weixin_53908101的博客

欢迎你分享你的作品道我们的平台上. www.shxcj.com 或者 www.2img.ai 让更多的人看到你的才华。关于如何制作大模型，我们会在高级课程中教授，目前不涉及，大家只要知道怎么使用即可。针对初中级的美术工作内容，需要生产一些图标，NPC的模型照片等，或者更简单的手机移动App的Icon等。总体来看， 这个Icon的大模型，能生成一定质量的Icon，至于格式，一般默认是PNG的，你可以自行修改成其余的。通过一系列的介绍，和本课程浅尝辄止了下实战，相信，你对RA/SD的能力有了基本的了解。

上一章，我们介绍如何用提示词引导系数和CFG修复插件。本章，我们介绍如何随机种子种子是个比较形象的翻译描述，在计算机的系统中有个随机因子的概念，为了确保每一次的生成算法中有不同的表现，加入这个因子，或者种子的操作能力。在RA/SD的体系中，界面上提供了这样的一个方法去手动控制。一般的我们也会用这个Seed种子来确定生成同一个图片所需要的随机因此，确保能够大概率还原之前生成图片的其余参数的影响范围。在C站中你可以看到很多图片效果生成中会写上使用的种子的数据。

总体来说，一次生成多张图像的方法，让我们可以方便高效的选图，测试。我们一般的，设定好合适的提示词和参数后，如果结果满意，就用这种方式大量的生成喜欢的图片。

上一章，我们介绍如何更好的使用尺寸设置来使用RA/SD本章，我们介绍如何继续使用高清修复的功能我们建议一般使用512的尺寸生成图片的最主要原因就是因为大量的高清修复的能力的出现。这个能力让我们可以不影响画质的情况下，拥有效果更好，清晰度更加的品质图像，让我们AIGC生成的美图都可以做高清壁纸，是不是很赞。

图像尺寸：以像素为单位，描述图像的宽度和高度。像素：图像的最小单位，决定图像的清晰度和细节。DPI：每英寸点数，影响图像的打印质量和分辨率。为什么设定尺寸很重要在RA/SD中生成的图片，默认是512，为什么我们要讨论这个设定问题呢？因为更大，会对你的GPU显存要求更高。目前3080的8G 显存在生成1024尺寸的情况下没有压力。但是有部分大模型已经不能很好的运行了。为避免这种情况发生。我们梳理了下这方面的注意点。长宽尺寸。

上一章，我们介绍了VAE模型本章，我们介绍如何RA/SD中的各种采样器及其特性采样器可能是很重要的影响AIGC最终生成内容的环节了。不同的采样器实现的方式，原理，算法都不同。目前没有一个较为统一的采样器，可以作用于所有的模型中。但不同的采样器有一定的风格特征，很多用户总结了一些心得。但总体来说，每个AIGC的设计参数都会有不同的影响，更重要的AIGC的环节下最重要的奇怪的创意，所以有的时候用些奇怪的采样器，甚至会给你意想不到的效果。C站上所有的模型，都会写明具体的例子的采样器。

CLIP是将你的提示文本转换为数值表示。就是把我们输入的提示词以简单的方式被数字化，然后通过各层传递。这意味着CLIP有很多层，在第一层之后，可以得到提示词的数值表示，将其输入到第二层，继续输入到第三层，依此类推，直到到达最后一层，这就是CLIP值为1的情况。如果CLIP值为2，就是我们提前停止，并使用倒数第二层的提示词数字化输出。我们发现CLIP值越大，提前停止的越快，我们提示词被数字化的层数越少，提示词的相关性越小。

上一章，我们介绍了LoRA的模型微调方法和很多基础知识本章，我们介绍如何深度的如何在RA/SD的体系中操作的更敏捷些几乎所有的初学者看到这个文章标题的时候都是一脸懵逼的。但是当你学习过本文后，掌握了XYZ的不复杂但是很强大的能力后，会很喜欢用它。AIGC的制作过程中需要用到大量的主观选择和筛选，这个过程中需要调教AI的配置参数，行为能力，生产结果，巧妙的运行自动化的脚本能力，会让你更高效且聪明。

上一章，我们介绍了Hyper Network的情况本章，我们介绍如何使用LoRA微调大模型LoRA微调大模型可以说是时下最流行的一个名词或者技术方式了。针对于其余的几种方式，LoRA可能是表现最好，趋势最好的一个方式了。这个你可以在C站的大模型库中的LoRA模型的比例和其效果看到它的未来趋势。国内也有很多所谓炼丹的说法。是不是很有趣。那么一起来仔细炼丹学习下吧。

软件正确运行后的主界面如下。可能在不同的机器上由于显示器分辨率的不同，布局会有所不一样。但是大体是一致的。是2022年发布的深度学习文本到图像生成模型。它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转变。它是一种潜在扩散模型，由慕尼黑大学的CompVis研究团体开发的各种生成性人工神经网络之一以下是SD的基础架构图。我们的RA/SD 从名字就可以看到是从SD的基础上衍生而来。SD的基本是稳定扩散，而我们RA的基本是稳定持续。