AI图像（AIGC for PIC）大模型实战|Stable Diffusion

AI GC text to pic 图像生成模型

 目前随着AIGC模型的火爆，AI内容创作远超人类创造水平和能力，极大了提升了创作空间。

为此我们要接触新鲜事物，用于尝试新技术。

那针对目前火爆的AImodel我们开始进行学习，尝试本地化部署，生成自己的模型。

先感性的认识下模型的基础知识。

一、AI模型的基本介绍

什么时大模型/底模型，VAE模型和微调模型/fune tuning

大模型/底模型：Stable diffusion：V1.4/v1.5/v2.0/v2.1都是大模型，泛化性通用性好，大模型自带VAE模型，不额外挂在

VAE模型：图形生产的最后为我们解码成可是图形的必备模型，有些大模型会内嵌

微调模型：在大模型基础山的微调模型，可选的，可以特定生产图像

        LoRA/Embedding/Hypernetwork:是特定领域图形的微调模型

        Dreambooth：是训练后的大模型

Checkpoint: 模型是某一特定训练后保存参数的模型，某一阶段的模型版本

即checkpoint = 大模型= dreambooth

二、模型后缀

        safetensor.以.safetensors为后缀，加载速度快，更加安全

        pickletensor以.ckpt为后缀，开源，但可能存在恶意代码，加载速度相对较慢

        pruned：剪枝模型，存储小，效率搞，优化后的神经网络

        ema：泛化能力强，优化后的神经网络模型

        ft/fp： ft16/ft32标识模型精度，推荐ft32

三、stable difussion webui

ComfyUI:https://github.com/comfyanonymous/ComfyUI