Stable Diffusion webui 源码调试（一）

已于 2023-12-18 09:44:48 修改
阅读量767 收藏 2
点赞数
分类专栏： stable diffusion 文章标签： stable diffusion
于 2023-11-07 15:38:59 首次发布
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/u010006102/article/details/134263124
版权
本文详细介绍了StableDiffusionwebui的v1.4.1版本中，txt2img模块的调试过程，重点剖析了sample函数在生成图像中的作用，以及process_images_inner函数中的执行流程。作者通过AIGC群交流分享了调试心得。
摘要由CSDN通过智能技术生成

Stable Diffusion webui 源码调试（一）

个人模型主页：LibLibai
stable-diffusion-webui 版本：v1.4.1

内容更新随机，看心情调试代码~

调试txt2img的参数和工作流

文件 /work/stable-diffusion-webui/modules/txt2img.py
在这里插入图片描述
进入txt2img函数
StableDiffusionProcessingTxt2Img和StableDiffusionProcessingImg2Img 继承StableDiffusionProcessing类

先去看父类StableDiffusionProcessing，注意到其中一个函数 sample,这个函数需要子类重写。
sample函数也是生图过程中，重要的函数处理。
在这里插入图片描述
去看看StableDiffusionProcessingTxt2Img类中的sample函数如何实现
在这里插入图片描述
文件 /work/stable-diffusion-webui/modules/processing.py
进入txt2img函数，再到process_images函数，process_images_inner函数， 在process_images_inner函数中调用sample函数得到图像。

进入process_images_inner函数，看一下
在这里插入图片描述
p.sample函数，执行n次迭代，得到latent空间出的图，

在这里插入图片描述
在这里插入图片描述
程序执行到箭头位置，可以知道，我们已经获得生成的图了。
往下执行就是 其他操作。

AIGC群交流

在这里插入图片描述

且漫CN
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
Stable diffusion WebUI txt2img使用教学
Mr数据杨
06-19 2513
本篇文章将深入探讨如何在Stable Diffusion WebUI上进行各项参数的调整。将以txt2img为主要讨论对象，探讨诸如基本设定Sampling method以及CFG scale等参数的调整，以及这些参数之间的相互影响。对于还未安装Stable Diffusion WebUI的小伙伴，可以参阅上一篇文章以获得安装和运行的具体步骤。而本篇文章将直接讨论和解析WebUI的各项参数。
stable diffusion webui的代码结构解析
liguandong
09-17 1611
AUTOMATIC1111的webui是近期很流行的stable-diffusion应用，它集合stable-diffusion各项常用功能，还通过扩展的形式支持controlnet、lora等技术。核心是抽接口，因为stable-diffusion-webui应用的很广，有不少先验的经验，也许可以抽象成比较不错的接口。之后我会按照自己的理解对stable diffusion webui的原始代码进行重构，webui的代码更新还是不频繁的，重构还是有一定意义的。不用改，在cmd_args中。
Stable Diffusion webui 源码调试（二）
计算机视觉领域
11-07 469
内容更新随机，看心情调试代码~
Stable Diffusion webui 源码调试（三）
计算机视觉领域
11-08 638
内容更新随机，看心情调试代码~
Stable Diffusion Webui源码剖析
benben044的专栏
08-11 6283
遍历callback_map['callbacks_model_loaded']所有的回调函数，然后把sd_model模型传进去依次执行这些回调函数。接着用OmegaConf.load加载yaml文件，然后通过/data/work/xiehao/stable-diffusion-webui/repositories/stable-diffusion-stability-ai/ldm/util.py(82)instantiate_from_config()加载yaml信息获得model。
【计算机视觉】手把手教你配置stable-diffusion-webui进行AI绘图（保姆级教程）
热门推荐
wzk4869的博客
06-06 1万+
【计算机视觉】手把手教你配置stable-diffusion-webui进行AI绘图（保姆级教程）
AI图片生成Stable Diffusion参数及使用方式详细介绍
叶子的博客
05-09 5407
AI图片生成Stable Diffusion参数及使用方式详细介绍，Python从零开始进行AIGC大模型训练与推理。
Stable Diffusion WebUI 环境
GoCoding
06-13 582
Stable Diffusion 是热门的文本到图像的生成扩散模型，本文介绍了如何准备其 WebUI 环境。
Stable Diffusion WebUI 折腾新篇章
qq_36349997的博客
02-27 1709
第一次玩 Stable Diffusion WebUI 是三十几天前，当时还在用四年半前（大学前暑假）买的轻薄本，而在半年前独显还坏了，所以是纯纯的用 CPU 折腾，刚开始纯 CPU 跑，后面发现 OpenVINO 有个 fork 版本支持 Intel 核显。一张 512x768 的图（不用高清放大），纯 CPU 能跑个 1 小时左右吧，核显能跑五六分钟。虽然核显提速明显，但是整体速度也不是很快，这个还是其次的。
Stable Diffusion web UI 文档_stable diffusion webui文档(1)
m0_54903333的博客
04-18 325
4. 以普通非管理员用户身份从 Windows 资源管理器运行“webui-user.bat”。（较新版本的Python不支持torch），勾选“Add Python to PATH”。3. 下载 stable-diffusion-webui 存储库，例如通过运行。一个基于Gradio库的web UI，用于Stable Diffusion。尝辄止，不再深入研究，那么很难做到真正的技术提升。须藤 dnf 安装 wget git python3。4. 检查“webui-user.sh”选项。
配置 Stable Diffusion WebUI 纯 CPU 或核显绘画
qq_36349997的博客
12-21 2919
我笔记本电脑的独显上半年的时候烧掉了，所以只能用 CPU，折腾了一下午总算给配置出来了。我这里用的官方 Python，网上很多教程用 Anaconda（也是一种 Python 发行版），其实没必要。最开始我就跟着用 Anaconda，挺折腾的，到后面发现只是需要 Python 而已，那整体简单多了。喜欢用 Anaconda 的也可以用，不影响，只是需要 Python 这个基础，然后在上面跑 PyTorch，Stable Diffusion 又是基于 PyTorch，结构就是这样。
Stable Diffusion WebUI 插件开发案例
08-04
这是一个Stable Diffusion WebUI 插件开发的测试源码，仅供参考，可以根据自己的需求来实现不同的功能。这个源码起到抛砖引玉作用，适合初学者。
Stable Diffusion如何实现API切换模型
guxingcanyang的博客
07-28 2953
获取的，但是这样加载的模型不是用户维度而是全局的，当我们api传过来的模型与当前模型不一样的时候，我们就需要重新加载模型，那么就需要直接调用。到此，我们就完成了文生图api接口切换模型了,同理，我们也可对图生图api增加模型切换。参数来指定咱们想要加载的模型，而在这个函数中，会自动判断咱们想要加载的模型和当前模型是否相同，相同的话就不加载。的代码，找到模型接收请求参数的中心代码，然后自己修改源码，将这些请求参数传递到这段中心函数中去。字段是一个什么样的参数，经过我对代码的研究，我发现。
stable diffusion webui中的modules/processing模块
liguandong
09-27 930
这个函数和scripts配合就是webui中文生图以及图生图的主pipeline，在processing中调用StableDiffusionProcessingTxt2Img和StableDiffusionProcessingImg2Img就是最核心的2个生图接口。首先scripts/adetailer中核心类AfterDetailerScript继承自scripts.Script，包含了上述before_process/process等节点，主要还是调用了图生图接口去做处理的。
【NovelAI】在QQ群中部署AI画图机器人
sw01188110的博客
10-13 1万+
基于NovelAI算法的QQ群AI画图机器人的实现
stable diffusion webui 文生图（txt2img）api接口调用（使用C#）
qq_40600379的博客
06-10 1万+
2、添加以下代码到你的项目中，直接运行即可，请求的是本地运行的接口，如下的【http://127.0.0.1:7860/sdapi/v1/txt2img】，需要替换为读者自己的路径。复制images数组其中一张图片的base64值，在网上找一个base64转图片的在线工具，粘贴后，可以看到生成的图片如下，这表示我们成功通过接口请求了sd webui api接口。注：这里只设置–api-auth的密码是无效了，login接口，是用于ui页面登录的，原有代码是没有api-auth接口返回token的。
win10部署NovelAI绘画，Stable Diffusion，Chilloutmix，实现txt2img，img2img（含调参）
小哈里的博客
03-16 3079
在项目目录models/ldm下手动创建stable-diffusion-v1文件夹，用来存放下载好的权重文件，即需要把下载文件夹里的sd-v1-4.ckpt文件改名为model.ckpt，然后粘贴到手动创建的stable-diffusion-v1文件夹下即可。模型可以在网上资源贴中下载合适的模型（.ckpt），放到models\Stable-diffusion里。Github下载star最多的stable-diffusion-webui项目（自带图形化包）然后我们再换用常用的3D模型生成一些图。
stableDiffusionWebui text2imgapi并发作画
ykhasia的专栏
01-19 4030
stableDiffusionWebui text2imgapi并发作画
利用Streamlit前端框架开发Stable Diffusion模型图像生成网页应用（下篇）
最新发布
m0_66628975的博客
08-31 846
Amazon Bedrock 是一项完全托管的服务，通过统一的 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 和 Amazon 等领先 AI 公司的高性能基础模型（FMs），同时提供广泛的功能，让开发者能够在确保安全、隐私和负责任 AI 的前提下构建生成式 AI 应用。使用 Amazon Bedrock，开发者们可以：轻松地测试、评估开发者的用例在不同基础模型下的表现；
stable diffusion webui安装包
06-18
Stable Diffusion WebUI是一个用户界面，用于与Stable Diffusion模型进行交互，这个模型是由 Stability AI 开发的生成式人工智能工具。它通常作为安装包提供下载，以便用户在其本地机器上运行和定制体验。安装 Stable Diffusion WebUI的步骤可能包括： 1. **下载安装包**：首先，你需要从Stability AI的官方网站或GitHub仓库下载适合你操作系统的安装包。这可能是一个适用于Windows、Mac或Linux的安装程序。 2. **运行安装**：双击下载的安装文件，按照向导指示安装，可能需要接受许可协议，选择安装路径，以及配置其他选项，比如网络设置等。 3. **依赖项**：确认你的系统已安装所有必要的依赖项，如Python及其相关的库（如TensorFlow或PyTorch）、显卡驱动（如果模型需要GPU加速）等。 4. **配置环境**：根据WebUI提供的文档，你可能需要设置环境变量，特别是关于模型权重的路径。 5. **启动WebUI**：安装并配置完成后，打开浏览器，输入提供的URL或访问指定的端口，即可开始使用Stable Diffusion WebUI。
评论 2
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

打赏作者

且漫CN

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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