Stable Diffusion Windows本地部署超详细教程（手动+自动+整合包三种方式）

本文以Stable Diffusion为例，由难及易演示了手动、自动和整合包三种部署方式，并分析了这三种方式在虚拟环境创建、程序部署、数据下载部署等复杂动作的具体过程，为一键式自动部署提供了良好的借鉴，进一步促进AIGC的普惠应用。

stable diffusion comfyui的api使用教程

为什么要使用comfyui的api？对比webui的api，它有什么好处？stable diffusion 如何实现队列

Stable Diffusion最详细教程（总版）

从0开始学习stable diffusion，你将学会怎么高效的写好提示词，你将会学会怎么使用各种模型和Lora，你将学会借助各种插件更好的生成贴合你满意的图片！

Stable-Diffusion 报错： no attribute ‘lowvram‘ 或not implemented for ‘Half‘

进入stable-diffusion-webui文件夹，找到webui-user.bat文件，右键编辑，找到。保存后重新启动webui-user.bat文件文件即可。使得整个文件呈现以下内容。

Stable Diffusion扩散模型【详解】小白也能看懂！！

2、因为每一个像素都有自己的分布，都要预测出一个均值和方差，所以网络输出的尺寸需要和图像尺寸一致，所以我们选用 Unet 网络，假设数据集中有100张图片，每张图片的shape是4x4x3，假设每张图片的每个channel的每个像素点都服从正态分布，图像加噪不是在原有图像上进行加噪的，而是通过把图片的每个像素的值转换为-1到1之间，比如像素的值是。去噪是加噪的逆过程，由时间T时刻的图像逐渐去噪到时刻为0的图像，求导，但是对于扩散的过程是不可行的，如下面的公式无法求出，因为。

Python开源库Stable Diffusion web UI搭建AI生图工具

使用的开源库为 Stable Diffusion web UI，它是基于 Gradio 库的 Stable Diffusion 浏览器界面。运行 Stable Diffusion 需要硬件要求比较高，运行时会消耗较大的GPU资源，硬件环境最好是有独立显卡。所以我在家里的PC上进行部署环境，此前玩WOW，买了一张独立显卡GTX 1660 Ti，看看能不能运行起来。

万字长文：Stable Diffusion 保姆级教程

万字长文，超详细一步一步教你在本地部署运行当下超火的Stable Diffusion模型，生成各种风格图像。

Stable Diffusion XL（SDXL）核心基础知识

如图所示，相比之前的SD，SDXL的第一个stage采用的是普通的DownBlock2D，而不是采用基于attention的CrossAttnDownBlock2D；SDXL的autoencoder依然采用KL-f8，但是并没有采用之前的autoencoder，而是基于同样的架构采用了更大的batch size（256 vs 9）重新训练，同时对模型的参数采用了EMA（指数移动平均），从而改善生成图片的局部和高频细节。SDXL的解决方案：图像裁剪参数条件化策略。SDXL的解决方案：多尺度训练策略。

训练Stable Diffusion(SD) Lora模型巨详细教程 赛博丹炉/青龙脚本/秋叶云端使用教程 主用赛博丹炉（道玄）巨小白巨啰嗦，全是干货和踩过的坑

试了很多的sd训练，尤其是sd的lora的训练，问题一大堆，现在写个博客汇总一下。

Stable Diffusion 本地部署教程

最近看Stable Diffusion开源了，据说比Disco Diffusion更快，于是从git上拉取了项目尝试本地部署了，记录分享一下过程~这里是官网介绍：https://stability.ai/blog/stable-diffusion-public-release。

二次元古代美女【InsCode Stable Diffusion美图活动一期】

我是ζ小菜鸡，让我们一起来在线试玩模型生成优质人物好图（一起努力，咱们顶峰相见！！！）

Stable Diffusion AI绘画

我们今天来了解一下最近很火的SD模型✨在人工智能领域，生成模型一直是研究的热点之一。随着深度学习技术的飞速发展，一种名为Stable Diffusion的新型生成模型引起了广泛关注。Stable Diffusion是一种基于概率的生成模型，它可以学习数据的潜在分布，并生成与训练数据相似的新样本。Stable Diffusion是基于连续扩散过程的一种生成模型。它的核心思想是将数据生成过程看作是一个随机过程，通过学习这个随机过程的条件概率分布，我们可以生成新的数据样本。

Stable Diffusion 安装教程(详细)_stable diffusion安装

本地部署安装Stable Diffusion有很多种方式，例如安装启动器，安装传统的Web Ui界面等等，它们的步骤看似繁琐复杂，其实大佬们已经帮我们整合了资源，我们只需要找到正确的下载地址就可以，剩下工作都交给了脚本，大胆往前走！或者右键，编辑，设置–autolaunch，代表自动打开SD。首先确保我们有独立的GPU，按住ctrl+Shift+Esc，选择性能，然后拉到最底下，如果能看到显卡型号的这一栏，就OK。复制D盘下的新建文件路径，前面加上cd，，回车，可以看到我们通过命令行进入到了新建的文件夹。

Stable Diffusion ControlNet 插件预览错误解决方案

通过下载预处理器，解决Stable Diffusion ControlNet 插件预览错误

【思路合集】talking head generation+stable diffusion

针对训练速度慢，算力消耗大的问题：作者尝试在潜空间中进行训练以加快训练速度，但是样本质量下降，因此在像素空间中操作，且只能训练128x128大小的数据。改进模型的训练速度对我们来说是首要任务，这将使我们能够在更大、更多样化的“野外”数据集上进行训练，如VoxCeleb [45]或LRS [12]。希望尝试用LDM的方法训练，看如何在latent space训练且不降低样本质量。语音条件：计划探索使用更广泛的语音特征作为模型条件的潜力，例如使用预训练的音频编码器。

Diffuse, Attend, and Segment: Unsupervised Zero-Shot Segmentation using Stable Diffusion

生成高质量的图像分割掩模是计算机视觉中的一个基本问题。最近的研究已经探索了大规模的监督训练，以实现对几乎任何图像风格的零样本分割，以及无监督训练，以便在没有密集注释的情况下实现分割。然而，构建一个能够在没有任何注释的情况下以零样本方式分割任何东西的模型仍然具有挑战性。在本文中，我们建议利用稳定扩散模型中的自注意层来实现这一目标，因为预先训练的稳定扩散模型已经学习了其注意层中对象的固有概念。具体来说，我们引入了一种简单而有效的迭代合并过程，该过程基于测量注意力图之间的KL散度，将它们合并为有效的分割掩码。

深度解析：Stable Diffusion中negative prompt是如何作用的？

stable diffusion推理的时候可以用negative prompt(负面提示词)去除我们不想出现的元素，这种方法的背后原理是什么？如何用代码实现呢？这篇博客就深入探讨这个问题。

【AIGC】Stable Diffusion的模型入门

下载好相关模型文件后，直接放入Stable Diffusion相关目录即可使用，Stable Diffusion 模型就是我们日常所说的大模型，下载后放入**\webui\models\Stable-diffusion**目录，界面上就会展示相应的模型选项，如下图所示。结构：具体结构可能因实现而异，但通常与 Stable Diffusion 模型类似，通过学习图像数据的概率分布来生成新的图像。功能：Lora 模型是 Stable Diffusion 模型的一种变体，用于生成图像。

【综合案例】3D立体字：梦（喂饭级教程/Stable Diffusion WebUI）

Stable Diffusion综合案例【3D立体字_机甲梦】内容涵盖：设计思路、参数、素材、模型、软件...看完即刻画同款！

Stable Diffusion介绍

Stable Diffusion是一种前沿的开源深度学习模型框架，专门设计用于从文本描述生成高质量的图像。这种称为文本到图像生成的技术，利用了大规模变换器（transformers）和生成对抗网络（GANs）的力量，以创建与给定文本提示相一致的图像。