本地部署Stable Diffusion WebUI

官网

Stable Diffusion在线

Github上的Stable Diffusion WebUI

提醒一下:下面实例讲解是在Mac系统演示的;

一、 环境所需资源

  1. Python
  2. Pycharm
  3. Anaconda
  4. stable-diffusion-webui项目代码

注意事项

  1. python版本一定要3.10+,最好是3.10.6版本的。
    Stable Diffusion WebUI 在Github中README文档里建议如下图:
    在这里插入图片描述
    在这里插入图片描述
    Installation-on-Intel-Silicon文档
    在这里插入图片描述
  1. 如果选择Anaconda创建Python环境,则不需要单独下载Python安装

二、环境搭建教程

  1. Python安装
  2. PyCharm安装
  3. Anaconda安装教程
  4. Anaconda介绍、安装及使用教程

三、创建 Python 环境

指令规则:conda create -n 环境名称 python=版本号,示例如下
在终端里输入指令:conda create -n python3.10.6 python=3.10.6

在这里插入图片描述

激活 Python 环境
方式一:终端里输入指令:conda activate python3.10.6
在这里插入图片描述
方式二:Anaconda里手动选择对应的环境并启动
在这里插入图片描述

四、打开Stable Diffusion WebUI项目

1、下载Stable Diffusion WebUI zip包并解压放到自己创建存放项目的文件夹里
在这里插入图片描述
在这里插入图片描述

2、启动Anacona
在这里插入图片描述

3、PyCharm启动后打开Stable Diffusion WebUI项目
在这里插入图片描述

五、项目目录简介

models文件夹存放模型文件,
子文件夹Stable-diffusion是用来存放模型文件

在这里插入图片描述

requirements.txt文件是运行项目需要安装的环境配置在这里插入图片描述

项目启动入口文件:webui.sh、webui.bat
提醒:如果是首次启动项目,会先自动安装环境配置,主要是下载一些组件库和依赖,等待的时间稍微久一点
在这里插入图片描述

六、启动Stable Diffusion WebUI项目

提醒:如果是首次启动项目,会先自动安装环境配置,主要是下载一些组件库和依赖,等待的时间稍微久一点在这里插入图片描述

Stable Diffusion WebUI启动成功
在这里插入图片描述

在浏览器输入栏访问http://127.0.0.1:7860,页面如下图
在这里插入图片描述

通过在原网址后面加上参数/?__theme=dark,即http://127.0.0.1:7860/?__theme=dark,可以启用WebUI内置的深色主题界面

在浏览器输入栏访问http://127.0.0.1:7860/?__theme=dark,页面如下图
在这里插入图片描述

Stable Diffusion WebUI 页面介绍
在这里插入图片描述
上图对应的序号的详细介绍如下
1、 Stable Diffusion checkpoint
选择Stable Diffusion 模型,
模型文件来自stable-diffusion-webui/models/Stable-diffusion文件夹里
在这里插入图片描述
模型文件两种格式:
.ckpt(Model PickleTensor) 和 .safetensors(Model SafeTensor)
.ckpt由于使用了 Pickle序列化,可能携带恶意代码,会有一定的安全风险(例如:pickle反序列化攻击)。
.safetensors 文件只包含张量数据,使用 numpy 保存,没有附带代码,因此 .safetensors 文件更为安全且效率更高。

模型下载方式
提醒:下载好的模型文件放入stable-diffusion-webui/models/Stable-diffusion文件夹里

方式一:点击从 huggingface 下载
在这里插入图片描述

方式二:点击从 civitai 下载
在这里插入图片描述

2、txt2img
根据提示词(Prompt)的描述生成相应的图片。
3、img2img
将一张图片根据提示词(Prompt)描述的特点生成一张新的图片。
4、Prompt
正向提示词:描述想要的图片内容。示例:
一只猴子坐在桃树上
5、Negative prompt
反向提示词:描述不想要图片带有哪些东西。有助生成的图片更符合自己想要的,示例:
桃树上没有桃子
6、Sampling method
采样方法:选择不同的采样算法,出图的效率也不一样。
7、 Sampling steps
采样步长:太小采样随机性高,太大采样效率低,一般在20左右
8、CFG Scale
CFG指数用来控制提示词(Prompt)对生成过程的引导程度。
值越小生成的图片越偏离提示词的描述。 值太大可能会导致一些奇怪的现象。
推荐的CFG指数范围为7-10,这是一个平衡的区间,提供创意性并遵循提示词(Prompt)。
9、Seed
随机数种子,一般不修改。
10、Extra
扩展,这个一般也不用开启
11、generate
点击generate开始执行生成图片

七、测试txt2img

正向提示词(Prompt)
A monkey sits on a peach tree(一只猴子坐在桃树上)
消极提示词(Negative prompt)
There are no peaches on the tree(树上没有桃子)
生成的图片如下
在这里插入图片描述

八、线上免费使用Stable Diffusion

1、DreamStudio
注册后有25个点;每出一张图,会消耗1个点。用邮箱注册的账号,消耗完点数后,可以再注册个账号。
2、huggingface
不需要注册,打开就可以用

以上就是本地部署Stable Diffusion WebUI的全部内容讲解。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/464472.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

windows 查看磁盘空间 treesizefree

https://downloads.jam-software.de/treesize_free/TreeSizeFreeSetup.exe

【Linux】Linux下的基本指令

Linux下的基本指令 Linux 的操作特点:纯命令行ls 指令文件 pwd命令Linux的目录结构绝对路径 / 相对路径,我该怎么选择? cd指令touch指令mkdir指令(重要)rmdir指令rm 指令(重要)man指令&#xff…

HTML 标签

HTML:超文本标记语言 HTML骨架结构: html标签:网页的整体 head标签:网页的头部 body标签:网页的身体 HTML的注释 VS code中:ctrl/ 浏览器不会执行注释 HTML标签的构成: 双标签&#xff1a…

【算法与数据结构】496、503、LeetCode下一个更大元素I II

文章目录 一、496、下一个更大元素 I二、503、下一个更大元素II三、完整代码 所有的LeetCode题解索引,可以看这篇文章——【算法和数据结构】LeetCode题解。 一、496、下一个更大元素 I 思路分析:本题思路和【算法与数据结构】739、LeetCode每日温度类似…

【数据结构与算法】【小白也能学的数据结构与算法】迭代算法专题

🎉🎉欢迎光临🎉🎉 🏅我是苏泽,一位对技术充满热情的探索者和分享者。🚀🚀 🌟特别推荐给大家我的最新专栏《数据结构与算法:初学者入门指南》📘&am…

InternLM大模型实战-3.InternLM+Langchain搭建知识库

文章目录 前言笔记正文大模型开发范式RAGFinetune LangChain简介构建向量数据库搭建知识库助手1 InternLMLangchain2 构建检索问答链3 优化建议 Web Demo 部署搭建知识库 前言 本文是对于InternLM全链路开源体系系列课程的学习笔记。【基于 InternLM 和 LangChain 搭建你的知识…

SpringCloud-高级篇(十九)

我们已经学过使用 SpringAMQP去收和发消息,但是发和收消息是只是MQ最基本的功能了,在收发消息的过程中,会有很多的问题需要去解决,下面需要学习rabbitMQ的高级特性去解决 死信交换机:这个可以帮助我们实现消息的延迟的…

云计算运维 · 第三阶段 · 代码上线案例

学习b记 第三阶段 持续集成案例 这一章做一个小的案例,git、gitlab、jenkins、sonarqube、maven、shell把这周学的一整个流程串联起来做一个完整的代码发布流程案例,这一部分东西比较多,相对于之前的笔记这个会做的仔细一点。#嘿嘿回家就是…

AI大模型学习笔记之四:生成式人工智能(AIGC)是如何工作的?

OpenAI 发布 ChatGPT 已经1年多了,生成式人工智能(AIGC)也已经广为人知,我们常常津津乐道于 ChatGPT 和 Claude 这样的人工智能系统能够神奇地生成文本与我们对话,并且能够记忆上下文情境。 Midjunery和DALLE 这样的AI…

ERROR: Could not build wheels for roslz4

Python bugs 最近在安装python的rosbag包时出现了诸多问题,特别记录下。 python版本:3.11 系统版本:Windows10 x86_64 使用conda虚拟环境进行包管理。 运行命令 pip3 install roslz4 --extra-index-url https://rospypi.github.io/simple…

奇异值分解(SVD)的应用——图像压缩

SVD方法是模型降阶的一类重要方法,本征正交分解(POD)和平衡截断(BT)都属于SVD类方法。 要想深入了解模型降阶技术,我们可以先从SVD的应用入手,做一个直观的了解。 1. SVD的定义和分类 我们想寻找…

【学网攻】 第(25)节 -- 帧中继(多对一)

系列文章目录 目录 系列文章目录 文章目录 前言 一、帧中继是什么? 二、实验 1.引入 实验目标理解帧中继在广域网中的原理及功能; 实验背景 技术原理 实验步骤 实验设备 实验拓扑图​编辑 实验配置 实验验证 文章目录 【学网攻】 第(1)节…