序
随着越来越多的人追上”AI绘图”这一热潮，Stable Diffusion 的受欢迎程度继续爆炸式增长。
作为模型公开且效果极佳的扩散模型Stable Diffusion是CompVis研究团队上个月(8月底)发布的。该模型使用 LAION 5B 数据集的子集进行训练，包括用于初始训练的高分辨率子集和用于后续各种开发者提升”美学”孕育出来的的各种针对性模型。
我们可以通过自己下载，获得一个极其强大的模型，该模型能够模拟和重建几乎任何可以以视觉形式想象的概念，而无需文本提示输入之外的任何指导。关于本地部署可以参考之前我发的文章：
在本文中，我将展示一下 Stable Diffusion Web UI 的应用效果，这个模块主要是基于stable diffusion的基础应用，利用gradio模块搭建出交互程序，但其中很多方法比原始模型提供了更多接口。安装使用也更加方便，使用户可以在低代码 GUI 中立即访问 Stable Diffusion。
可以说，其中最受欢迎和经常更新的是 AUTOMATIC111 的 Stable Diffusion Web UI 搭建的工作。除了 txt2img、img2img等 Stable Diffusion 的基本功能外，Web UI 还包含许多模型融合改进、图片质量修复等许多附加升级——所有这些都可以通过易于使用的方式访问Web 应用程序图形用户界面。
搭建完成，我们可以通过浏览器访问到下面的界面：
运行后的效果图：
通过调节不同参数可以生成不同效果，我这里根据自己的使用理解进行一些说明，希望对用户有帮助。
同时在手机上也可以访问及使用，但测试时候使用手机默认浏览器没问题，用夸克会报错。
安装
基于上次的经验，这里要说明：以下设置还是需要一定计算机功底的，如果配置环境、安装包等问题默认大家都是ok的。计算资源需求很大，很有可能会因为显存不足报错；
从github上下载最新版本的stable-diffusion-webui, 链接：
安装手册有Windows、Linux、MacOS，我是用的是Linux版本，其他没有测试；
我是基于之前配置好的stable-diffusion的环境进行配置的，并且环境里的python、wget和git都是配置好之后就很简单，直接使用目录下的shell脚本，会对于环境、安装包、模型下载自动完成。
它可以自己下载和配置环境，我这里基本就是将模型文件进行了链接，还有网络端口进行了修改。启动时间还是比较漫长：
如果默认启动模型使用的是127.0.0.1启动，如果想让其他设备访问webui.py的模块中修改server_name 参数he server_port参数：
share=cmd_opts.share,
server_name=”192.168.*.*” ,#if cmd_opts.listen else None,
server_port=cmd_opts.port,
debug=cmd_opts.gradio_debug,
auth=[tuple(cred.split(:)) for cred in cmd_opts.gradio_auth.strip(“).split(,)] if cmd_opts.gradio_auth else None,
inbrowser=cmd_opts.autolaunch,
prevent_thread_lock=True
)
相关参数还可以通过modules/shared.py进行修改：
parser.add_argument(“–ckpt”, type=str, default=sd_model_file, help=”path to checkpoint of stable diffusion model; if specified, this checkpoint will be added to the list of checkpoints and loaded”,)
parser.add_argument(“–ckpt-dir”, type=str, default=None, help=”Path to directory with stable diffusion checkpoints”)
parser.add_argument(“–gfpgan-dir”, type=str, help=”GFPGAN directory”, default=(./src/gfpgan if os.path.exists(./src/gfpgan) else ./GFPGAN))
parser.add_argument(“–gfpgan-model”, type=str, help=”GFPGAN model file name”, default=None)
parser.add_argument(“–no-half”, action=store_true, help=”do not switch the model to 16-bit floats”)
parser.add_argument(“–no-progressbar-hiding”, action=store_true, help=”do not hide progressbar in gradio UI (we hide it because it slows down ML if you have hardware acceleration in browser)”)
parser.add_argument(“–max-batch-count”, type=int, default=16, help=”maximum batch count value for the UI”)
parser.add_argument(“–embeddings-dir”, type=str, default=os.path.join(script_path, embeddings), help=”embeddings directory for textual inversion (default: embeddings)”)
parser.add_argument(“–allow-code”, action=store_true, help=”allow custom script execution from webui”)
parser.add_argument(“–medvram”, action=store_true, help=”enable stable diffusion model optimizations for sacrificing a little speed for low VRM usage”)
parser.add_argument(“–lowvram”, action=store_true, help=”enable stable diffusion model optimizations for sacrificing a lot of speed for very low VRM usage”)
parser.add_argument(“–always-batch-cond-uncond”, action=store_true, help=”disables cond/uncond batching that is enabled to save memory with –medvram or –lowvram”)
parser.add_argument(“–unload-gfpgan”, action=store_true, help=”does not do anything.”)
parser.add_argument(“–precision”, type=str, help=”evaluate at this precision”, choices=[“full”, “autocast”], default=”autocast”)
parser.add_argument(“–share”, action=store_true, help=”use share=True for gradio and make the UI accessible through their site (doesnt work for me but you might have better luck)”)
parser.add_argument(“–codeformer-models-path”, type=str, help=”Path to directory with codeformer model file(s).”, default=os.path.join(model_path, Codeformer))
parser.add_argument(“–gfpgan-models-path”, type=str, help=”Path to directory with GFPGAN model file(s).”, default=os.path.join(model_path, GFPGAN))
parser.add_argument(“–esrgan-models-path”, type=str, help=”Path to directory with ESRGAN model file(s).”, default=os.path.join(model_path, ESRGAN))
parser.add_argument(“–bsrgan-models-path”, type=str, help=”Path to directory with BSRGAN model file(s).”, default=os.path.join(model_path, BSRGAN))
parser.add_argument(“–realesrgan-models-path”, type=str, help=”Path to directory with RealESRGAN model file(s).”, default=os.path.join(model_path, RealESRGAN))
parser.add_argument(“–scunet-models-path”, type=str, help=”Path to directory with ScuNET model file(s).”, default=os.path.join(model_path, ScuNET))
parser.add_argument(“–swinir-models-path”, type=str, help=”Path to directory with SwinIR model file(s).”, default=os.path.join(model_path, SwinIR))
parser.add_argument(“–ldsr-models-path”, type=str, help=”Path to directory with LDSR model file(s).”, default=os.path.join(model_path, LDSR))
parser.add_argument(“–opt-split-attention”, action=store_true, help=”force-enables cross-attention layer optimization. By default, its on for torch.cuda and off for other torch devices.”)
parser.add_argument(“–disable-opt-split-attention”, action=store_true, help=”force-disables cross-attention layer optimization”)
parser.add_argument(“–opt-split-attention-v1″, action=store_true, help=”enable older version of split attention optimization that does not consume all the VRAM it can find”)
parser.add_argument(“–use-cpu”, nargs=+,choices=[SD, GFPGAN, BSRGAN, ESRGAN, SCUNet, CodeFormer], help=”use CPU as torch device for specified modules”, default=[])
parser.add_argument(“–listen”, action=store_true, help=”launch gradio with 0.0.0.0 as server name, allowing to respond to network requests”)
parser.add_argument(“–port”, type=int, help=”launch gradio with given server port, you need root/admin rights for ports < 1024, defaults to 7860 if available”, default=None)
parser.add_argument(“–show-negative-prompt”, action=store_true, help=”does not do anything”, default=False)
parser.add_argument(“–ui-config-file”, type=str, help=”filename to use for ui configuration”, default=os.path.join(script_path, ui-config.json))
parser.add_argument(“–hide-ui-dir-config”, action=store_true, help=”hide directory configuration from webui”, default=False)
parser.add_argument(“–ui-settings-file”, type=str, help=”filename to use for ui settings”, default=os.path.join(script_path, config.json))
parser.add_argument(“–gradio-debug”, action=store_true, help=”launch gradio with –debug option”)
parser.add_argument(“–gradio-auth”, type=str, help=set gradio authentication like “username:password”; or comma-delimit multiple like “u1:p1,u2:p2,u3:p3”, default=None)
parser.add_argument(“–gradio-img2img-tool”, type=str, help=gradio image uploader tool: can be either editor for ctopping, or color-sketch for drawing, choices=[“color-sketch”, “editor”], default=”color-sketch”)
parser.add_argument(“–opt-channelslast”, action=store_true, help=”change memory type for stable diffusion to channels last”)
parser.add_argument(“–styles-file”, type=str, help=”filename to use for styles”, default=os.path.join(script_path, styles.csv))
parser.add_argument(“–autolaunch”, action=store_true, help=”open the webui URL in the systems default browser upon launch”, default=False)
parser.add_argument(“–use-textbox-seed”, action=store_true, help=”use textbox for seeds in UI (no up/down, but possible to input long seeds)”, default=False)
parser.add_argument(“–disable-console-progressbars”, action=store_true, help=”do not output progressbars to console”, default=False)
parser.add_argument(“–enable-console-prompts”, action=store_true, help=”print prompts to console when generating with txt2img and img2img”, default=False)
但根据github的默认方法，还是通过使用的时候直接修改省事。
使用
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
txt2img部分介绍
内容输入部分：
prompt 该部分主要就是对于图像进行描述，有内容风格等信息进行描述。后面的画板可以一些随机的风格、下面箭头是之前任务的参数；
Negative prompt 这个主要是提供给模型，我不想要什么样的风格；特别对于图上出现多个人的情况，就可以通过2girls等信息进行消除；
优化方法部分：
Sampling Steps diffusion model 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。更高的步数需要花费更多的计算时间，也相对更贵。但不一定意味着更好的结果。当然迭代步数不足（少于 50）肯定会降低结果的图像质量；
Sampling method 扩散去噪算法的采样模式，会带来不一样的效果，ddim 和 pms(plms) 的结果差异会很大，很多人还会使用euler，具体没有系统测试；
Width、Height 图像长宽，可以通过send to extras 进行扩大，所以这里不建议设置太大[显存小的特别注意]；
Restore faces 优化面部，绘制面部图像特别注意；
Tiling 生成一个可以平铺的图像；
Highres. fix 使用两个步骤的过程进行生成，以较小的分辨率创建图像，然后在不改变构图的情况下改进其中的细节，选择该部分会有两个新的参数 Scale latent 在潜空间中对图像进行缩放。另一种方法是从潜在的表象中产生完整的图像，将其升级，然后将其移回潜在的空间。Denoising strength 决定算法对图像内容的保留程度。在0处，什么都不会改变，而在1处，你会得到一个不相关的图像；
Batch count、 Batch size 都是生成几张图，前者计算时间长，后者需要显存大；
CFG Scale 分类器自由引导尺度——图像与提示符的一致程度——越低的值产生越有创意的结果；
Seed 种子数，只要中子数一样，参数一致、模型一样图像就能重新；
img2img部分介绍
这部分参数很多与txt2img类似，这里主要说明一下不同部分；
内容输入部分：
这里主要增加的是要模仿的图片，可以是手绘的、也可以是类似的；
其他文字信息类似，这里依然是描述越准确越好；
对于其中参数主要是图像是否要保存相同尺寸：
Just resize、 Crop and resize、 Resize and fill 这三种模式保证图输出效果，因为下面会有新的尺寸，是填充还是性对应缩放；
调整部分
这部分大部分参数与上面一致，主要新增加的是：
Denoising strength 与原图一致性的程度，一般大于0.7出来的都是新效果，小于0.3基本就会原图缝缝补补；
Extras部分介绍
该部分主要将图像进行优化，其中很多方法的模型使用的时候会自动下载，很容易下载失败导致报错。
图片导入，也可以通过其他模块中的send to extras直接使用；
下面相关参数主要是对于图像的优化等工作，具体使用大家可以自己测试。
GFPGAN visibility 主要就是对于图像清晰度进行优化，例如下图：
其他参数使用不多，这里不做过多介绍。
PNG Info部分介绍
该部分主要说明图像大小等信息。
后面的几个模块基本是调整模型何如何训练新的prompt的，这里就不做过多说明。
相关文章
