深度解析｜AI绘画中SD1.5、SDXL、Checkpoint、Lora 的含义与原理

最新推荐文章于 2025-04-25 21:23:14 发布
最新推荐文章于 2025-04-25 21:23:14 发布
阅读量1.3k 收藏 27
点赞数 26
文章标签： AI作画 人工智能 stable diffusion SD视频 SD绘画 Lora
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/eqiqi/article/details/147445670
版权

自接触AI绘画以来，我发现很多朋友对一些基础词汇理解地很模糊，然后在搭建comfyui工作流时，只能知其然，不知其所以然的感觉，也不知搭选哪个模型，很多时候都是照猫画虎地模仿，很难受。而且，很多时候，网上找不到详细地教程来详细解释这些含义。

今天我将对一些基础词汇做一个复盘，在这里做了个分享。

今天给大家分享的是 stable diffusion中的一些基础问题，主要分三块：

  1. SDXL、SD1.5是什么意思

  2. checkpoint、lora是什么意思

  3. checkpoint和lora的区别

放轻松，我会通过设计师的视角帮大家更好地理解。

问题1：SDXL、SD1.5这些版本有什么区别，到底有多少版本？

为什么会出现这个问题，是因为每次在浏览网站或者别人的视频时，左上角的xl，lora等搞得我莫名其妙，云里雾里。一会儿1.0，一会儿1.5，一会儿XL，不明所以。

其实这么回事：SD是stable diffusion的缩写，后面的后缀其实是各个版本的称号；

Stable Diffusion (SD) 自发布以来经历了多个版本的迭代。以下是SD主要版本的概览：

  1. Stable Diffusion v1.0 (2022年8月)首次公开发布

  2. Stable Diffusion v1.1 - v1.4 (2022年8月-10月)陆续发布的小版本更新，主要改进模型性能和质量

  3. Stable Diffusion v1.5 (2022年10月)在1.4基础上的进一步改进

  4. Stable Diffusion v2.0 (2022年11月)重大更新，改进了文本理解和图像质量

  5. Stable Diffusion v2.1 (2022年12月)对2.0的改进，增强了生成能力

  6. Stable Diffusion XL 0.9 (2023年6月)SDXL的预览版本

  7. Stable Diffusion XL 1.0 (2023年7月)目前最新的主要版本，大幅提升了模型能力

每个版本都比之前的版本生图质量更好，学习的图片数量也更多。接下来就给大家简单做个区分：

SD v1.1-1.5：训练的图片基本上都是 512*512 大小；

SD v2.0-2.1: 训练的图片大小是768*768；

SD XL：分别以600000步256*256 和200000步 512*512 大小的图片进行训练，适合生成1024*1024大小的图片，生成质量大大提高，非常受欢迎。

简单理解就是SD的每一个版本都比之前的版本 训练的步数更多，出图的质量更好。

那这么多版本，我应该下载哪个版本最合适呢？这里我推荐大家下载sd1.5和sdXL这两个版本，因为1.5版本生态最繁荣，sdXL 出图质量最好，画面表现高，但是占用显存略高，训练速度慢。

如果大家现在手里还没有这两个模型，可以看下方扫描免费获取模型文件

问题2:checkpoint、lora是什么意思？

梳理了stable diffusion各版本之后，接下来帮大家理解checkpoint和lora的含义和不同；

2.1什么是checkpoint？

Checkpoint是深度学习中常用的一个术语，用于描述在每次训练后保存模型参数（权重）的惯例。类似于游戏中保存关卡的功能，Checkpoint允许我们在训练过程中保存模型的状态，以便之后可以加载这些保存的参数并继续训练或进行推理。

简单理解的话，checkpoint就是在stable diffusion底模的基础上，再次训练得到特定风格的，更适合生成某种调性图片的模型。

所以我们可以在网上看到很多的checkpoint，这些都是在底模的基础上再次训练得到的。

每种checkpoint都可以在详情页中看到基础模型的版本，看下图：

这个大家要注意了。ControlNet 跟模型的版本是一一对应的，如果checkpoint的版本和ControlNet 模型版本不一致，就会报错，因为训练的图片尺寸不一样。

报错信息如下：

2.2:什么是lora？

lora（Localized Refinement of Attributes）不同于checkpoint，lora可以看成是在基础模型生成的图片上，加了一层“滤镜”，达到切换风格的效果。因此他的体积很小，只有几百MB，受到很多小伙伴的青睐，毕竟一般人没有那么大的算力和时间去训练一个checkpoint，但是训练一个lora只要几个小时，而且要的训练素材也很少，优势很大，非常吸引人。

我们可以把lora理解成英雄联盟中的皮肤，原始的皮肤是大模型，后续的皮肤就是lora，lora可以改变英雄的服装，姿态，但是主要框架是不变的。所以说lora技术是一种轻量化的模型微调训练方法。

我们可以在很多网站上下载不同风格的lora，有时候大家会遇到一个问题，就是lora出来的图片效果没有网站发布的案例好看，可能是因为没有选对底模的原因。

或者是没有输入触发词：

问题3：checkpoint和lora 的区别在哪里：

如果大家仔细看过上面的内容，不难理解两者的区别：

最后怎么在AI绘画工具ComfyUI中选lora，需要在“新建节点”下找到“加载器”，再找到“lora加载器”：

然后再lora节点中选择自己已经下载好的lora就可以啦

lora文件的存储位置在：models下的loras中

今天的分享到这里就结束了，通过这篇文章，希望大家能更好的理解sd各版本的差异和lora的使用，了解了这些基础知识之后，可以帮助大家更快地上手ComfyUI

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

（全套教程文末领取哈）
在这里插入图片描述

👉AI绘画必备工具👈

在这里插入图片描述

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，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

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

在这里插入图片描述

这份完整版的AI绘画全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
diffusers中sd的微调和lora微调
liguandong
09-14 1474
【代码】diffusers中sd的微调和lora微调。
[Stable Diffusion]：WEBUI（SD）安装、常用模型（checkpoint、embedding、LORA）、提示词具、常用插件
细节控-AI先行者的博客
12-09 2510
Stable Diffusion是一款令人印象深刻的AI模型，它让我们能够创造出惊人的艺术作品。通过安装合适的Checkpoint文件、使用Embeddings、LORA和Hypernetwork，以及使用插件，您可以发挥Stable Diffusion的最大潜力，创造出独一无二的艺术作品。
【StableDiffusion】SD1.4、1.5、2.0、2.1 和 SDXL0.9-1.0、SDXL turbo 等的区别
励志成为会前后端、运维、云服务、嵌入式开发、AI和自动化技术的创业小老板！
05-28 8471
1.基础sd base model家族：SD1.4、SD1.5、SD1.5-LCM、SD2.0、SD2.0-768、SD2.1、SD2.1-768、SD2.1-UNCLIP2.升级sdxl base model家族：SDXL0.9、SDXL1.0、SDXL1.0-LCM、SDXL-DISTILLED、SDXL-TURBO3.专门用于视频生成的 SVD 家族：SVD、SVD-XT4.最新科研：playground-v2、PixArt-α。
stable diffusion深度解析｜sd1.5、sdxl、checkpoint、lora 含义与原理
z19981的博客
08-07 8561
大家好，我是Lison，接触AI绘画以来，发现很多时候对一些基础词汇理解地很模糊，然后在搭建comfyui工作流时，只能知其然，不知其所以然的感觉，也不知搭选哪个模型，很多时候都是照猫画虎地模仿，很难受。而且，很多时候，网上找不到详细地教程来详细解释这些含义。好在我周围有很多算法同学，在跟他们交流中，对一些基础词汇有了比较深刻的了解，在这里做了个分享。SDXL、SD1.5是什么意思checkpoint、lora是什么意思checkpoint和lora的区别。
Stable Diffusion 模型演进：LDM、SD 1.0, 1.5, 2.0、SDXL、SDXL-Turbo 等
2401_84033492的博客
05-21 4117
2021 年 05 月 OpenAI 发表 Diffusion Models Beat GANs，扩散模型（Diffusion Model，DM）的效果开始超越传统的 GAN 模型，进一步推进了 DM 在图像生成领域的应用。不过早期的 DM 都直接作用于像素空间，因此如果要优化一个强大的 DM 通常需要花费数百 GPU 天时，并且因为需要迭代多步，推理的成本也很高。
从小白角度解析 SDXL，SD1.5、SD2.0、SD3、SD3.5、Flux、VAR、Infinity【干货篇-最新扩散模型、自回归生成模型解析及代码公开网址大全】
qq_53826699的博客
01-07 6824
SD3.5人物的手还是有问题，可能开发团队也知道这些问题，所以藏手的情况会比FLUX更明显一点。优点是SD3.5出图有时候更写实，FLUX对皮肤的绘制一般都比较油腻，SD3.5比较细腻更真实一点，长文本和提示词遵循的效果两者都差不多，美学方面有时候SD3.5会更好一些，性能方面SD3.5不如FLUX，出图比FLUX久显存占用还更多，不过目前FLUX生态更完善，所以短时间SD3.5应该还是超越不了FLUX的。
2024年50个热门LoRA模型推荐-Stable Diffusion
weixin_42210212的博客
07-23 4290
使用 Stable Diffusion 创作绘画作品，我们可以借助checkpoint、Lora 和 embeddings 等模型，提升AI的绘画质量和创造力。本文将根据评分、下载量和收藏量等多个维度，从画风、概念、服饰等各个方面，盘点 civitai 上受欢迎的LoRA模型，并简要介绍它们的特点和用途。
Stable Diffusion | 电商打工人必备LORA
AA1213888的博客
07-19 527
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。
【2025 Stable Diffusion WebUI 初始入门】【7.Stable Diffusion WebUI checkpoint的使用指南】
最新发布
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
04-25 617
Checkpoint 是 Stable Diffusion 创作的核心引擎，掌握其使用技巧可大幅提升出图质量与效率。建议用户定期关注社区更新（如 SDXL 2.0 适配），并通过模型融合、参数联动等高级玩法探索无限创意可能。Checkpoint（大模型）是 Stable Diffusion 的“大脑”，决定了生成图像的。
Stable Diffusion ———LDM、SD 1.0, 1.5, 2.0、SDXL、SDXL-Turbo等版本之间关系现原理详解
热门推荐
知来者逆的博客
03-05 1万+
2021年5月，OpenAI发表了《扩散模型超越GANs》的文章，标志着扩散模型（Diffusion Models，DM）在图像生成领域开始超越传统的GAN模型，进一步推动了DM的应用。
stable diffusion实践操作-大模型介绍：SD的发展历史，SD1.5和SDXL之间的差别
ccccccsaa的博客
12-02 4773
因此，尽管 1.5 版本也是用 512 * 512 的图片训练出来的，但在丰富的生态插件助力下，制作较大像素的图片也毫无压力，而且还有各种各样的风格模型，所以 1.5 版本的生态在几个版本中是最为出色的。而在动漫图片方面，借助 sdxl 的自然语言处理能力能够更轻松地得到理想的构图，再搭配动漫画风的模型，就能收获不错的成果。大家有没有这样的困惑：在找模型时，老是会出现一些奇怪的标签，像 sd1.5、sdxl 之类的模型后缀，真让人摸不着头脑，一会儿 1.0，一会儿 1.5，一会儿 XL，完全搞不清楚状况。
【StableDiffusion】Lora 底层原理，低秩适配，Lora 如何与 checkpoint 联合发挥作用
励志成为会前后端、运维、云服务、嵌入式开发、AI和自动化技术的创业小老板！
06-13 1408
你要了解 Lora，也就是“低秩适配”，你首先得明白“秩”是个什么东西罢？所以，矩阵的 秩 的数量，即是它的 线性独立的行 的多少！也就是说，一个矩阵的 秩 越大，它的 有效信息含量 就越大。
checkpoint 大模型、VAE、LoRA、Embedding、Controlnet这些是什么模型
m0_57448314的博客
03-27 4190
VAE 通过最大化重建数据的概率来学习数据的潜在分布。3. LoRA：低秩适配(Low-Rank Adaptation,LoRA)是一种用于迁移学习的方法，它允许在新任务上微调预训练模型，同时保持原始预训练模型的不变。LoRA 通过在预训练模型的输出和任务特定模型的输入之间引入一个低秩适配矩阵来实现这一点，从而最小化对原始预训练模型的影响。1. Checkpoint 大模型：Checkpoint 大模型是一种深度学习模型，通过将模型参数保存到磁盘上并随时恢复它们来避免重新训练模型的昂贵成本和时间。
小米发布SDXS，大幅增强SD图像生成速度，单个GPU实现SD1.5每秒钟100张图，SDXL每秒30张图
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
03-29 1341
最近小米也发布了一个大幅增强SD图片生成速度的项目SDXS，可以在单个GPU 上实现SD1.5每秒100张图的生成速度，SDXL每秒30张图。
理解Stable Diffusion、LoRA、Dreambooth、Hypernetworks、Textual Inversion、Checkpoint
weixin_47420447的博客
02-26 3431
在深度学习和人工智能的领域中，模型生成和调整技术的快速发展为创造性内容的自动化提供了新的可能性。本文将介绍四种重要的模型技术——Stable Diffusion、LoRA、Dreambooth、和Hypernetworks——它们在生成艺术、个性化模型调整和网络结构设计方面各自的特点和应用。
【附模型】Stable Diffusion【真人模型】：SD1.5人像模型新高度，超级逼真的AI真人模型：AWPortaint
2301_80239908的博客
07-13 1186
今天和大家分享一个基于SD1.5基础模型训练的人像大模型AWPortrait。该模型在真人写实摄影方面效果超级逼真，能够模拟在真实摄影中的光影效果、皮肤纹理质感、甚至是人物的表情和妆容。
Stable Diffusion模型全解析｜SD1.5、SDXL、SD3、Flux
m0_71745258的博客
02-10 5525
Stable Diffusion大模型的演变与选择近年来，Stable Diffusion（简称SD）作为AI图像生成领域的明星，已经发展出多个版本，从SD1.5到SDXL，再到推出不久的SD3和Flux。每个版本都有其独特的特点和优势，如何选择适合自己的模型？今天，我们就来详细解析这些热门SD大模型的特点，帮助你快速入门并找到最适合你的选择。一、Stable Diffusion模型发展概述\1. 什么是Stable Diffusion？
得物签名
03-12
<think>好的，我现在需要帮助用户了解或实现得物签名的相关技术，特别是签名算法的实现方式。首先，我需要收集已有的信息。根据用户提供的引用，特别是引用[4]和[5]，得物的签名算法可能涉及逆向工程分析，使用了JavaScript中的XMLHttpRequest重写来拦截请求，并在请求中包含特定的sign参数。这可能意味着签名生成是在客户端进行的，通常在前端JavaScript代码中完成。 接下来，我应该考虑常见的签名生成方法。常见的Web应用签名算法通常使用HMAC、AES、RSA或自定义的哈希组合。引用[1]提到了RSA算法，但得物的签名可能更倾向于使用HMAC-SHA256之类的哈希算法，结合时间戳、随机数和请求参数进行签名，以防止篡改和重放攻击。 用户可能需要具体的步骤，比如逆向分析得物的JavaScript代码，找到生成sign的函数，提取关键参数和加密逻辑。引用[5]中的代码片段展示了如何重写XMLHttpRequest的open方法来拦截请求，这可能用于调试和定位签名生成的代码位置。 此外，引用[4]提到使用Python进行算法还原，所以可能需要在Python中复现JavaScript的签名生成逻辑。这通常涉及分析请求参数如何排序、拼接，以及如何与密钥结合进行哈希或加密。需要注意反爬机制，如obfuscation（代码混淆）或动态密钥，这可能需要使用AST（抽象语法树）解析或动态执行来还原算法。 用户可能还需要了解如何应对反调试措施，比如在Chrome开发者工具中使用断点调试，或者使用工具如Frida进行Hook。同时，引用[3]和[4]强调了法律和合规问题，确保研究仅用于学习目的，不用于非法用途。 最后，应该提醒用户注意法律风险，遵循网站的使用条款，避免侵犯知识产权或违反计算机安全法律。总结起来，实现得物签名需要逆向工程分析前端代码，提取关键算法，处理可能的混淆和反调试，最后用目标语言如Python复现算法。</think>### 得物签名算法实现方式分析 得物签名算法主要用于接口请求的身份验证和防篡改保护，常见实现方式涉及以下技术点： #### 1. **签名参数组成** 签名通常由以下参数动态生成： - 请求参数（经排序、过滤空值后拼接） - 时间戳（如：$timestamp=1620000000$） - 随机数（如：$nonce=5a8s3d$） - 设备指纹（如：$device\_id=abcdef$） - 应用密钥（加密盐值，可能动态获取）[^4] 示例参数拼接逻辑： $$ \text{sign\_str} = \text{path} + \text{sorted\_params} + \text{timestamp} + \text{nonce} $$ #### 2. **加密算法类型** 根据逆向分析，得物可能采用以下组合： - **HMAC-SHA256**：对拼接字符串进行哈希运算 - **AES/Base64编码**：对结果二次处理 - **自定义位移/异或操作**：增加逆向难度[^5] #### 3. **JavaScript代码混淆** 关键函数可能被混淆，例如： ```javascript function _0x12ab5(a, b) { return a ^ b << 3; } // 需要AST解析还原控制流 ``` #### 4. **Python算法还原示例** ```python import hmac import hashlib def generate_sign(params, secret_key): # 1. 参数排序并拼接 sorted_str = '&'.join([f"{k}={v}" for k,v in sorted(params.items())]) # 2. HMAC-SHA256加密 sign = hmac.new(secret_key.encode(), sorted_str.encode(), hashlib.sha256).hexdigest() # 3. 自定义处理（示例） return sign.upper() + str(int(time.time())) ``` #### 5. **反爬对抗措施** - 动态密钥：通过接口定期更新加密盐值 - 环境检测：验证是否在真机环境运行 - 请求频率限制：异常高频触发验证码[^5]
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