超简易高效的 AI绘图工具—与sd-webui一致界面，6G显存最高提升75%出图速率！（附安装包）

本文链接：https://blog.csdn.net/A13531922962/article/details/140400445

大家好，我是灵魂画师向阳

今天给大家分享一个基于Stable Diffusion WebUI 构建的AI绘图工具—sd-webui-forge，该工具的目标在于简化插件开发，优化资源管理，加速推理。

Forge承诺永远不会对Stable Diffusion WebUI用户界面添加不必要的改变，对于熟悉Stable Diffusion WebUI的同学，能够借助 WebUI经验，快速上手Forge的操作使用。

题外话：Forge作者一直活跃在AIGC绘图社区。先后开源了ControlNet、Foooucs社区优秀的开源软件，最近他又投入到Forge的开发，目标简化AIGC新手入门绘图门槛。

在分辨率为1024px图像质量下，Forge与原始WebUI在SDXL模型推理速率相比，可获得极大的性能加速提升：

如果你使用常见的GPU，如8GB显存，推理速度（it/s）可以提高约30~45%，GPU内存峰值（在任务管理器中）降低约700MB到1.3GB，最大扩散分辨率（不会OOM）提高约2倍到3倍，最大扩散批量大小（不会OOM）提高约4倍到6倍。
如果你使用性能较低的GPU，如6GB显存，推理速度（it/s）可以提高约60~75%，GPU内存峰值（在任务管理器中）降低约800MB到1.5GB，最大扩散分辨率（不会OOM）提高约3倍，最大扩散批量大小（不会OOM）提高约4倍。
如果你使用性能强大的GPU，如4090，带有24GB显存，推理速度（it/s）可以 提高约3~6%，GPU内存峰值（在任务管理器中）降低约1GB到1.4GB，最大扩散分辨率（不会OOM）提高约1.6倍，最大扩散批量大小（不会OOM）提高约2倍。
如果你使用ControlNet来进行SDXL推理，最大ControlNet数量（不会OOM）提高约2倍，SDXL+ControlNet的速度提高约30~45%。

除此之外，Forge还增加了一些高效的采样器，例如：DDPM、DDPM Karras、DPM++ 2M Turbo、DPM++ 2M SDE Turbo、LCM Karras、Euler A Turbo等。

sd-webui-forge安装

安装包安装

对于不熟悉git操作同学，则可以扫描免费获取一键安装包。下载完成安装包后，本地解压缩文件，然后使用update.bat更新，再使用./webui.bat运行，便可启动forge软件。

注意：一定要运行update.bat命令，这个很重要的，因为forge代码还在快速迭代开发中，确保及时更新最新代码和环境，否则可能会遇见一些未知的潜在bug版本。与sd-web-ui共享绘图模型的方式与git方案完全一致。

Git安装

如果是熟悉Git有一定开发经验的用户，可以使用git clone下载最新版forge源码本地安装.

环境安装：

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
cd ./stable-diffusion-webui-forge
# Linux
pip3 install torch torchvision torchaudio
# window
# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt -U

与sd-web-ui共享模型，节约磁盘浪费。如果是window用户则修改webui-user.bat如下：

@echo off

set PYTHON=
set GIT=
set VENV_DIR=
set COMMANDLINE_ARGS=

@REM Uncomment following code to reference an existing A1111 checkout.
set A1111_HOME=[stable-diffusion-webui目录]

set VENV_DIR=%A1111_HOME%/venv
set COMMANDLINE_ARGS=%COMMANDLINE_ARGS% ^
  --ckpt-dir %A1111_HOME%/models/Stable-diffusion ^
  --hypernetwork-dir %A1111_HOME%/models/hypernetworks ^
  --embeddings-dir %A1111_HOME%/embeddings ^
  --lora-dir %A1111_HOME%/models/Lora

call webui.bat

当看见启动命令如下则设置共享成功:

Launching Web UI with arguments: --xformers --forge-ref-a1111-home=sd目录/ --ckpt-dir sd目录/models/Stable-diffusion --vae-dir sd目录/models/VAE --hypernetwork-dir sd目录/models/hypernetworks --embeddings-dir sd目录/embeddings --lora-dir /models/lora --controlnet-dir sd目录/models/ControlNet --controlnet-preprocessor-models-dir sd目录/extensions/sd-webui-controlnet/annotator/downloads

Forge启动

从启动界面可以看到，Forge的用户使用界面与sd-web-ui完美的保持WebUI不变。这对新手用户上手门槛降低了极大的门槛。在启动界面中，能够看见新增的SVD、Z123两个tab，这是前文说的Unet Patcher带来的新特性。

另外作者提到，Forge在保持了前端界面一致性，并承诺永远不增加任何不必要的改变。后端则移除了所有与资源管理相关的WebUI代码，并重新构建了后端的全部基础设施，是一个重大的重构过程。

Forge插件不会共享，和webui一样，使用extension安装或者手工从webui复制。

sd-webui-forge体验

在本地rtx4090 24G显存的Linux环境中，使用sd_xl_base_1.0模型绘图，能够看见对应性能提升。耗时3.2秒，平均7.18GB显存使用，最高峰8.46GB，系统使用率42.1%。相信对于其他低显存机器，有更显著的推理提升。

使用图像扩大算法R-ESRGAN 4x+，扩大2X体验。工具设置参数如下：

耗时18.1秒，平均13.6GB显存使用，最高峰17.72GB，系统使用率82.3%。

forge主要是对显存使用做了有效优化，对30系显卡提升比较明显，40系显卡提升空间不大。但是有一些新增插件支持会很好，比如：sd-forge-layerdiffusio，以及官方feature列表中的Playground v2.5支持也是期待的功能。

绘图体验

1girl, solo, portrait, dark hair, slicked back hair, simple background, shirt, parted lip, lips, expressionless

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

在这里插入图片描述