Stable diffusion模型如何区分？通俗易懂，入门必看！

最新推荐文章于 2025-03-17 15:45:00 发布
最新推荐文章于 2025-03-17 15:45:00 发布
阅读量845 收藏 16
点赞数 18
文章标签： stable diffusion 人工智能 AI作画 AIGC 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/J708090/article/details/141489976
版权

在Stable Diffusion的基础学习中，很多小伙伴们可能看到繁杂的大模型就蒙圈了，那么多的模型后缀，究竟代表什么呢？如何区分呢？今天就带大家来学习一下～

不同后缀模型介绍

在Stable diffusion中，有两种比较常见的模型后缀，分别是 .ckpt 和 .safetensors 。

1

.ckpt

.ckpt 的全称是 checkpoint，中文翻译就是检查点，这是 TensorFlow中用于保存模型参数的格式，通常与 .meta 文件一起使用，以便恢复训练过程。

简单理解的话，.ckpt模型就好比我们打游戏时，每通过一关时对这一关的一个“存档”，因为你在训练模型时也是如此，没办法保证能一次就训练成功，中途是有可能因为各种因素失败的，所以可能在训练到20%时就存一次档，训练到40%时又存一次档，这也是为什么它叫 checkpoint 的一个原因。

在提到.ckpt 模型时，顺便补充下.pt 模型，前面提到，.ckpt 是TensorFlow 用于保存模型参数的格式，而 .pt 则是 PyTorch保存模型参数的格式。TensorFlow 和 PyTorch都是比较出名的深度学习框架，只不过一个是Google发布的，另外一个是Facebook发布的。

PyTorch 保存模型的格式除了.pt 之外，还有 .pth 和.pkl。.pt 和 .pth 之间并没有本质的差别，而.pkl 只是多了一步用Python的 pickle 模块进行序列化。

1

.safetensors

讲完了 .ckpt 模型，那么就该说说 .safetensors 模型了。

之所以有 .safetensors 模型，是因为 .ckpt 为了让我们能够从之前训练的状态恢复训练，好比从50%这个点位重新开始训练，从而保存了比较多的训练信息，比如模型的权重、优化器的状态还有一些Python代码。

这种做法有两个问题，一是可能包含恶意代码，因此不建议从未知或不信任的来源下载并加载.ckpt 模型文件；二是模型的体积较大，一般真人版的单个模型的大小在7GB左右，动漫版的在2-5GB之间。

而 .safetensors 模型则是 huggingface 推出的新的模型存储格式，专门为Stable Diffusion模型设计。这种格式的文件只保存模型的权重，而不包含优化器状态或其他信息，这也就意味着它通常用于模型的最终版本，当我们只关心模型的性能，而不需要了解训练过程中的详细信息时，这种格式便是一个很好的选择。

由于 .safetensors 只保存模型的权重，没有代码，所以会更安全；另外由于保存的信息更少，所以它的体积也比 .ckpt 小，加载也更快，所以目前是比较推荐使用 .safetensors 的模型文件。

总的来说，如果你想在某个SD模型上进行微调，那还是得用 .ckpt 模型；但如果你只关心出图结果，那么使用 .safetensors 模型会更好！

模型下载

模型下载模型下载的渠道很多，一种是网站下载，一个是本地部署的启动器内下载。网站下载模型网站很多，这里主要介绍 2 个：

1、国内 - 哩布哩布：https://www.liblib.ai

每个模型详细页面也有模型的参数、使用建议和效果图的具体信息，包括正反提示词，使用的什么模型，以及参数细节。

2、国外 - C站：https://civitai.com

备注：需要魔法访问

对于模型的基础知识就介绍到这啦～

这是一位SD资深大神整理的，100款Stable Diffusion超实用插件，涵盖目前几乎所有的，主流插件需求。

全文超过4000字。

我把它们整理成更适合大家下载安装的【压缩包】，无需梯子，并根据具体的内容，拆解成一二级目录，以方便大家查阅使用。

单单排版就差不多花费1个小时。

希望能让大家在使用Stable Diffusion工具时，可以更好、更快的获得自己想要的答案，以上。

如果感觉有用，帮忙点个支持，谢谢了。

想要原版100款插件整合包的小伙伴，可以来点击下方插件直接免费获取

img

100款Stable Diffusion插件：

面部&手部修复插件：After Detailer

在我们出图的时候，最头疼的就是出的图哪有满意，就是手部经常崩坏。只要放到 ControlNet 里面再修复。

现在我们只需要在出图的时候启动 Adetailer 就可以很大程度上修复脸部和手部的崩坏问题

img

AI换脸插件：sd-webui-roop

换脸插件，只需要提供一张照片，就可以将一张脸替换到另一个人物上，这在娱乐和创作中非常受欢迎。

img

模型预设管理器：Model Preset Manager

这个插件可以轻松的创建、组织和共享模型预设。有了这个功能，就不再需要记住每个模型的最佳 cfg_scale、实现卡通或现实风格的特定触发词，或者为特定图像类型产生令人印象深刻的结果的设置!

img

现代主题：Lobe Theme

已经被赞爆的现代化 Web UI 主题。相比传统的 Web UI 体验性大大加强。

img

提示词自动补齐插件：Tag Complete

使用这个插件可以直接输入中文，调取对应的英文提示词。并且能够根据未写完的英文提示词提供补全选项，在键盘上按↓箭头选择，按 enter 键选中

img

提示词翻译插件：sd-webui-bilingual-localization

这个插件提供双语翻译功能，使得界面可以支持两种语言，对于双语用户来说是一个很有用的功能。

img

提示词库：sd-webui-oldsix-prompt

提供提示词功能，可能帮助用户更好地指导图像生成的方向。

上千个提示词，无需英文基础快速输入提示词，该词库还在不断更新。

以后再也不担心英文写出不卡住思路了！

img

由于篇幅原因，有需要完整版Stable Diffusion插件库的小伙伴，点击下方插件即可免费领取
在这里插入图片描述

AI想象家
关注
在 Stable Diffusion 中控制光线的三种方式
程序员小麦的博客
06-17 1139
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。
利用Stable Diffusion在AIGC领域打造独特艺术风格
最新发布
SuperAGI2025
05-17 632
随着AIGC技术的爆发，AI已从“生成图像”进化到“生成风格化艺术”。本文聚焦（当前最流行的开源文本生成图像模型），讲解如何通过技术手段（提示词设计、参数调优、模型微调）让AI生成具有个人风格、艺术辨识度的作品，覆盖从入门到进阶的全流程。本文将按照“原理→工具→实战→应用”的逻辑展开：先理解Stable Diffusion的核心机制（扩散模型），再学习控制生成风格的关键工具（提示词、参数），接着通过实战案例演示如何定制风格，最后展望AI艺术的未来可能。
Stable Diffusion教程：提示词（模型、插件、安装包可分享）
bagell的博客
04-22 3680
文章提到的模型、插件、安装包都可分享，需要的小伙伴文末领取！你可能没写过提示词，但是一定听说过“提示词”这几个字，也大概能知道它的重要性。没听说过也没关系，下面我就带你认识认识。提示词就是我们给AI模型下发的指令。提示词写对了，AI才能输出相应的结果，提示词写的越好，AI输出的内容质量越高、越贴近你的需求。这有点像程序代码，代码逻辑写对了，程序才能正常运行，代码写的越好，程序运行时发生的问题越少、才能解决用户的问题。
AI绘画提示词案例（车
天玑的博客
05-15 933
【代码】AI绘画提示词案例（车。
【原创】AI批量生成建筑效果图 保姆级教程
m0_71746299的博客
03-17 1574
目前最常用的AI工具为Stable Diffusion和Midjourney。前者出图可以自定义效果，后者则相对随机，达不到具体的成像效果。本期教程主要围绕Stable Diffusion展开。
ckpt文件说明（tensorflow）
LLL_mg的博客
12-16 1万+
ckpt文件其实是TensorFlow的模型文件 1 模型文件格式 –checkpoint_dir ||–checkpoint ||–model.meta ||–model.data-00000-of-00001 ||–model.index 2 文件说明 2.1 meta文件 meta文件保存的是图结构，meta文件为pb格式其中包含变量、组合和OP 2.2 ckpt文件 ckpt文件是二进制文件，存储了weights,biases,gradients等变量 2.3 checkpoint文件 checkp
【无标题】检查点进程(CKPT)的作用
2201_75855893的博客
02-07 464
Oracle 设计检查点机制的唯一目的是为了执行实例恢复。 在一个新的检查点进程开始时，CKPT 会把新产生的检查点信息 SCN 号等写入控制文件，然后等待完全检查点的到来（三秒钟结束的时间点），在完全检查点时，CKPT 会触发数据库写进程 DBWn负责把当前三秒钟之内凡是已提交的数据块从高速缓冲区写入到数据文件。DBWn 在执行之前，首先触发一次日志写(LGWR), 以确保写入数据文件的数据块所对应的重做条目都已持久记录到重做日志文件中。在 DBWn 执行完成之后，也就是把当前三秒钟之内所有已提交数据块都
pytorch_lightning自学之——获取ckpt信息
weixin_46995912的博客
10-29 5114
由于pl保存的是ckpt文件，当我想加载一个ckpt，用模型做推理，但我同时需要一些ckpt里的信息，例如当前的epoch。或者nn_model.load_from_checkpoint，也有这个nn_model.current_epoch，结果都是0。功力深厚的巨佬可能根本不会遇到这个问题，因为他们懂torch怎么加载ckpt，查看ckpt里的参数。可我既然用了pl，我就必须用pl的方式打开。现在国内的pl讨论太少了，一搜全是搬运b乎的几个大佬的教程；确实，pl也是用的torch。
一文搞懂大模型！（非常详细）从入门到精通，基础知识、 LLM 应用、 RAG 、 Agent 与未来发展
weixin_45607947的博客
07-19 1258
三金哥：这么一说，把LLM叫做自然语言处理工具可能没有那么准确，LLM 更多的是理解和生成文本。不过，从你的回答上，我在思考一个很重要的问题：对于 LLM 来说，生成具有语义和语法正确性的文本是不是还不太够，生成的文本和问题如何对应上的？比如有下面的问答：问题：2022年 NBA 总冠军是谁？回答：“我认为这个意大利面,就应该拌42号混凝土,因为这个螺丝钉的长度很容易影响到挖掘机的扭矩”单纯从语义和语法正确性貌似没有很大的问题，但是确并没有回答我的问题。
AIGC从入门到入坑01（初学者适用版）
锴笑口常开的博客
01-28 4290
Today，人工智能技术快速发展和广泛应用已经引起大众的兴趣和关注了。特别是作为人工智能重要分支的深度学习，展现出独有的统治力，引领了一场科技革命。作为一名刚毕业的本科生，本身对人工智能感兴趣的我也选择加入这场浪潮中，开坑系列博客，同时作为自己的学习笔记，希望自己能吃透AIGC和AI大模型，探寻一条到AGI的朝圣之路。首先说明一下AIGC、AI大模型和AGI三个名词的解释，正所谓知其然，才知其所以然。AIGC：全名“AI Generated Content”，称为“生成式AI”。
大模型火爆 2025：LLaMA、Qwen、DeepSeek 核心原理+就业秘籍，快速入门 AI 工程师
weixin_40941102的博客
03-05 818
这些是大型语言模型（LLMs）的核心技术，适合初学者逐步深入学习。微调是让大模型适应特定任务的关键技能，适合小白逐步掌握。
免费试用，联网就能用的AI绘画工具，教程详解！
A2421417624的博客
03-21 2824
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。
tensorflow入门教程(四十二)ckpt,pb模型的保存,固化和加载操作
韦访的专栏
05-25 1万+
# #作者：韦访 #博客：https://blog.csdn.net/rookie_wei #微信：1007895847 #添加微信的备注一下是CSDN的 #欢迎大家一起学习 # ------韦访 20190525 1、概述 又是25号，老天保佑我摇到车牌啊～～开玩笑，这不是今天的重点。有网友表示，模型训练出来以后，不知道要怎么用，今天就来聊聊tensorflow模型的保存、固化、加载等操作...
“CKPT文件：了解其重要性和如何有效使用“
weixin_43808402的博客
06-04 2175
CKPT文件是TensorFlow中用于存储模型参数的一种文件格式。在训练神经网络的过程中，模型参数会不断更新。CKPT文件可以帮助我们保存和恢复这些参数，以便在训练中断或模型需要重新加载时，能够继续之前的训练过程。在这个示例中，我们首先创建了一个简单的神经网络模型，然后对其进行了训练。在训练完成后，我们使用。通过使用CKPT文件，我们可以更方便地保存和恢复模型参数，从而提高神经网络训练的效率和灵活性。方法将模型参数保存到CKPT文件中。方法重新加载了这些参数。
ckpt的使用
qwexdl的博客
09-30 5234
一、文件结构 checkpoint   该文件中存放着ckpt的路径，以及当前路径下所有的模型参数节点。saver.store()的时候会从这个配置中进行模型加载。
【Python | 深度学习】safetensors 包的介绍和使用案例（含源代码）
wzk4869的博客
05-14 2万+
【Python | 深度学习】safetensors 包的介绍和使用案例（含源代码）
国内原汁原味的免费sd训练工具--哩布哩布AI
yj11290301的博客
10-16 1万+
随着AI绘画的爆火，让我们也对AI绘画有了了解，但是相对于国外AI绘画我们使用有一定限制，国内的AI绘画stablediffusion平替他来了。liblib.ai就是这款AI创作软件Liblib.ai，它不仅是STABLE diffusion的国内平民替代版，更是你学习AI的最佳伙伴。LIBLIB以其稳定的性能和降低的门槛，为广大学习AI的同学们提供了一个独一无二的机会，让你的创意无限蓬勃发展。此外，Liblib AI也是原创AI模型分享社区，这里有最新、最热门的模型素材，10万+模型免费下载。
Stable Diffusion 入门简明教程
m0_74942241的博客
09-27 2145
Stable Diffusion (以下简称 SD) 是一个文本到图像生成模型, 即通常所说的 AI 绘画Stable Diffusion WebUI 是一个工具包, 为 SD 提供了一个便捷的交互界面本文不需要你有任何基础知识, 如果有步骤不理解, 可以先跟着做, 先用起来再回头理解。
大模型中 .safetensors 文件、.ckpt文件和.pth以及.bin文件区别、加载和保存以及转换方式
热门推荐
CHNIM的博客
03-06 5万+
在大型深度学习模型的上下文中，.bin和.pthckpt文件这是由 Hugging Face 推出的一种新型安全模型存储格式，特别关注模型安全性、隐私保护和快速加载。它仅包含模型的权重参数，而不包括执行代码，这样可以减少模型文件大小，提高加载速度。加载方式：使用 Hugging Face 提供的相关API来加载文件，例如函数。ckpt文件。
DDPM模型推荐
03-28
### 关于DDPM模型的资料、实现与教程 #### 1. **理论基础** 扩散概率模型（Diffusion Probabilistic Models, DPMs），特别是去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPMs），是一种基于连续时间框架的概率生成模型。其核心思想是从噪声中逐步恢复清晰的数据样本，通过一系列前向过程引入噪声，并利用反向过程去除这些噪声[^4]。 为了深入理解DDPM的工作原理及其背后的数学机制，可以参考以下资源： - 文章《The Annotated Diffusion Model》提供了一个详细的注解版本，帮助初学者快速掌握扩散模型的核心概念和公式推导[^1]。 - 另外，《How does Stable Diffusion work?》是一篇通俗易懂的文章，适合希望了解扩散模型实际应用场景的人群。 #### 2. **代码实现** 对于想要动手实践的人来说，以下是几个值得推荐的开源项目和教程： - PyTorch-DDPM 是一个专注于PyTorch框架下的扩散模型教学工具包。它不仅包含了完整的训练脚本，还附带了 `ddpm_example.yml` 配置文件作为入门指南[^2]。该配置文件涵盖了模型定义、数据集加载以及训练超参数调整等多个方面，非常适合新手上手。 - 如果更倾向于阅读简洁明了的Python代码，则可以从 GitHub 上搜索关键词 “pytorch beginner ddpm”，找到许多由社区贡献的小型实验性项目。这类项目的优点在于结构简单且易于扩展。 #### 3. **进阶学习材料** 当具备一定基础知识之后，可以通过下面几份文档进一步提升自己的技能水平： - 大白话AI系列文章——图像生成模型章节专门讨论了包括但不限于VAE、GAN在内的多种主流生成对抗网络家族成员之间的异同点，同时也介绍了如何过渡至最新的AIGC领域趋势[^3]。 - 对学术论文感兴趣的读者可以直接查阅 Jonathan Ho 等人在 NeurIPS 2020 发表的经典之作《Denoising Diffusion Probabilistic Models》，这是现代版DDPM算法诞生的重要里程碑之一。 ```python import torch from torchvision import datasets, transforms from pytorch_lightning import Trainer, LightningModule class SimpleDDPM(LightningModule): def __init__(self, config_path="ddpm_example.yml"): super().__init__() self.config = load_config(config_path) def forward(self, x_t, timesteps=None): pass if __name__ == "__main__": transform = transforms.Compose([ transforms.ToTensor(), lambda x: (x * 2) - 1, ]) dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) dataloader = torch.utils.data.DataLoader(dataset, batch_size=64, shuffle=True) ``` 上述代码片段展示了一个简化版的DDPM类初始化逻辑及数据预处理流程示例。 --- ####
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