在Windows上燃起AI绘画之火:Stable Diffusion搭建全攻略

一、stable diffusion是什么东西

stable diffusion是一个AI绘画工具,比较好用,而且是免费开源的,可以在本地的电脑上搭建起来随便用,当然对电脑的配置也比较高。

二、电脑配置

  1. 一台安装windows10及以上操作系统的电脑。

  2. 电脑的内存至少是8GB以上。

  3. 建议电脑最好配置有固态硬盘,在固态硬盘上搭建stable diffusion,这样运行起来会比较快。

  4. 建议电脑最好配有NVIDIA的显卡,这样出图比较快,当然AMD显卡和Intel集成显卡虽然也可以,但是出图较慢。

  5. 在网上找了一张各显卡的出图速度对比,大家可以看下。

三、stable diffusion安装包的下载

想要Stable diffusion安装包的小伙伴可以在文末扫码,我给大家免费安排!

  1. 打开你的电脑,此时你的下载目录里的文件应该是这样,如下图所示:

四、启动stable diffusion

  1. 双击文件启动器运行依赖-dotnet-6.0.11.exe,点击安装

会自动安装一些依赖,等待依赖安装完成。

  1. 找到文件夹sd-webui-aki-v4.8下的文件A绘世启动器.exe,双击它。

会弹出下图中的界面,点击界面上的一键启动

接下来会做一些初始化工作。

  1. 初始化工作完毕之后,会自动调用浏览器,打开stable diffusion的操作界面。

五、开启你的AI绘画之旅

比如我要画一只猫,可以按照下图中的操作来完成。

六、需要注意的点

在运行的过程中,下图中的这个界面不要关闭掉。

写在最后

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。

感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除
  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,你需要安装PyTorch和Stable Diffusion库。在PyTorch官网上可以找到安装指南。安装完成后,你可以运行以下命令来安装Stable Diffusion库: ``` pip install git+https://github.com/hojonathanho/diffusion.git ``` 安装完成后,你可以使用以下代码在PyCharm中搭建一个AI绘画的Stable Diffusion应用: ```python import torch import torch.nn.functional as F from torchvision.utils import save_image from diffusion import GaussianDiffusion # 加载已经训练好的模型 model = torch.load('path/to/model.pt') # 定义噪声和图片大小 noise_size = 128 image_size = 256 # 定义Diffusion过程中的参数 timesteps = 1000 beta_start = 0.0001 beta_end = 0.02 betas = torch.linspace(beta_start, beta_end, timesteps) # 定义Diffusion过程中的步长 step_size = 0.0001 # 定义噪声和图片张量 noise = torch.randn(1, noise_size, image_size, image_size) image = torch.zeros(1, 3, image_size, image_size) # 初始化Gaussian Diffusion过程 diffusion = GaussianDiffusion() # 运行Diffusion过程生成图像 for i in range(timesteps): # 计算当前Diffusion过程的beta值 beta = betas[i] # 在当前噪声和图像上执行Diffusion步骤 noise, image = diffusion.step(model, noise, image, beta, step_size) # 对生成的图像进行可视化保存 if i % 100 == 0: save_image(image.clamp(0, 1), 'path/to/output/image_{}.png'.format(i)) ``` 这段代码会加载一个已经训练好的模型,通过Gaussian Diffusion过程对噪声进行迭代生成图像,并将生成的图像保存到本地。你可以根据需要修改参数和模型来生成不同的图像。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值