本文目录一览：
- 1、stablediffusion入门指南:Steps
- 2、sdai软件全称
- 3、stablediffusion入门指南:shuffle
- 4、stablediffusion入门指南:depth
- 5、stablediffusion采样方法说明
stablediffusion入门指南:Steps
1、Sampling Steps（采样步数）指的是生成图片的迭代步数，每多一次迭代都会给AI更多的机会去比对prompt和当前结果，去调整图片。总结随着步数增多，可以得到对目标更小、更精确的图像。但增加步数也会增加生成图像所需的时间。增加步数的边际收益递减，取决于采样器，一般20~30。
2、安装和设置：首先，您需要安装Stable Diffusion的本地版本。这可以通过在GitHub上下载最新版本的代码来完成。在下载代码后，您可以按照说明文件进行安装和设置。准备数据集：在开始使用Stable Diffusion之前，您需要准备一个适当的数据集，以便训练模型。数据集应该包含您想要生成的图像类别和相应的标注。
3、shuffle（洗牌）对图像进行随机的旋转、缩放、裁剪等变换，生成同风格的重组图片。相当于旧版style，比旧版更可控。additional network新版的谷歌云端部署，需要点右边按钮，才能同时运用多种lora。否则，系统只会运行一个lora。总结优点：打破图像的空间结构，增加多样性和随机性。
4、用对模型照片风格才对味儿 用stable diffusion可以把自己想象成一个画家，在起笔画画之前，我们要先确定我们画的是什么风格的画，是二次元动漫、三次元的现实照片、还是盲盒模型。
5、准备环境首先，你需要准备一个能够运行StableDiffusion的环境。这包括安装Python和相关的依赖库，如PyTorch和Dall-E2等。你可以参考StableDiffusion的官方文档来安装和配置环境。导入模型在开始使用StableDiffusion之前，你需要导入一个已经训练好的模型。
6、Stable Diffusion中的参数对于控制模型行为和输出质量至关重要。登录WebUI后，你会遇到众多参数，下面逐一解释： Prompt（提示词）： 以逗号和尖括号分隔，如 pretty：5 提升 pretty 的权重，使用 调用LoRA或超网络模型。
sdai软件全称
1、StableDiffusionAI。SDAI全称为StableDiffusionAI，是一款智能的AI绘画工具辅助型软件，这款软件基于人工智能技术，通过深度学习算法，可以模拟艺术家的创作风格和技巧，快速生成高质量的绘画作品。
2、该词的全称是Stable Diffusion AI。SDAI是一款智能的AI绘画工具辅助型软件，SDAI拥有强大的图像处理和生成能力，根据用户提供的关键词或主题，自动生成创意灵感和概念草图。还可以帮助艺术家们克服创作难题，能够帮助艺术家们实现创意灵感，提升绘画技巧和创作效率。
3、sdai软件全称是StableDiffusionAI。sdai软件是一款智能的AI绘画工具辅助型软件，全称是StableDiffusionAI，SDAI拥有强大的图像处理和生成能力，可以根据用户提供的关键词或主题，自动生成创意灵感和概念草图，能够帮助艺术家们克服创作难题，提升绘画技巧和创作效率。
4、SDAI是一种基于结构化图形的人工智能绘画技术。通过使用该软件，可以创建高质量的矢量图形，包括图标、徽标、插图、动画和漫画等。打开SDAI绘画软件并创建一个新文档。选择一个画笔工具，比如钢笔工具或画笔工具，开始绘制。使用颜色选取器选择喜欢的颜色，然后开始绘制。
5、SD更好用，即Stable Diffusion（稳定的扩散），是一个完全开源且免费的AI绘图软件。在和其他AI绘图软件（例如MJ、NovelAI、无界AI、MewXAI等）对比之下，SD具备以下优缺点：完全开源且免费，便于本地部署且功能丰富，能够在一定程度上出图稳定，同时还允许根据需求加载更多的最新可用模型。
6、Midjourney简称MJ，是一个专注于探索赋予人们艺术创作的全新智能工具，拥有庞大的社群中心和创作展示平台，全球AI绘制高手作品共享，擅长提供专业、可商用的创意类Al绘图解决方案，其艺术效果与图片质量在Al绘图领域目前属于业界顶尖水平。
stablediffusion入门指南:shuffle
1、shuffle（洗牌）对图像进行随机的旋转、缩放、裁剪等变换，生成同风格的重组图片。相当于旧版style，比旧版更可控。additional network新版的谷歌云端部署，需要点右边按钮，才能同时运用多种lora。否则，系统只会运行一个lora。总结优点：打破图像的空间结构，增加多样性和随机性。
2、Sampling Steps（采样步数）指的是生成图片的迭代步数，每多一次迭代都会给AI更多的机会去比对prompt和当前结果，去调整图片。总结随着步数增多，可以得到对目标更小、更精确的图像。但增加步数也会增加生成图像所需的时间。增加步数的边际收益递减，取决于采样器，一般20~30。
3、ControlNet， 简称控制网，是一个革新性的神经网络架构，它通过增强扩散模型的控制能力，显著提升了Stable Diffusion的细节操控性。
4、ControlNet插件能够控制生成图像的特定结构，常见的控制条件包括线条、热力图、深度图、姿态等。新版本的ControlNet引入了特殊的控制条件，如tile，生成图像时基于平铺图像，效果类似于超分但不局限于超分，可以在保持图像尺寸不变的情况下增加更多细节。shuffle控制条件则从随机颜色块中生成与之色调相似的图像。
5、style：风格渲染 color：颜色渲染sketch：素描渲染总结t2ia简单而小巧（约70M参数，约300M存储空间），能节省时间和内存开销。color提取图片中的色彩，分辨率越大色块越小，需要提示词辅助。sketch和旧版的pidinet边缘检测预处理是一摸一样的。
6、mlsd （直线检测）用于识别输入图像的直线信息，一种轻量级的边缘检测。总结优点：对横平竖直的线条非常敏感，更适用于室内图或几何图形的生成。缺点：不适合用于生成有机形状或柔和曲线的图像，如动物或植物。可能会导致一些生成图像的质量问题，如手指融合、多余的肢体或缺失的部分。
stablediffusion入门指南:depth
depth（深度检测）用于识别输入图像的深度信息STABLEDIFFUSION，能很好地区分前景和背景，保持原始图像的结构。总结depth_leres深度较浅。depth_midas=旧版depth，更准确和稳定，但需更多VRAM。depth_zoe内存较大，深度更精细，空间更立体。depth能理解空间位置和关系，能处理透明或反射物体。
光线控制在图生图中使用光源图，能保持原本图像的同时改变光线。总结光源图可在网上找资源，或者用ps自己制作。也可在文生图用两种controlnet作图，原图用canny，光源图用hed或depth。
ControlNet， 简称控制网，是一个革新性的神经网络架构，它通过增强扩散模型的控制能力，显著提升STABLEDIFFUSION了Stable Diffusion的细节操控性。
openpose editor是一个能摆出openpose骨架的扩展，可以精确控制人物的姿势和动作。操作默认一个骨架，需要两个以上姿势可点add。通过选择关节、移动和缩放大小来调节骨架。保存骨架图，并发送到controlnet插件。总结优点：可手动调整骨架的节点或添加初始骨架。
stablediffusion采样方法说明
Stable Diffusion的流程包括前向扩散和后向去噪。在Latent Space生成随机图像后，噪声预测器逐步减去预测的噪声。每一步的采样，无论是Euler的一步到位，还是Heun的逐步精确，都是为了在去噪过程中逐渐呈现清晰图像。而Noise Schedule则决定了降噪的节奏。
考虑模型特征：stablediffusion采样方法适用于具有长尾分布的模型，因此在选择采样方法时需要考虑模型的尾部分布情况。如果模型具有尾部较重的分布，那么stablediffusion采样可能比其他方法更适合。
Sampling Steps（采样步数）指的是生成图片的迭代步数，每多一次迭代都会给AI更多的机会去比对prompt和当前结果，去调整图片。总结随着步数增多，可以得到对目标更小、更精确的图像。但增加步数也会增加生成图像所需的时间。增加步数的边际收益递减，取决于采样器，一般20~30。
Euler a：快速采样，10步即可，适合快速验证prompt，但构图可能较自由，光效表现一般。Euler：同样快速，画面完整但背景可能出现虚化，适合观察细节。LMS：中规中矩，画质出色，适合追求真实感，但对比度和饱和度可能较低。Heun：慢速但效果好，特别适合风景画，会自动寻找视觉焦点。
CFG Scale（提示词相关性）指的是提示词对图像生成的影响程度。它能调整生成的图像与提示词或输入图像的相似程度。总结增加这个值将导致图像更接近你的提示，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。
然后，在图片生成阶段，Stable Diffusion会从一个完全随机的噪声图像开始，通过多次迭代，将这个噪声图像逐步转化为与文本描述相匹配的图像。这个过程是在图片信息生成器中完成的，它由一个U-Net网络和一个采样器算法共同协作，U-Net网络负责逐步去噪并生成图像，而采样器算法则控制图像生成的速度和质量。
