用好这几个参数，你也能 SD 做好图

最新推荐文章于 2024-05-21 11:10:27 发布
最新推荐文章于 2024-05-21 11:10:27 发布
阅读量1.5k 收藏 12
点赞数 8
文章标签： 算法 人工智能 AI作画 stable diffusion 计算机视觉 midjourney
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HJS123456780/article/details/137465907
版权

CFG Scale 提示词相关性

CFG Scale 是 Classifier Free Guidance scale 的缩写，他是一个可以控制模型多大程度上遵循你提示词的参数，简单来讲就是提示词相关性。

  • 1 - 大概率会忽略你的提示词

  • 3 - 更有创造性

  • 7 - 在提示词和 AI 自由创作之间的平衡

  • 15 - 更加遵守提示词

  • 30 - 严格遵循提示词

下面是一些 CFG scale 不同数值的图片案例

建议：从 7 开始，如果你想让它更加遵循提示词，可以提高这个值。

Sampling steps 采样步数

随着采样步数的提高，图片质量也会提升。通常情况下，使用 Euler 采样器和采样步数 20 已经足够生成高质量、锐利的照片。虽然当采样步数更高的时候，图片仍然会有一些细微变化，但是图片也会变得不一样，并且质量并不一定会更高。

建议：20 步。如果你觉得图片质量低，适当调高一些。

Sampling methods 采样方法

你可以选择各种各样的采样方法，这取决于你使用的是什么GUI。它们只是解决扩散方程的不同方法。它们应该可以给出相同的结果，但由于数字上的偏差，可能会略有不同。但由于这里没有正确的答案，唯一的标准是图像看起来不错，采样方法的准确性不应该是你关心的问题。

并且所有的采样方法是平等的。下面是不同采样方法的处理时间。

下面是不同采样方法，采样步数 20 步之后的图片。

在社区里有很多关于采样方法的讨论，有些生成不同的采样方法对应特定的风格。这没有了理论依据。我的建议保持简单

  • 采样方法：Euler

  • 采样步数：20

建议：Euler

Seed 种子

随机种子决定了初始的噪声模式，从而决定了最终的图片。

设置为 -1 意味着每次都适用随机种子，当你想要生成新图片的时候，它很有用。另一方面，固定下来这个值会导致在每一次生成时，都会使用相同的图片。

如果你想用某个种子，如何找到这个值呢。在日志框里，你可以看到类似这样的东西：

复制这个值到种子输入框。如果你每次生成了不止一张照片，第二张图片的种子会在第一张上面加 1，以此类推。或者，你可以点击种子便遍的回收按钮复用上一张图片的种子。

建议：设为 -1 用来探索新图片，当相对某一张图片做精修的时候，固定那张图片的种子。

Image size 图片尺寸

代表输出图片的尺寸。因为 Stable Diffusion 是用 512x512 的图片训练的，所以设置人像或者风景图片的时候，可能会产生意想不到的问题。如果可能，尽量保持这个值

建议：保持 512x512

Batch size 批量尺寸

批量尺寸时至每次生成图片的数量。因为最终图片非常依赖随机种子，每次生成多张图片是一个不错的主意。这样的话，你就对当前的提示词能做什么有一个比较好的感觉。

建议：设置为 4 到 8

Restore faces 人脸修复

Stable Diffusion 经常会生成有问题的人脸和眼睛，这已经是大家默认的秘密了。人脸修复是一个后置的处置方法，使用特别训练过的 AI 来修复面部。

可以在 设置 Setting 选项卡，在 Face restoration model，选择 CodeFormer

下面两个例子，你能看出来开启人脸修复前后的变化。

建议：在生成带人脸图片的情况下，勾选它。

以上就是 SD 常见的参数介绍，AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，有需要的小伙伴文末扫码自行获取。

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
写编程的木木
关注
  • 8
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python · 无限画板（一）· SD 基础文生图插件
weixin_45438073的博客
06-12 690
Python + 无限画板，助力产品构建新范式
4---采样器（Sampler）详细解析
shifengwang123的博客
07-22 3076
采样器 1、那个默默干活的家伙（Sampler） 2、就像每个Controller都有自己的特点一样，每个采样器也都有自己的个性。 个性？ 1、如何理解个性？ 2、学习采样器需要注意哪些地方？ 3、有什么方法和技巧？ HTTP Sampler 出场 1、 HTTP采样器解析 2、 AJP/1.3 Sampler 与 HTTP Sampler 3、 HTTP Sampler常规选项解析 http请求...
Stable Diffusion的2个重要Step和CfgScale的具体含义解析
大话程序员
03-24 7658
2个重要参数 in Stable Diffusion
Stable Diffusion｜文生图基础教程
最新发布
A2421417624的博客
05-21 1008
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。
Stable Diffusion webui 基础参数学习
m0_63207326的博客
06-15 2685
Stable Diffusion是一种基于扩散过程的图像生成模型，可以生成高质量、高分辨率的图像。它通过模拟扩散过程，将噪声图像逐渐转化为目标图像。这种模型具有较强的稳定性和可控性，可以生成具有多样化效果和良好视觉效果的图像。而且Stable Diffusion是个开源的程序，只要你有足够的配置，就可以自己部署开始玩，自己控制生成图像的特征和风格，生成不同风格的高质量图像。总之，它通过模拟扩散过程，生成高质量、高分辨率的图像，具有较强的稳定性和可控性。在多种领域，如艺术、设计、游戏等都有着广泛的应用前景。
Stable Diffusion 入门教程之参数详解（下）
meijinbo的专栏
03-17 1625
至此，Stable Diffusion主要的绘图参数已经介绍完毕，我们需要结合绘图参数各自的特点，和它们之间存在的关联性，不断地进行调整，不停的“抽卡”，以达到最佳的图像生成效果。前几期必看文章：《Stable Diffusion绘图神器，2分钟极速安装教程！（提供安装包）》《Stable Diffusion 模型下载和使用方法》《Stable Diffusion 入门教程之参数详解（上）》
stable diffusion实践操作-采样sample
weixin_43360707的博客
09-02 881
例如：以上就是今天要讲的内容，本文仅仅简单介绍了采样的使用。
2410启动代码分析，带visio流程图
05-19
S3C2410的启动流程大致可以分为以下几个阶段： 1. 上电复位：当系统上电或复位时，CPU会从ROM中的固定地址0x0000_0000开始执行代码，这部分代码通常由芯片制造商预置，称为Bootloader。 2. 初始化硬件：Bootloader...
我做好的温湿度传感器程序 SHT10
12-26
SHT10传感器集成了温度传感器和湿度传感器，能提供精确且实时的环境参数数据。 在【描述】中提到的程序，是开发者已经编写完成并优化过的，适用于SHT10传感器的数据采集和处理。这样的程序通常包含了初始化传感器、...
关于STM32的使用规划以及程序设计（以f407ZGT6为例）
03-27
在内存规划方面，我们要考虑以下几个方面： 1. **代码区规划**：根据程序的大小，合理地分配闪存空间。较大的程序可能需要将部分代码放到外部存储器，例如SD卡或Nor Flash。使用链接脚本（linker script）可以定制...
富士康 G31MX-K bios
05-28
2. flash.bat：这是一个批处理文件，它包含了运行AFU892.EXE的命令行参数。用户可以通过双击这个批处理文件来自动执行BIOS更新过程，避免手动输入复杂的命令行指令。 3. 773F1P14.BIN：这是实际的BIOS固件文件，...
android 视频录制 并保存到本地
03-21
这个类通常会包含以下几个核心方法： 1. **初始化Camera和MediaRecorder**： 首先，你需要获取到Camera实例，然后根据相机硬件配置设置预览显示和输出格式。接着，创建MediaRecorder对象，设置音频和视频源、编码...
告别邪典！带你快速入门Stable Diffusion文生图
xxue345678的博客
01-26 1372
disfigured（毁容）、ugly（丑陋）、morbid（病态的）、mutilated（残缺的）、blurry（模糊不清的）、tranny（变性者）、duplicate（重复的）、extra digit（多余的数字）天气：sunny day（晴天）、rainy day（雨天）、day（白天）、night（黑夜）、morning（上午）、afternoon（下午）、sunrise（日出）、sunset（落日）分辨率调得太高，不仅速度慢，容易爆显存，报错，更容易出现多人、多头的邪典画面。
Stable Diffusion如何生成高质量的图-prompt写法介绍
热门推荐
江上清风山间明月的博客
07-17 4万+
使用合理的提示词(Prompt)提示词要简洁明确,避免歧义。important信息前置。添加合适的描述词帮助生成细节。如大小,颜色,质感等。使用正确的英文语法和拼写。避免使用负面和敏感词汇。调整超参数适当调高 Guidance Scale,加强提示词影响力。调整 Steps(迭代次数)不要过少,一般100-200。调试不同的 Sampler,如DDIM较平滑。使用高质量训练数据大型模型效果更好,如Stable Diffusion v2。
图像生成中的“Classifer guidance、Classifer-free guidance”是什么？
简单记录生活、学习
12-13 2766
在OpenAI的扩散模型中，"Classifier-free guidance"通过在训练期间同时训练模型来生成有条件的输出和无条件的输出来实现。条件生成模型是根据给定的条件（例如文本描述）来生成数据（例如图像）的模型。这通常是通过在模型的输入条件中混合噪声来实现的，使得模型学会在没有明确指导的情况下生成与条件相符的数据。总的来说，"Classifier-free guidance"是一种减少对外部分类器依赖的技术，它可以使生成模型更直接地专注于生成符合给定条件的数据，同时提供了控制条件强度的灵活性。
Generative AI 新世界 | 文生图领域动手实践：预训练模型的部署和推理
亚马逊云科技专栏
07-04 631
本文作者黄浩文亚马逊云科技 资深开发者布道师在上期文章，我们探讨了文生图（Text-to-Image）方向的主要论文解读，包括：VAE、DDPM、DDIM、GLIDE、Imagen、UnCLIP、CDM、LDM 等主要扩散模型领域的发展状况。本期我们将进入动手实践环节，我会带领大家使用 Amazon SageMaker Studio、Amazon SageMaker JumpStart 等服务...
超详细，AI绘画里你不得不知道的SD算法详解
Chanyto的博客
06-06 4220
首先，大家要明确一点的是，我们常说的什么Stable Diffusion，它的本质上其实是一种算法，而我们通过Stable Difuusion web UI在浏览器上打开的页面，其实就是stable diffusion的可视化界面，说的简单一点可以理解为部署在本地的应用，它消耗你当前设备的算力，通过算法降噪和加噪的操作。Stable Diffusion的中文直译又称稳定扩散算法。在图像领域中，扩散算法是通过一定规则去噪（反向扩散）或加噪（正向扩散）的过程。如下图演示的就是以prompt为。
在微信中使用SD绘画
徐同保的专栏
12-20 1433
在微信中是SD绘画
Stable Diffusion算法、结构全流程概述
lanlin的博客
02-22 995
Stable Diffusion能力强、功能多、插件广，本文拟概述SD的全流程，方便梳理算法各结构的关系。
有几个任务都要读写SD卡，该如何用C语言实现？
06-12
在C语言中，可以使用以下方法实现多个任务读写SD卡： 1. 使用互斥量（Mutex）或信号量（Semaphore）等机制来保证读写SD卡的互斥性。在每个需要访问SD卡的任务中，创建一个互斥量或信号量，并在读写SD卡的代码段前后加锁和解锁操作。例如： ```c #include <stdio.h> #include <pthread.h> // 互斥量 pthread_mutex_t sd_mutex; // 读写SD卡的任务 void *sd_task(void *arg) { // 获取互斥量 pthread_mutex_lock(&sd_mutex); // 读写SD卡的代码 // 释放互斥量 pthread_mutex_unlock(&sd_mutex); return NULL; } int main() { // 初始化互斥量 pthread_mutex_init(&sd_mutex, NULL); // 创建多个读写SD卡的任务 // ... // 等待任务结束 // ... // 销毁互斥量 pthread_mutex_destroy(&sd_mutex); return 0; } ``` 2. 将SD卡读写的任务单独放到一个任务中执行，其他任务通过消息队列或事件机制将需要读写SD卡的请求发送给该任务。例如： ```c #include <stdio.h> #include <pthread.h> #include <semaphore.h> // 信号量 sem_t sd_sem; // 读写SD卡的任务 void *sd_task(void *arg) { while (1) { // 等待信号量 sem_wait(&sd_sem); // 读写SD卡的代码 // 发送结果给请求任务 // ... } return NULL; } // 请求SD卡读写的任务 void *request_task(void *arg) { while (1) { // 发送请求给SD卡任务 // ... // 等待结果 // ... } return NULL; } int main() { // 初始化信号量 sem_init(&sd_sem, 0, 0); // 创建SD卡读写任务 // ... // 创建请求SD卡读写的任务 // ... // 等待任务结束 // ... // 销毁信号量 sem_destroy(&sd_sem); return 0; } ``` 这两种方法都需要注意互斥性和同步性，避免多个任务同时访问SD卡造成冲突和数据错误。同时，还需要考虑SD卡访问的可靠性和性能问题，根据具体需求选择合适的读写方式和算法。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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