哈嘍，各位小伙伴們大家好，最近一直再研究人工智能類的生產(chǎn)力，不得不說隨著時代科技的進步讓人工智能也得到了突破性的發(fā)展。而小編前段時間玩畫畫也是玩的不可自拔，你能想想得到，一個完全不會畫畫的有一天也能創(chuàng)作出繪畫作品。

熟知小編教學的小伙伴都知道，一般都是圖文并茂形式進行的，一般只需要按照操作步驟進行都能學會。

一、本次學習目的

使剛接觸Stable Diffusion webui的小伙伴能快速熟悉基礎(chǔ)功能的理解及使用

二、簡單介紹

Stable Diffusion是一種基于擴散過程的圖像生成模型，可以生成高質(zhì)量、高分辨率的圖像。它通過模擬擴散過程，將噪聲圖像逐漸轉(zhuǎn)化為目標圖像。這種模型具有較強的穩(wěn)定性和可控性，可以生成具有多樣化效果和良好視覺效果的圖像。

而且Stable Diffusion是個開源的程序，只要你有足夠的配置，就可以自己部署開始玩，自己控制生成圖像的特征和風格，生成不同風格的高質(zhì)量圖像?？傊?，它通過模擬擴散過程，生成高質(zhì)量、高分辨率的圖像，具有較強的穩(wěn)定性和可控性。在多種領(lǐng)域，如藝術(shù)、設(shè)計、游戲等都有著廣泛的應(yīng)用前景。

三、演示參數(shù)

演示操作系統(tǒng)：Windows 10

操作系統(tǒng)版本：22H2

系統(tǒng)框架：64位

處理器（CPU）：Intel(R)Core(TM)i7-9700K CPU 3.60GHz

內(nèi)存（RAM）：32GB

顯卡（GPU）：NVIDIA GeForce RTX 2060 SUPER (8 GB)

硬盤類型：西數(shù)機械4T紅盤

Python版本號：3.10.11

Stable Diffusion webui 版本號：v1.3.1

模型名：xxmix9realistic_v30.safetensors

模型哈希值：2030eae609

演示參數(shù)方便大家以供參考

四、開始學習

1、演示數(shù)據(jù)

此數(shù)據(jù)來源：https://civitai.com/images/955849?modelVersionId=77903&prioritizedUserIds=438091&period=AllTime&sort=Most+Reactions&limit=20

如果你能看得懂英文，想必使用起來會輕松有趣的多

下面是小編提取的圖片數(shù)據(jù)，我們一起來看看吧

prompt（正向提示詞）： (RAW photo, best quality),(realistic, photo-realistic:1.3),extremely delicate and beautiful,Amazing,finely detail,masterpiece,ultra-detailed,highres,(best illustration),(best shadow),intricate,(male:1.4),armored,sword,long hair,black hair,holding weapon,blood,holding sword,arm guards,blood on weapon,tabi,floating hair,full body,fantasy,ink strokes,explosions,over exposure,((watercolor painting by John Berkey and Jeremy Mann )) brush strokes,negative space,red paint splatted,in the style of gritty urban realism,violent,wildlife art with a satirical twist,intense energy,(fogy:1.4),sharp focus,volumetric fog,8k UHD,DSLR,high quality,(film grain:1.4),Fujifilm XT3,black and red tone impression on background,motion blur,<lora:wuxia:0.6> <lora:Smoke:0.8>,<lora:add_detail:1>,?

Negative prompt（反向提示詞）： (easynegative:1.0),(bad-hands-5:1.0),(realisticvision-negative-embedding:1.0), (ng_deepnegative_v1_75t:1.0),?

ENSD（采樣器參數(shù)，ETA噪聲種子偏移）: 31337,?

Size（分辨率）: 512x768,?

Seed（隨機數(shù)種子）: 100548639,?

Model（底模/模型）: XXMix_4_v2893,?

Steps（迭代步數(shù)）: 28,?

Sampler（采樣方法）: DPM++ 2M Karras,?

CFG scale（提示詞引導(dǎo)系數(shù)）: 7,?

Clip skip（跳過clip層數(shù)）: 2,?

?Model hash（底模/模型哈希值）: 2030eae609,?

Hires steps（高分辨率修復(fù)迭代步數(shù)）: 15,?

Hires upscale（放大倍數(shù)）: 2,?

Hires upscaler（放大算法）: 4x-UltraSharp,?

Denoising strength（重繪幅度）: 0.3

是不是看到這一大堆的英文數(shù)字已經(jīng)開始頭疼了呢，沒關(guān)系，往下我們繼續(xù)逐一解析

2、逐個解析

prompt（正向提示詞）：

這里面填寫你想要顯示的畫面內(nèi)容

Negative prompt（反向提示詞）：

這里填寫你不希望出現(xiàn)的畫面內(nèi)同

ENSD（采樣器參數(shù)，ETA噪聲種子偏移）:

有著固定初始值的作用，是確保在還原圖片時與原始圖片保持一致

Size（分辨率）:

指生成的畫面分辨率大小

Seed（隨機數(shù)種子）:

Seed是用于生成數(shù)據(jù)的初始源，因此在相同的Seed下，其他參數(shù)保持不變的情況下會生成相同的圖片（可以將每個種子視為不同的全噪聲圖片，每一步的采樣都是為全噪聲圖片添加細節(jié)）。但要注意采樣器的eta值。當eta值為-1時，每次使用隨機種子，而當eta值為其他固定值時，可以通過調(diào)整提示詞來微調(diào)生成的圖片。當復(fù)現(xiàn)他人的圖像時，需要使用相同的Seed值。

簡單理解：”-1“值生成隨機新圖，“固定值”生成指定圖

Model（底模/模型）:

這里一般選擇已經(jīng)訓(xùn)練好的大模型，也稱為“底?！保话憔W(wǎng)絡(luò)上有下載。

H站（抱臉）：https://huggingface.co/models

C站（Civitai）：https://civitai.com/

若是部分網(wǎng)站對網(wǎng)絡(luò)有所要求，若是進不去需優(yōu)化自己的網(wǎng)絡(luò)哦

Steps（迭代步數(shù)）:

首先，AI繪畫的原理是通過隨機生成一張噪聲圖片。然后，逐步向正負tag語義靠攏，每一步都是小幅度的移動，直到達到預(yù)期的迭代步數(shù)。一般來說，迭代步數(shù)被設(shè)置為20，這樣可以保證每一步的移動更小和更精確。

Sampler（采樣方法）:

是一種生成圖片的算法，一般選擇帶“+”好的比較好，這些是經(jīng)過優(yōu)化過的。不過，具體的使用最好還是根據(jù)模型作者提供的建議來使用。

CFG scale（提示詞引導(dǎo)系數(shù)）:

CFG Scale是一個控制提示詞與生成圖像相關(guān)性的數(shù)值。它可以在0到30之間進行調(diào)整。根據(jù)日常出圖的經(jīng)驗，將CFG Scale設(shè)置在5到15之間是最常見且最保險的選擇。過低的CFG Scale會導(dǎo)致圖像飽和度降低，而過高的CFG Scale則會產(chǎn)生粗糙的線條或過度銳化的圖像，甚至可能導(dǎo)致圖像嚴重崩潰。

Clip skip（跳過clip層數(shù)）:

CLIP過程是通過計算文本和圖像之間的相關(guān)性來實現(xiàn)的。因此，如果跳過太多的步驟，文本對生成圖像的匹配準確度會逐漸降低。

Model hash（底模/模型哈希值）:

一般我們下載下來的模型是可以重命名的，但是一旦重命名后就不太好區(qū)別了，這個時候可以核對哈希值來確認

Hires steps（高分辨率修復(fù)迭代步數(shù)）:

通過使用算法，AI可以首先在較低的分辨率下對圖片進行部分渲染，然后將其提升到高分辨率，并在高分辨率下添加細節(jié)?？梢詫⑦@個過程類比為采樣迭代步數(shù)的理解，其中0表示保持原來的步數(shù)不變。

Hires upscale（放大倍數(shù)）:

指在原有圖像的寬度和長度上進行放大的倍數(shù)。需要注意的是，這種放大操作需要更高的顯存來支持。

Hires upscaler（放大算法）:

如果不知道選什么，一般無腦選ESRGAN_4x，各類網(wǎng)站都是這么說的，照做就行，哈哈

Denoising strength（重繪幅度）:

放大后修改細節(jié)的程度可以通過一個從0到1的數(shù)值來表示，數(shù)值越大，AI的創(chuàng)意就越多，同時也會使生成的圖像越偏離原始圖像。

現(xiàn)在再去學習別人的生成參數(shù)是不是輕松了許多呢

五、下載學習

SD WEBUI傳送門：?

http://ai95.microsoft-cloud.cn/d/9289114-56534526-28c22a?p=ai95?

（統(tǒng)一訪問密碼：ai95）持續(xù)更新......