一次点击deepdanbooru时程序会自动下载pt检查点文件并调用。
  • images-browser:这是一个图像浏览器,用于浏览过去生成的图片,查看其生成的信息,将提示发送到txt2img或img2img,将图像收集到您的“收藏夹”文件夹,删除您不再需要的图像,您还可以在计算机中的任何文件夹中浏览图像
  • webUI简体中文语言包,简体中文翻译扩展,适用于 stable diffusion webui。
  • Aesthetic Gradients
    • 美学权重功能(以插件形式提供),借助该功能,可以在保持作品原始的总体构图上提高美观度。
    • 结合hypernetwork使用效果更佳
    • 支持txt2img和img2img

将上述插件下载后复制到extensions文件夹,即可完成安装。

%cd /kaggle/working/stable-diffusion-webui/extensions
# 下载安装webUI简体中文语言包,tagcomplete补全Tag插件、images-browser
!git clone https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN
!git clone https://github.com/DominikDoom/a1111-sd-webui-tagcomplete
!git clone https://github.com/yfszzx/stable-diffusion-webui-images-browser

c. 安装脚本
webui也提供众多脚本,详细介绍参考官方文档Custom Scripts。下面选了一个提示词矩阵脚本。

  • 本脚本支持prompt矩阵格式,用于一次生成多个prompt,每个prompt可生成多张图片(脚本代码)
    • 使用<>创建一个prompt矩阵,矩阵中用|进行分隔。例如a <corgi|cat> wearing <goggles|a hat>,表示4个prompt:a corgi wearing goggles, a corgi wearing a hat, a cat wearing goggles, a cat wearing a hat
    • 如果设置batch count > 1,忽略 batch size,每个seed,每个prompt都会进行生成。
  • 注意:使用提示词矩阵脚本,但是其实没有设置提示词矩阵,图片生成时会出现报错
%cd /kaggle/working/stable-diffusion-webui/scripts/
!git clone https://github.com/ArrowM/auto1111-improved-prompt-matrix
  1. 启动模型,开始生成图片

参考《使用stable-diffusion-webui搭建AI作画平台使用stable-diffusion-webui搭建AI作画平台》

  • --share参数 会得到一个以.app.gradio 结尾的链接,这是在协作中使用该程序的预期方式。(不加 --share 没法远程使用)
  • 安装并启动stable-diffusion-webui,成功后打开public URL就可以生成图片了
  • 报错No module ‘xformers‘. Proceeding without it是因为没装xformers,运行以下代码安装
%cd /kaggle/working/stable-diffusion-webui
# 加载模型。sed -i表示将字符串直接写入sd_models.py文件
!sed -i 's/map_location="cpu"/map_location="cuda"/g' /kaggle/working/stable-diffusion-webui/modules/sd_models.py
import gc
gc.collect()
#  use normal stable-diffusion
!COMMANDLINE_ARGS="--share --gradio-debug --config config.yaml --disable-safe-unpickle " REQS_FILE="requirements.txt" python launch.py

将生成的图片进行打包,方便下载。

!zip -q -r output.zip /kaggle/working/stable-diffusion-webui/outputs 
!mv /kaggle/working/stable-diffusion-webui/output.zip /kaggle/working/output.zip
  1. webui界面介绍
    通过前面的安装配置,你就可以通过你设置的端口进行访问。访问内容后分为几个大的模块;
  • txt2img — 标准的文字生成图像;
  • img2img — 根据图像成文范本、结合文字生成图像;
  • Extras — 优化(清晰、扩展)图像;
  • PNG Info — 图像基本信息
  • Checkpoint Merger — 模型合并
  • Textual inversion — 训练模型对于某种图像风格
  • Settings — 默认参数修改

此部分请参考知乎贴《模型应用—使用Stable Diffusion UI手册》使用部分。

  1. 手把手教你在linux中手动编译并安装xformers

1.2 colab、windows部署

详见《部署NovelAi/Stable Diffusion1.4 /1.5/2.0 保姆级教程》

二、进阶教程

2.1 Prompt运用规则及技巧

参考《NovelAI资源及使用技巧收集汇总》、《Stable-diffusion 标签Tag (脸部方法构造)》、元素同典、元素法典、《魔咒百科词典》、《Prompt Magic Tutorial》

  1. 通用Tag起手式:

    • 正向:
      masterpiece, best quality, 更多画质词,画面描述
    • 反向:
      nsfw, 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
  2. 越靠前的Tag权重越大;比如景色Tag在前,人物就会小,相反的人物会变大或半身。

  3. 生成图片的大小会影响Prompt的效果,图片越大需要的Prompt越多,不然Prompt会相互污染。

  4. 在Stable Diffusion 中使用()英文括号可增加括号中Tag在画面中的权重 x1.1,[]可减小Tag权重x0.91。在NovelAi官网中,使用{}增加权重x1.05。

  5. Prompt支持使用emoji,且表现力较好,可通过添加emoji达到表现效果。如😍形容表情,🖐可修手。

  6. “+” , “ AND” , “|” 用法:

    • “+”和“ AND ”都是用于连接短Tag,但AND两端要加空格。"+“约等于” and "
    • “|” 为循环绘制符号(融合符号)
      (Prompt A: w1)|(Prompt B: w2)
      以上表达适用于WebUI,w1、w2为权重。AI会对A、 B两Prompt进行循环绘制。可往后无限加入Prompt。
  7. Prompt格式优化:简易换行三段式表达:

    • 第一段: 画质tag,画风tag
    • 第二段:画面主体,主体强调,主体细节概括。(主体可以是人、事、物、景)画面核心内容。第二段一般提供人数,人物主要特征,主要动作(一般置于人物之前),物体主要特征,主景或景色框架等
    • 第三段:画面场景细节,或人物细节,embedding tag。画面细节内容
  8. 元素同典调整版语法:
    质量词→前置画风→前置镜头效果→前置光照效果→(带描述的人或物AND人或物的次要描述AND镜头效果和光照)*系数→全局光照效果→全局镜头效果→画风滤镜(embedding)

实例展示:

在这里插入图片描述
parameters:

Prompt:

(((masterpiece))), best quality, ultra-detailed, extremely detailed CG unity 8k wallpaper,best illustration, an extremely delicate and beautiful,floating,high resolution,dynamic angle,dynamic pose,(1girl),blue eyes,(multicolored_hair+silver hair:1.3+red hair:1.2+purple hair+yellow hair:1.3+green hair:1.3), white wuxia clothes,neck ribbon, beautiful face,too many drops of water,cloud,twilight, wide shot,watercolor,

Negative prompt:

lowres, bad anatomy, bad hands, text,error, missing fIngers,extra digt ,fewer digits,cropped, worst quality ,low quality,normal quality, jpeg artifacts,signature,watermark, username, blurry, bad feet,fused body,

Steps: 34, Sampler: DPM++ 2S a, CFG scale: 10.5, Seed: 1351767725, Size: 960x576, Model hash: 925997e9, Eta: 0.68, Clip skip: 2, ENSD: 31337
GFPGAN visibility:1.Upscale: 3, visibility: 1.0, model:ESRGAN_4x

更多内容请看原贴。

也可简单一点,使用chatGPT来实现stable-diffusion描述词生成、让chatGPT帮你AI绘画
在这里插入图片描述

2.2 Model资源

  使用注意:与ckpt文件同名的vae.pt文件用于稳固该模型的表现,直接放在相同文件夹即可。训练时将该文件改名或移走。并不是所有模型都需要使用vae文件

公开资源:

  • https://rentry.org/sdmodels(目前觉得比较全)
  • https://cyberes.github.io/stable-diffusion-models/(SD模型)
  • https://publicprompts.art/(App Icon Generator,比较有趣想资源)
  • https://huggingface.co/ (在网站中检索) 作者:小白随心所欲

2.3 Embedding/ Hypernetwork使用及训练

参考《NovelAI资源及使用技巧收集汇总》、《NovelAI hypernetwork 自训练教程》

2.4 Dreambooth使用及训练

  • 秋叶训练视频《保姆式Dreambooth训练教程 autodl在线训练 NovelAI》《dreambooth使用教程》
  • 白菜的教程《dreambooth 训练风格/人物》 、星空教程《DreamBooth多人物和物体训练法 Colab云端训练》
  • 知乎《StableDiffusion/NAI DreamBooth自训练全教程》、

2.5 插件介绍

  1. Aesthetic-gradients(美术风格embedding)使用
    • 素材保证高质量,尺寸不限,随建随用。优化画风,效果同emb和hypernetwork。batch按图片数量填就行。
    • 建议图片集尽量挑选画风一致的图片,就算是同一画师,不同的画也有区别。
  2. X/Y plot(参数对比)
    通过设置X轴和Y轴的参数,可以产出参数变化的对比图。
    在这里插入图片描述
    如上图填写X轴为hypernetwork,只需填上hypernetwork的文件名即可。注意,开头逗号和结尾逗号会分别在开头和结尾生成一张效果同none的图片。
    在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/27997.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android开发的中年坎怎么跨?与其坐以待毙的焦虑,不如找准出路提高技能!

35岁程序员的中年危机是个魔咒 35岁&#xff0c;已经真的成了所有职场人都不容易迈过去的一道坎。找工作&#xff0c;大多数公司把年龄限制在35岁以下&#xff0c;35岁左右的人&#xff0c;连面试资格都没有。 各大公司一到大规模裁员&#xff0c;35岁以上的普通员工&#xf…

GPT- 4 标注能力直逼人类,成本大砍90%,数据众包危矣?

人类标注员很可能将面临来自大语言模型的残酷冲击。 人工智能本身并不是很智能&#xff0c;这是一个公开的“秘密”。机器学习系统通常依赖低薪众包工人进行标注和微调&#xff0c;很难脱离“有多少人工&#xff0c;就有多少智能”的魔咒。 即便强大如谷歌、微软这样的大公司…

Docker 更换镜像内部的软件源为国内源(apt-get源)

Docker 更换镜像内部的软件源为国内源&#xff08;apt-get源&#xff09; 1、查看镜像内部的软件源2、查看系统版本3、更换软件源3.1 在镜像内部更换3.2用Dockerfile构建时更换 1、查看镜像内部的软件源 rootb09e8f69dc59:/# cat /etc/apt/sources.list deb http://deb.debian…

国内镜像源详细使用教程!

WARNING: Retrying (Retry(total2, connectNone, readNone, 这些天一直肝金融学&#xff0c;脑子一直放空&#xff0c;看不太下去&#xff0c;于是乎就想股票的k线图&#xff0c;想着怎么下载k线图&#xff0c;然后从下载库开始就出现大问题了&#xff0c;就记录了一下自己这憨…

源、镜像、镜像源,更换镜像源apt-get、pip、conda 全部搞懂

源、镜像、镜像源&#xff0c;更换镜像源apt-get、pip、conda 全部搞懂 1. 源是什么&#xff1f;2. 镜像是什么&#xff1f;3. 镜像源是什么&#xff1f;4. 更换apt镜像源4.1 清华镜像源4.2 阿里镜像源 5. 更换pip源5.1 清华镜像源5.2 其他镜像源 6. 更换conda源6.1 清华镜像源…

【笔记】pip镜像源改为国内源(Windows、Linux、Mac)

pip镜像源修改 &#x1f3f7;简介&#x1f3f7;修改pip镜像源&#xff08;Windows&#xff09;&#x1f3f7;修改pip镜像源&#xff08;Linux&#xff09;&#x1f3f7;修改pip镜像源&#xff08;Mac&#xff09;&#x1f3f7;结语 &#x1f3f7;简介 当我们在使用Python的pip…

ubuntu更改镜像源(软件源)

更新Ubuntu软件下载地址 1. 寻找国内镜像源 所谓的镜像源&#xff1a;可以理解为提供下载软件的地方&#xff0c;比如Android手机上可以下载软件的91手机助手&#xff1b;iOS手机上可以下载软件的AppStore 2. 备份Ubuntu默认的源地址 sudo cp /etc/apt/sources.list /etc/apt/…

使用Amazon SageMaker构建高质量AI作画模型Stable Diffusion

使用Amazon SageMaker构建高质量AI作画模型Stable Diffusion 0. 前言1. Amazon SageMaker 与机器学习1.1 机器学习流程1.2 Amazon SageMaker 简介1.3 Amazon SageMaker 优势 2. AIGC 与 Stable Diffusion2.1 步入 AIGC 时代2.2 Stable Diffusion 介绍 3. 使用 Amazon SageMaker…

上海首个大模型产业发展研讨会圆满落幕,众顶尖专家共探大模型产业

4月21日&#xff0c;由上海市数据科学重点实验室携手达观数据、上海浦东软件园联合举办的“大模型产业发展研讨会”圆满落幕。本次研讨会是继达观数据在北京、成都顺利举办“ChatGPT及大模型专题研讨会”后的又一场科技盛会&#xff0c;当天大会汇聚了大模型产业国际和国内顶尖…

李永乐六套卷-2021

可以猜&#xff0c;应该是2-a&#xff0c;a-2和1比较 AB显然正确 看哪个可以对角化&#xff0c;且特征值为2,2,-1 注意乘2x,所以我们关注x^3 要加C

李永乐线性代数手写笔记-向量

李永乐线性代数基础知识&#xff0c;整理放在博客上面&#xff0c;方便自己复习查看。 概览请移步李永乐线性代数2020年基础课手写笔记汇总 文章目录 一 基本概念和运算二 线性表示三 相关和无关四 向量组和矩阵的秩 一 基本概念和运算 二 线性表示 三 相关和无关 四 向量组和…

B站李永乐讲解傅里叶变换--笔记

笔记目录 引言一、变换&#xff08;一&#xff09;举例&#xff08;图像<---->坐标&#xff09;&#xff08;二&#xff09;标准正交基 二、傅里叶变换&#xff08;一&#xff09;傅里叶级数&#xff08;二&#xff09;连续傅里叶变换&#xff08;三&#xff09;应用 三、…

李永乐660高等数学极限题目技巧

本文内容为李永乐660极限题目技巧&#xff0c;源文件已经上传到我的资源中,有需要的可以去看看, 我主页中的思维导图中内容大多从我的笔记中整理而来,相应技巧可在笔记中查找原题, 有兴趣的可以去 我的主页 了解更多计算机学科的精品思维导图整理 本文可以转载&#xff0c;但…

李永乐说股票

1.每股净资产 净资产/股本数 2.市值 每股价格 x 股本数 3.市净率 市值/净资产 每股价格/每股净资产 市净率越高表示市场对股票认可越高&#xff0c;越高估 越低说明股票越低估 买入会赚得多 市净率低&#xff0c;相对安全,越值钱 市盈率 1.每股利润净利润/股本数 2.…

线性代数 李永乐强化班

一、理解线代物理意义 数字强调大小&#xff0c;线代强调方向 别的向量是基向量缩放得到的 向量不平行就线性无关吗 无关的向量可以张成一个子空间&#xff0c;即表示某一维度里面的任意一个向量 A特征向量特征值E*特征向量 标准基向量表示的特征向量换一种基向量任然是 相同的…

李永乐老师卷积神经网络

https://www.youtube.com/watch?vAFlIM0jSI9I 卷积过程 卷积核表示图像特征&#xff0c;比如一个右下的线条。 卷积核在图像上移动&#xff0c;做运算&#xff0c;就会得图像的特征图&#xff08;粉色的。有右下线条的地方数字会特别大。 卷积核的维度和数目 也有竖着的卷…

李永乐老师讲辛普森悖论

有个小朋友跟我说&#xff1a;他特别喜欢看篮球比赛&#xff0c;最喜欢的球星是湖人队的勒布朗詹姆斯。他曾经把詹姆斯和历史上的著名球员马龙做过比较&#xff0c;结果发现了一个神奇的现象&#xff1a;在整个生涯中&#xff0c;无论是二分球的命中率还是三分球的命中率&#…

李永乐讲卷积神经网络,李永乐老师讲人工智能

清华大学李永乐老师坐拥千万粉丝&#xff0c;他的课堂有什么魅力&#xff1f; 清华大学李永乐老师拥有上千万的粉丝&#xff0c;这个粉丝拥有量自己觉得很正常&#xff0c;因为每年都有上百万的学子关注这个老师&#xff0c;因为到考研的过程中有一个很大的难题就是数学。 无…

2022李永乐线性代数

2022李永乐线代视频教程 链接&#xff1a;https://pan.baidu.com/s/1oxWNn7o72l1SCtW4iszFGg 提取码&#xff1a;4r1e