Stable diffusion参数

本文是学习整理用作自用，数据效果图部分源自B站up主小白，感谢技术分享，视频做的非常好，大家可以关注一下。

好的图像涉及哪些参数？

核心参数：
准确的提示词 + 合理的CFG值 + 采样器和采样步数 = 好图像

人物

起手式：
正：
best quality, masterpiece, (photorealistic:1.4), 8k,

反：
(worst quality:2),(low quality:2),(normal quality:2),nsfw,ugly,lowres,watermark,badhand,bad anatomy,text,error,missing fingers,extra digit,username,missing arms,long neck,humpbacked,bad feet,

写实人物：

特殊起手式：photorealistic,raw photo
采样器：DPM++SDE KarraS 或DPM++2M SDE KarraS
采样步数：20
CFG值：7
放大器算法：R-ESRGAN 4X+

动漫人物：

采样器：Uler a 或 DPM++SDE KarraS
采样步数：20
CFG值：7
放大器算法：R-ESRGAN 4x+ Anime6B

风景

采样器：UniPC或Restart
采样步数：5~10
CFG值：3

采样器迭代步数 与 对应CFG

CFG：
对比当前图片与监察提示词的相关性，默认为1此时不做检查。过高，每步解算均对照，导致画面信息崩溃。过低，生成图像与图像不相干随机性高。同时，提高CFG值会提高图像饱和度和对比度，而且CFG值太高时，图像会变得模糊细节丢失。我们可以通过增加采样步数、更换采样方法、采用动态CFG插件等来进行补偿。

提示词越准确，越容易通过CFG生成合适图像。一般情况下CFG值设置为7。

高清放大

在初步生成的小尺寸图基础上，继续以图生图的方式再二次解算，提升画面质量和细节度，尤其可以解决手崩脸崩的问题。
二次生成，不像直接生成高分辨率图像耗费显存算力，但由于二次生成所以时间也相对较慢。

放大算法：
不同的解算器。

放大倍率：
默认为512x512，如果设为2，即生成1024x1024。

高清修复采样次数：
由于是再次重绘，所以需要设置采样步数。默认为0，此时与初绘采样步数相同。

重绘幅度：
在图像中加入二次创新的力度。

CLIP

跳过层，跳过一些层，减少文本嵌入维度以降低计算难度，提高出图效率。跳过层越多，提示词与图像相关率越低。一般默认值为1或2。

尺寸分辨率

早期1.5时代都是给SD 512x512的图片用作训练，所以我们出图最好采用512整数倍。如需更高清图像，再高清放大。
1.5和2.1都是早期版本，到了XL训练的图片到了1024x1024，此时图片质量大幅提高，但我们的算力需求也更高了，大模型都来到了6G，需要显存12G起。

生成批次

生成几批，每批数量是一批出多少张。每批次出图效果一般一样。

随机种子seed

我们都知道在计算机中，随机都是伪随机。那么如果获得了我们满意的图片风格，在其他重要参数不改变的情况下，我们就可以通过保存随机种子，以此重现图片。如果值为-1表示永久随机。
绿色按钮回收种子值。

总结结论
1.当使用完全相同的提示和参数，只更改种子编号时会得到完全不同的输出图像
2.保持相同的种子编号，只通过添加单个单词修饰更改提示词，可以更改输出图像,而不会明显改变它们的整体外观和风格

什么是采样器？

SD生成图像的过程，是生成一张随机的噪点图，通过不同的采样方法，逐步去除图像中的噪点，这个过程我们称为采样，而不同的采样方法，我们把它称为采样器。

采样的过程一般十几次或二十几次，每一步都在原本杂乱的基础上，生成进一步的清晰图像，经过若干次的去噪修正，我们最终得到想要的图片。

提示词是怎样被分析的？

我们输入的提示文本后首先进行分词（token），接下来为了使提示词变成计算机能够处理的形式，我们进行嵌入（Embedding） 操作，这是我们的文字语言，就转换为了一串连续的向量。这串向量，我们需要对其进行语义上的分析，探寻其彼此的关联性，这个过程采用了Transformer的技术，称为文字压缩嵌套（Text Transformer）。最后，我们将这组数据作为输入，放入采样器进行噪声预测，不同语义的提示词将负责自己那部分工作，最后逐步地生成图像。

而不同的采样器，可以理解成北京到上海的旅程。虽然大家出行方式不同，但总归都能到达目的地。对于采样结果，不同的采样器之间有一个重要参数——采样步数。

什么是采样步数？

采样步数，就是采样过程的次数。总体上讲，采样步数越多，生成的图像就越细腻，而与此同时，我们运算的次数以及耗费的时间就要长一些。这时候，我们的敏感性就发挥了，可见这个步数太高不好，太低也不好，那么就要寻求一个适中的值，大部分采样器的采样步数居于15~30步之间。

有哪些采样器？

按照时间划分，采样器大概可以分为这三个阶段：

早期采样器：

一般年代久远，有一些祖先采样器，还有同SD一同推出的一些采样器。

DPM采样器：

一般是2022年左右发布的，以DPM为基础的改良版采样器。

带a的是祖先采样器变体，一般表示随机变量的引入，即在每一步去噪完成后重新引入随机新噪声，以此使图像多变。
DPM++系列，是对DPM的升级版本。
DPM2比DPM更加准确，但速度慢了一倍。
带SDE的，表示在DPM过程中添加了SDE这种随机算法，每一步扩散都引入随机噪声，采样结果很随机，出图不收敛，富有多种变化。
带3M的采样器，是1.6版本后推出的升级版本，通常在30步之后才会有不错的效果。
带Karras的，随着采样步数的增加，可以减少误差，使图像细腻，一般效果都不错。
带Exponential的，是在原有的过程中，增加了柔和的效果。

更新采样器：

目前最新的采样器。

UniPC 和 Restart：
2023年推出的采样器，以尽可能少的采样步数，获取相对最高的图像质量。在低CFG（提示词相关性）的条件下，5~10步就能得到不错的图像， 20 ~30步便可十分不错。

LCM：清华大学推出的采样器，在极低CFG和采样步数下往往有奇效，需要搭配对于的Lora使用。速度非常快，可以高效率出图。

按照效果划分？

按照用途划分？

采样器参数设置？