stable diffusion webui 安装与参数配置

发布于 2023-05-01 AI 本地AI绘图

STEP0 – 需要提前准备的环境

1.版本控制软件： git

2.运行环境： python

3.科学上网环境或：

配置好的pip国内镜像
配置好的github国内镜像

STEP1 – 安装 Stable Diffusion web UI

拉取官方镜像：

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

安装所需的依赖包：

pip install -r requirements_versions.txt

该步骤请注意异常提示，若有异常提示，很有可能是网络环境的问题

STEP2 – 编辑配置文件并运行

编辑webui-user.bat文件


@echo off

:: 配置本地python位置
set PYTHON="C:\Users\xxx\AppData\Local\Programs\Python\Python310\python.exe"


set GIT=

:: 配置虚拟环境
set VENV_DIR= mewtea


call webui.bat

直接运行 webui.bat ，即可自动下载依赖包以及运行程序

运行成功后可以打开 http://127.0.0.1:7860 直接访问服务。

webui

STEP3 – 模型说明

下载的模型文件models文件夹的对应目录下

如Stable-diffusion模型放置 models/Stable-diffusion 下

LORA 放置在models/Lora 下

模型可以通过civitai获取，这里就不推荐模型了。

放置完模型需要重启服务

STEP4 – 中文界面配置

将 Chinese.json并放置在 localizations 目录下，重启服务

之后在 setting -> User interface -> Localization (requires restart) 中选择 Chinese，然后点击上方的Apply settings，Reload UI重载页面。

也可以在 dtlnor 大佬的仓库中查看其他的配置方法。

参数简述

更加具体的参数说明详见参考链接。

提示词 Prompt

文字描述你想要生成的东西，推荐使用英文描述，推荐使用逗号分隔, 例如：

(masterpiece, best quality),bangs, black_hair, bowtie, cherry_blossoms, collared_shirt, confetti, depth_of_field, earrings, falling_leaves, falling_petals, feathers, flower, flower_earrings, hair_between_eyes, hair_flower, hair_ornament, jewelry, leaves_in_wind, long_hair, long_sleeves, looking_at_viewer, motion_blur, , petals, petals_on_liquid, simple_background, red_bow, red_bowtie, red_eyes, rose_petals, shirt, skirt, solo, twintails, very_long_hair, white_shirt,

反向提示词 Negative prompt

文字描述你不想在图像中出现的东西，推荐使用英文描述，推荐使用逗号分隔，例如：

ng_deepnegative_v1_75t,bad prompt,(worst quality, low quality:1.6),(malformed hands:1.4),(poorly drawn hands:1.4),(mutated fingers:1.6),(extra limbs:1.35),(poorly drawn face:1.4),(bad hands:1.4),(malformed anatomy:1.4),(bad anatomy:1.4),(mutated anatomy:1.4), watermark,(mutated legs:1.6),(bad perspective:1.4),(bad body proportions:1.4), (bad proportion:1.4), (watermark:2.0), EasyNegativeV2

影响因子

提示词中，参数写的越靠前，影响权重越大，因此，我们应该尽量把重要的提示词写在前面，如 best quality , masterpiece , ultra-detailed 等。

另外，影响因子还有一些其他类型：

(圆括号) 增强权重等价于NovelAI的 {花括号}

每个圆括号一通常是提升1.1倍的权重，圆括号可以嵌套使用，例如 ((black_hair)) 那么它的权重就是1.1*1.1 = 1.21

还可以通过冒号来指定权重，例如 (black_hair:1.4) 那么它的权重就是1.4倍.
[方括号] 削弱权重

方括号包裹tag 会削弱提示词的权重，通常每个括号是削弱1.1（除以1.1）同样可以嵌套使用，例如 [[black_hair]] 则是削弱至0.82左右。

也可以直接通过圆括号来指定削弱的权重如： (black_hair:0.8)
| 切换单字 Alternating Words，同等权重

使用 | 时，AI将会在两个参数间来回切换绘制，首先绘制一边左边参数，再绘制一遍右边参数，再绘制一遍左边参数…以此类推，例如 red_hair|blue_hair 会生成红色和蓝色的混合发色， cat|dog 则会生成不猫不狗的奇怪生物。还可以和前面括号组合使用，例如 [red|blue hair]
AND 可组合性扩散 Composable Diffusion

AND 必须大写， AI依照权重混合两个不同的物件，可以直接组合，也可以指定权重组合，例如：orange :1.5 AND apple :2.5 ，搭配 ControlNet和Latent Couple，可以准确控制图中物件的位置。

图像分辨率 Width x Height

分辨率越高，会占用越大的VRAM，参考 :

图像分辨率

采样方法 Sampling method

各种采样方法，计算得出的结果不太一样。

Stable Diffusion 为生成一个图像，首先在潜空间 (Latent space) 产生一个完全随机的图像。之后，使用 噪声预测 (noise predictor) 预估图像的噪声。预测的噪声被从图像中减去。这个过程要重复十几次。最终得到一个清晰的图像。

Sampling method

这个去噪过程被称为采样(sampling)，因为 Stable Diffusion 在每一步都会生成一个新的样本图像。采样中使用的算法被即为采样方法。

虽然整体框架是一样的，但有许多不同的方法来进行这个去噪过程。一般是速度和准确性之间权衡方法的区别。

采样仅仅只是 Stable Diffusion 中的一个部分，如果想了解更加具体的 Stable Diffusion 工作方式，可以参见： how-stable-diffusion-work

即使是采样部分的内容，本文也只是简单介绍，具体详见官方文档：Stable Diffusion Samplers

Sampling method

采样的步骤越多，噪点越低，得到的图像自然质量越好，但是也会更加的耗时。

Old-School ODE solvers

Euler – The simplest possible solver.

最简单的求解器。
Heun – A more accurate but slower version of Euler.

更准确但更慢的 Euler 版本
LMS (Linear multi-step method) – Same speed as Euler but (supposedly) more accurate.

与Euler的速度相同，但（据称）更准确

Ancestral 采样

你会可能发现一些采样器中带着一个字母 a，例如

Euler a
DPM2 a
DPM++ 2S a
DPM++ 2S a Karras

这些采样器将会在每一个步骤中增加图像的噪点，以增加图像的随机性。

Karras

含有Karras的采样器意味着采样器采用了一种特殊的噪声模型，随着步骤的增长，它的优势会比一般的采样器更明显，噪点下降的更快。

Sampling method

DDIM and PLMS

DDIM（Denoising Diffusion Implicit Model）和PLMS（Pseudo Linear Multi-Step method）是最初的Stable Diffusion v1 版所配备的采样器。DDIM是最早为扩散模型设计的采样器之一。PLMS是DDIM的一个更新、更快的替代品。

现在已经不再被广泛使用。