SD/StableDiffusion教程，ai绘画部署教程，谷歌云端零成本部署，支持中文

已于 2023-09-04 13:41:43 修改
阅读量2.5k 收藏 24
点赞数 6
分类专栏： 人工智能 教程 AIGC 文章标签： stable diffusion 人工智能 ai AI作画
于 2023-06-24 02:17:49 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/weixin_43227851/article/details/131356523
版权
人工智能 同时被 3 个专栏收录
206 篇文章 13 订阅
订阅专栏
教程
87 篇文章 3 订阅
订阅专栏
AIGC
74 篇文章 1 订阅
订阅专栏

一、SD教程说明

众所周知StableDiffusion这款开源软件对电脑硬件要求非常高，因此我们普通人想体验如今最火的AI绘画软件的话，用这种谷歌colab的方式是最好的方式了，接下来跟着我一块来体验一下如何使用吧。

二、准备前提

1、一个谷歌账号

2、github上一个开源项目

三、教程说明

本教程使用谷歌colab来云端部署的，就是不需要任何成本来部署实现SD。colab给的免费GPU算力，在24小时之内只有最多12小时的使用时长，如果出现无法分配GPU算力，可能需要等待下一个24小时才可以使用，这也是这种方法的一个缺点。

详细教程请移步我的博客： 

SD/StableDiffusion模型，ai绘画部署教程，谷歌云端零成本部署，支持中文icon-default.png?t=N7T8https://www.idcyli.com/226.html

四、开始搭建

1、第一步，下载ipynb脚本文件

链接：https://pan.baidu.com/s/1OIjGIL6NPxpwTJ6SW7q6dw?pwd=cf9u 
提取码：cf9u 

2、第二步，上传一键脚本文件到谷歌云盘

​

3、选择该.ipynb文件--右键--打开方式--关联更多应用

​

4、输入框搜索Colaboratory找到该应用，安装

​

​

​

5、安装过程中，选择您已经登录的Google账户

​

6、用安装好的Colaboratory打开.ipynb文件

文件--右键--打开方式--Colaboratory

​

7、在使用Colaboratory打开的界面选中修改-笔记本设置-确认默认设置

​

​

8、一键部署

​

遇到访问权限询问弹窗都选择允许即可

​

​

​

9、耐心等待云端部署完成，大概15分左右。

​

​

前提得有免费的GPU算力，如果提示执行失败，等几十分钟或者几个小时重新一键部署。

​

10、成功部署后打开的页面

​

中文汉化：

打开settings--User interface

填写下面代码：

sd_model_checkpoint,sd_vae,CLIP_stop_at_last_layers

​

​

保存-并重启web-ui

​

11、打开新链接即可出现中文界面

​

​

其他可能遇见问题

打开提示没有改接口运行，就打开其他的项目启动链接。

​

12、简单使用

简单示例：

关键词，提示词：

水上少女

{masterpiece},{best quality},{1girl,{{loli},black hair,blue eyes,very long hair,hair flower,school uniform,happy}},Amazing,beautiful detailed eyes,finely detail,Depth of field,extremely detailed CG,original,outdoors,beautiful detailed hand,beautiful detailed fingers,wet through,{knee under water},standing,{beautiful detailed water,beautiful detailed sky,fluttered detailed splashs},by Paul Hedley,colorful,hdr,{{colorful refraction}},{{cinematic lighting}},

sd绘画输出结果

​

关键词，提示词：

新娘

1girl, dress, solo, realistic, veil, lips, see-through, black hair, white dress, long hair, own hands together, black eyes, wedding dress

sd绘画输出结果

五、其他相关项目介绍

​最新AI创作系统

程序核心功能：

程序已支持ChatGPT3.5/4.0提问、AI绘画、Midjourney绘画（全自定义调参）、Midjourney以图生图、Dall-E2绘画、思维导图生成、知识库（可自定义训练）、AI绘画广场、邀请+代理分销模式、用户每日签到功能、会话记录保存、微信公众号+邮箱+手机号注册登录、后续其他免费版本功能更新...

系统介绍搭建部署教程文档

最新ChatGPT程序源码+AI系统+详细图文搭建教程/支持GPT4/AI绘画/H5端/完整Prompt知识库icon-default.png?t=N7T8https://www.idcyli.com/33.html

系统功能模块演示

白云如幻
关注
  • 6
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
2023最新Ai创系统ChatGPT程序源码+教程/支持ai绘画/GPT4/GPT联网功能/知识库/思维导图生成/MJ以图生图
08-12
2023最新Ai创系统ChatGPT程序源码+教程/支持ai绘画/GPT4/GPT联网功能/知识库/思维导图生成 本系统使用Nestjs和Vue3框架技术，持续集成AI能力到本AIGC系统！ 二、部署搭建教程 2.1安装环境： Nginx >= 1.19.8 MySQL >...
2023最新ChatGPT商用网站源码/支持ai绘画(Midjourney)/GPT4.0/Prompt/用户会员套餐
06-08
2023最新ChatGPT商用网站源码+支持ai绘画(Midjourney)+GPT4.0+Prompt面具角色+用户会员套餐+支持对接易支付+邀请分佣功能+支持后台一键更新+网站后台管理+永久更新！ 一、最新ChatGPT网站源码 程序已支持ChatGPT4.0...
从零开始，手把手教你Window本地化部署stable diffusion AI绘图
张伟的专栏
04-02 2860
（比如你要生成10张，已经生成了3张，点击interrupt，就会返回3张图片）如果点击skip，就会跳过本张图片的生成，比如你想生成10张图，现在生成第3张，点击skip，第三张就不生成了，直接开始生成第四张，最后返回9张图片。原本弄了两天，昨天傍晚跑通，赶一下是可以发出来教程的，但是我觉得太好玩了，于是自己鼓捣了一晚上，生成了几百张图片，这才发出来教程。因为没有生成数量的限制，不用花钱，不用被nsfw约束，生成时间快，不用排队，自由度高很多，可以调试和个性化的地方也更多。（5）耐心，多尝试，多搜索。
Stable Diffusion 超详细讲解
略懂……略懂……
06-03 1万+
本文将在《Stable Diffusion原理详解》和《Diffusion Model 深入剖析》这两篇文章的基础上，进一步细致地讲解 Stable Diffusion 的算法原理。
从零开始学AI绘画，万字Stable Diffusion终极教程（六）
月流霜的专栏
05-05 841
【第6期】知识补充 欢迎来到SD的终极教程，这是我们的第六节课，也是最后一节课这套课程分为六节课，会系统性的介绍sd的全部功能，让你打下坚实牢靠的基础这节课主要是对之前的一些重要知识进行补充分为和两部分。
Stable Diffusion最详细教程（总版）
m0_54231818的博客
07-23 1万+
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的入门介绍和使用教程
热门推荐
idol24的博客
01-02 4万+
本文来源：DeepHuhb IMBA 仅分享，侵删本文介绍了Stable Diffusion是一个文本到图像的潜在扩散模型的入门介绍及使用教程。Stable Diffusion是一个文本到图像的潜在扩散模型，由CompVis、Stability AI和LAION的研究人员和工程师创建。它使用来自LAION-5B数据库子集的512x512图像进行训练。使用这个模型，可以生成包括人脸在内的任何图...
Stable Diffusion原理详解
略懂……略懂……
03-01 1万+
本文向大家介绍了图像生成领域最前沿的Stable Diffusion模型。本质上Stable Diffusion属于潜在扩散模型(Latent Diffusion Model)。潜在扩散模型在生成细节丰富的不同背景的高分辨率图像方面非常稳健，同时还保留了图像的语义结构。 因此，潜在扩散模型是图像生成即深度学习领域的一项重大进步。
一步步带你解锁Stable Diffusion：SD保姆级安装教程
weixin_72959097的博客
01-11 1911
之前和小伙伴们说过后续也会开始分享 Stable Diffusion 的相关操作指南，不过之前也有分享过 Stable Diffusion 的一些骚操作，比如艺术二维码和艺术光影字体。但是既然是学习笔记嘛，当然是要有始有终啦，必须系统的开始分享才对得起各位关注我的小伙伴嘛。所以呢，我们今天就从SD的安装开始讲「后续都以SD来代表 Stable Diffusion 了哈，字少一点也是好的，毕竟手累啊」。
AI绘画提示词魔法的学习教程.pdf
06-03
AI绘画提示词魔法的学习
最新ChatGPT网站源码AI系统源码/支持GPT4o/GPTs/AI绘画/文档分析
最新发布
05-28
SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。 二、部署搭建教程 2.1安装环境： Nginx >= 1.19.8 MySQL >= 5.7或者MySQL 8.0 PHP-7.4 PM2管理器...
源码君亲测-新版AI助手源码v1.0.5支持GPT-4全模型/支持AI绘画
04-24
v1.0.5 1.优化购买会员套餐 2.优化KEY可多选模型 3.修复部分手机显示输入框显示不全问题 4.修复未登录不显示模型列表 5.新增图片转代码 6.优化后台首页统计 7.优化后台登录页面
Stable Diffusion完整入门指南，保姆级教程！干货满满，建议收藏！
m0_59235945的博客
08-11 6664
这里分为三个部分：1. 提示词 2. 符号的使用 3. 图像的输出1. 提示词提示词分为正向和反向的生成图像时，我们可以使用正向提示词来指定想要生成的图像。正向提示词可以是脑子里想到的图片或一句话，将其拆分成不同的关键词，并用逗号隔开作为输入。需要注意的是，相同的指令在不同的模型库和参数下，生成的输出图像可能会不一样。此外，提示词的顺序也非常重要，因为它们的顺序会影响到生成图像的权重。通常情况下，越靠前的提示词权重越大，越靠后的提示词权重越小。
AI绘画Stable Diffusion应用场景探索，AI绘画到底能做什么？小白入门必看！
A13531922962的博客
04-23 842
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。
sd教程：电脑本地安装3步轻松搞定，小白看完也能学会
HJS123456780的博客
04-17 748
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。
十分钟读懂Stable Diffusion运行原理
weixin_40920183的博客
05-12 8869
作者：symonAIGC 热潮正猛烈地席卷开来，可以说 Stable Diffusion 开源发布把 AI 图像生成提高了全新高度，特别是 ControlNet 和 T2I-Adapter 控制模块的提出进一步提高生成可控性，也在逐渐改变一部分行业的生产模式。惊艳其出色表现，也不禁好奇其背后技术。本文整理了一些学习过程中记录的技术内容，主要包括 Stable Diffusion 技术运行机制，希望...
Stable Diffusion
四问四不知的博客
10-17 3万+
AI绘图
Amazon SageMaker：探索AI绘画云端部署新方案
FRIGIDWINTER的博客
06-09 6582
亚马逊云科技将于6月27日及28日在上海世博中心举办一年一度的亚马逊云科技中国峰会，本次峰会旨在展示云计算领域最新成果与未来规划。欢迎感兴趣的同学报名参加
SD入门教程｜模型安装教程
weixin_55154866的博客
05-22 626
今天给大家分享Stable Diffusion模型存放位置，首先我们来了解一下Stable Diffusion吧。Stable Diffusion主要用于根据文本的描述产生详细图像，尽管它也可以应用于其他任务，如内补绘制、外补绘制，以及在提示词指导下产生图生图的翻译。每种模型都有各自特定的功能，可以使用不同种类模型组合生成不同风格的图片，从而实现对不同细节的定制化处理。
基于VITIS AI部署卷积神经网络的教程
08-16
### 回答1： 1. 安装VITIS AI 首先，需要在您的计算机上安装VITIS AI。您可以从Xilinx官方网站下载并安装VITIS AI。 2. 准备模型和数据 接下来，您需要准备您的模型和数据。您可以使用任何常见的深度学习框架（如TensorFlow或PyTorch）来训练您的模型，并将其保存为Protobuf格式。您还需要准备您的输入数据，并将其转换为可用于推理的格式（如JPEG或PNG图像）。 3. 使用VITIS AI Compiler编译模型 接下来，您需要使用VITIS AI Compiler将您的模型编译为可以在FPGA上运行的格式。您可以使用以下命令来编译模型： ``` vai_c_tensorflow --frozen_pb /path/to/frozen_graph.pb \ --arch /path/to/architecture.json \ --output_dir /path/to/output_dir \ --net_name my_model ``` 其中，`/path/to/frozen_graph.pb`是您的冻结图Protobuf文件的路径，`/path/to/architecture.json`是您的模型架构文件的路径，`/path/to/output_dir`是您想要将编译后的模型保存到的目录，`my_model`是您的模型的名称。 4. 部署模型 一旦您的模型被编译，您就可以使用VITIS AI Runtime库在FPGA上部署它。您可以使用以下代码来加载和运行您的模型： ``` import vart import cv2 # Load the compiled model xmodel = vart.RunModel('/path/to/output_dir/my_model.xmodel') # Load input image img = cv2.imread('/path/to/image.jpg') # Preprocess input image img = cv2.resize(img, (224, 224)) img = img.astype('float32') img = img / 255.0 img = img.transpose((2, 0, 1)) img = img.reshape((1,) + img.shape) # Run inference output = xmodel.run(img) # Process output ``` 其中，`/path/to/output_dir/my_model.xmodel`是您编译后的模型的路径，`/path/to/image.jpg`是您的输入图像的路径。 5. 优化性能 为了获得最佳性能，您可以使用VITIS AI优化工具箱来对模型进行优化。这包括量化模型、裁剪模型和优化数据布局等。您可以使用以下命令来执行这些优化： ``` vai_c_tensorflow --frozen_pb /path/to/frozen_graph.pb \ --arch /path/to/architecture.json \ --output_dir /path/to/output_dir \ --net_name my_model \ --options "{'quantize': 1, 'calib_iter': 100}" ``` 在上面的命令中，`'quantize': 1`表示使用量化优化，`'calib_iter': 100`表示使用100个迭代来计算量化参数。 6. 运行性能测试 最后，您可以使用VITIS AI性能测试工具来测试您的模型在FPGA上的性能。您可以使用以下命令来运行性能测试： ``` vai_c_profile --profile /path/to/profile.json \ --csv /path/to/output.csv \ --batchsize 1 \ --max_num_threads 1 \ --vart /path/to/output_dir/my_model.xmodel ``` 在上面的命令中，`/path/to/profile.json`是您的性能测试文件的路径，`/path/to/output.csv`是您想要将测试结果保存到的CSV文件的路径，`/path/to/output_dir/my_model.xmodel`是您的编译后的模型的路径。 ### 回答2： VITIS AI是一款由赛灵思（Xilinx）推出的深度学习推理平台，用于部署卷积神经网络（CNN）模型。以下是基于VITIS AI部署CNN模型的简要教程。 首先，使用常见的深度学习框架（例如Tensorflow、PyTorch或Caffe）训练一个CNN模型。确保在训练过程中使用了Vitis AI支持的网络层和操作。 接下来，将训练好的模型转换为VITIS AI支持的中间表示格式。使用VITIS AI提供的模型转换工具将模型转换为Xilinx支持的格式（例如Xmodel）。 然后，将转换后的模型与VITIS AI库一起编译成可在Xilinx FPGA上运行的二进制文件。使用VITIS AI提供的编译工具链和API，可以为特定的Xilinx FPGA生成优化的推理引擎。 在编译完成后，可以将生成的二进制文件加载到Xilinx FPGA上。使用VITIS AI提供的API，可以通过简单的代码将数据输入到CNN模型中，并获取推理结果。 为了进一步优化性能，还可以使用VITIS AI提供的工具对生成的二进制文件进行剪枝、量化或量化感知训练等技术，以降低模型的计算和存储需求，从而提高推理速度和效率。 最后，将部署好的CNN模型与应用程序集成，以实现各种视觉任务，如图像分类、物体检测、人脸识别等。 总之，基于VITIS AI部署卷积神经网络的教程包括模型训练、模型转换、编译优化、加载部署和集成应用等步骤。通过利用VITIS AI的强大功能，我们可以更高效地在Xilinx FPGA上部署和运行深度学习模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

白云如幻

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