@[toc]
爆火的Ai生图你体验到了吗？
没有绘画能力、摄影能力也能随心所欲的创作出自己的作品！
但是很多人因为高昂的硬件和繁琐的安装对它望而却步。
**lnscode**提供了学习和使用Stable Diffusion的环境，已经安装了相关软件和组件库，可直接启动Stable Diffusion WebUI进行创作
> **一、 Stable Diffusion 模型在线使用地址：**
https://inscode.csdn.net/@inscode/Stable-Diffusion
> **二、模型版本及相关配置：**
>
> 模型：primemix_v21.safetensors [b79a4f7283]
>
> 采样方法（Sampler）：DPM++ 2M Karras
>
> 采样迭代步数（steps）: 28
>
> 宽度（Width）: 521
>
> 高度（Height）: 768
>
> 生成批次（Batch count）：1
>
> 每批数量（Batch size）: 1
>
> 提示词相关性（CFG Scale）:7
> **三、图片提示词与反向提示词：**
>
> > 正向提示词：
> >
> > official art, unity 8k wallpaper, (high detail), beautiful and aesthetic, masterpiece, best quality,realistic, mage, feathered fan, wind spell, mountain, hanfu Delicate Illumination, Soft Highlights, Understated Depth, <lora:JPKniji5 oc_v10:0.2> <lora:LowRA:0.8> <lora:CAMERALora_v20:0.6> <lora:JPKKKKKK3dCGStyleRealistic_v10:0.3> <lora:xiaorenshu:0.35>,lightonface,cinemalights,professionallighting,photonmapping,radiosity,.
>
> >反向提示测：
> >
> >,wings,(Monotonous color:1.2),sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (outdoor:1.6), manboobs, backlight,(ugly:1.331), (duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:1.331), mutated hands, (poorly drawn hands:1.331), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331), (more than 2 nipples:1.331), (missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051), (unclear eyes:1.331), bad hands, missing fingers,(Four fingers:1.331), (six fingers:1.331),(extra hand:1.331), (extra leg:1.4),extra digit, (Pseudo Niang:1.1),(Ladyboy:1.4) ,bad body,(Watermark:1.4) ,(An incoherent picture:1.2),(No logic:1.331),(Less hair:1.2),(A gloomy picture:1.1) ,NG_DeepNegative_V1_75T, glans, refraction, diffusion, diffraction, (worst quality, low quality:1.4)...
>
>
>种子：258369
>
>
# 一、InsCode Stable Diffusion 体验
## 1.1 界面很友好
按照提示步骤即可启动环境
## 1.2 小小体验一下
打开`Stable Diffusion WebUI`界面
输入文章开头的正向词，反向词及其他参数设置如下图，生成精美的图片
## 1.3 体验感受
生成速度很快哈哈，比自己`老年机`本地部署生成图片要快很多
# 二、如何在InsCode给Stable Diffusion安装Lora
步骤参照[如何在InsCode给Stable Diffusion安装Lora](https://devpress.csdn.net/inscode/649aa855187b2e3b840b46b5.html)
# 三、Stable Diffusion 调参基础
## 3.1 模型选择
模型使用的数据集和标签对于效果影响非常重要，在使用之前要先了解数据来源。
### 3.2 Stable Diffusion 模型
Stable Diffusion 模型适用于生成与照片、艺术品类似的图像。基于 [LAION](https://laion.ai/) 数据集训练。
## 3.3 常用参数介绍
- Prompt（提示词）：对你想要生成的东西进行文字描述。
- Negative prompt（反向提示词）：用文字描述你不希望在图像中出现的东西。
- Sampling Steps（采样步数）：扩散模型的工作方式是从随机高斯噪声向符合提示的图像迈出小步。这样的步骤应该有多少个。更多的步骤意味着从噪声到图像的更小、更精确的步骤。增加这一点直接增加了生成图像所需的时间。回报递减，取决于采样器。
- Sampling method（采样器）：使用哪种采样器。Euler a（ancestral 的简称）以较少的步数产生很大的多样性，但很难做小的调整。随着步数的增加，非 ancestral 采样器都会产生基本相同的图像，如果你不确定的话，可以使用 LMS。
- Batch count/n_iter：每次生成图像的组数。一次运行生成图像的数量为 Batch count * Batch size。
- Batch size：同时生成多少个图像。增加这个值可以提高性能，但你也需要更多的 VRAM。图像总数是这个值乘以批次数。除 4090 等高级显卡以外通常保持为 1。
- CFG Scale（无分类指导规模）：图像与你的提示的匹配程度。增加这个值将导致图像更接近你的提示（根据模型），但它也在一定程度上降低了图像质量。可以用更多的采样步骤来抵消。
- Width：图像的宽度，像素。要增加这个值，你需要更多的显存。大尺度的图像一致性会随着分辨率的提高而变差（模型是在 512x512 的基础上训练的）。非常小的值（例如 256 像素）也会降低图像质量。这个值必须是 8 的倍数。
- Height：图像高度。
- Seed：随机数的起点。保持这个值不变，可以多次生成相同（或几乎相同，如果启用了 xformers）的图像。没有什么种子天生就比其他的好，但如果你只是稍微改变你的输入参数，以前产生好结果的种子很可能仍然会产生好结果。
## 3.4 Sampling steps 迭代步数
更多的迭代步数可能会有更好的生成效果，更多细节和锐化，但是会导致生成时间变长。而在实际应用中，30 步和 50 步之间的差异几乎无法区分。
太多的迭代步数也可能适得其反，几乎不会有提高。
进行图生图的时候，正常情况下更弱的降噪强度需要更少的迭代步数(这是工作原理决定的)。你可以在设置里更改设置，让程序确切执行滑块指定的迭代步数。
## 3.5 Samplers 采样器
目前好用的有 `Euler`，`Euler a`（更细腻），和 `DDIM`。
推荐 `Euler a` 和 `DDIM`，**新手推荐使用 `Euler a`**
`Euler a` 富有创造力，不同步数可以生产出不同的图片。调太高步数 (>30) 效果不会更好。
`DDIM` 收敛快，但效率相对较低，因为需要很多 step 才能获得好的结果，**适合在重绘时候使用**
`LMS` 和 `PLMS` 是 `Euler` 的衍生，它们使用一种相关但稍有不同的方法（平均过去的几个步骤以提高准确性）。大概 30 step 可以得到稳定结果
`PLMS` 是一种有效的 LMS（经典方法），可以更好地处理神经网络结构中的奇异性
`DPM2` 是一种神奇的方法，它旨在改进 DDIM，减少步骤以获得良好的结果。它需要每一步运行两次去噪，它的速度大约是 DDIM 的两倍。但是如果你在进行调试提示词的实验，这个采样器效果不怎么样
`Euler` 是最简单的，因此也是最快的之一
## 3.6 CFG Scale 提示词相关性
`cfg scale` 是图像与提示词的契合度，该值越高，提示词对最终生成结果的影响越大，契合度越高。
过高的 CFG Scale 体现为粗犷的线条和过锐化的图像。
## 3.7 注意尺寸
出图尺寸太宽时，图中可能会出现多个主体。
要匹配好姿势，镜头和人物才不畸形，有时候需要限定量词，多人物时要处理空间关系和 prompt 遮挡优先级。人数->人物样貌->环境样式->人物状态
1024 之上的尺寸可能会出现不理想的结果！推荐使用 **小尺寸分辨率 + 高清修复**（下方介绍）。
## 3.8 Highres. fix 高清修复
通过勾选 txt2img（文生图） 页面上的 "Highres. fix" 复选框来启用。
默认情况下，txt2img（文生图） 在高分辨率下会生成非常混沌的图像。该选项会使得模型首先生成一张小图片，然后通过 img2img 将图片分辨率扩大，以实现高清大图效果。
## 3.9 Batch Count 与 Batch Size
- `Batch Count（生成批次）` 指定共生成几个批次。
- `Batch Size（每批数量）` 指定每个批次并行生产多少张图片。
大的 Batch Size 需要消耗巨量显存。若您的显卡没有超过 12G 的显存，请不要调节 Batch Size。
对于显存极大的显卡而言，一次生成一张图片无法充分利用显卡计算容量，此时可将 `Batch Size` 提高以充分压榨算力。
## 3.10 随机种子
理论上，种子决定模型在生成图片时涉及的所有随机性。
实际的种子数值并不重要。它只是初始化一个定义扩散起点的随机初始值。
在应用完全相同参数（如 Step、CFG、Seed、prompts）的情况下，生产的图片应当完全相同。(不使用 `xformers` 等会带来干扰的优化器)
不同显卡由于微架构不同，可能会造成预料之外的不同结果。主要体现在 GTX 10xx 系列显卡上。
## 3.11 Denoising strength 降噪强度
`Denoising strength` 仅在 img2img（图生图）或 高清修复 时被应用，其表征最后生成图片对原始输入图像内容的变化程度。通过调整该值，可以降低对画风的影响，但也会弱化 img2img 能力。值越高 AI 对原图的参考程度就越低 (同时增加迭代次数)。
对于图生图来说，低 `denoising` 意味着修正原图，高 `denoising` 就和原图就没有大的相关性了。一般来讲阈值是 0.7 左右，超过 0.7 和原图基本上无关，0.3 以下就是稍微改一些。
实际执行中，具体的执行步骤为 Denoising strength * Sampling Steps。
<font color=blue>下一章节内容：文字生成图片如何写提示词</font>
