Stable Diffusion入门系列之安装_安装stable diffusion
赞
踩
1、什么是 Stable Diffusion
我们小时候经常训练看图说话，即给定一张图，用自己的语言描述图像中包含的内容。与之相反，Stable Diffusion 是一种根据文字描述生成对应图像的模型。那么它是如何实现的呢？网络上的很多文章从数学原理上进行介绍，虽然更为准确，但是对读者的理论基础要求会更高一些。对于没有接触过人工智能算法的读者们，可能看的云里雾里。因此，笔者准备用更为浅显的语言解释一下基本原理，更专业的理论会在后续进行进一步介绍。
首先大家想象一下如何教儿童认识世界，我们通常会购买一些画本，上面有很多图，然后还有图所对应的内容，我们会一遍一遍的告诉他们每张图是什么内容。当儿童熟悉了画本上的内容之后，我们通常会有进一步的测试，比如问“灯在哪儿呢”或者“车在哪儿呢”，这个时候他们就会在自己的脑海中检索灯或者车的形状，并与现实世界的物体进行对应，如果能够成功指出灯或者车的位置，说明他们已经建立了灯和车的概念，如果他们掌握了绘画技能，就可以顺利地绘制出灯和车的图案了。
类比儿童认识世界的过程，我们可以认为stable diffusion是一个具有绘画技能的儿童，但是并不知道灯或者车的概念，于是我们的主要任务是要让它形成相关的概念，这样它就可以进行图像绘制了。因此，我们通常需要不断地向stable diffusion 展示灯或者车的图像，这一过程就称为训练过程，当stable diffusion 建立好相关的概念之后，我们就可以让它绘制已知概念的物体或者场景了，这一过程通常被称为推理或者测试过程。
在训练完成stable diffusion模型后会得到权重文件，不同的权重文件擅长的方向不一样，究其原因，主要是在训练过程中展示的图片存在差异，导致不同的权重文件建立的概念有差异，进而影响绘画质量。可以简单的理解为不同的儿童接受的训练不一样，导致其特长也有所不同，有的擅长运动，有的擅长琴棋书画。因此，有的权重文件画建筑更逼真，有的画人物更传神，需要针对你的任务目标选择合适的权重文件，否则难以充分发挥其优势。
那么权重文件如何获取呢？主要有以下两个途径：
- 自己收集图片并进行描述，再训练stable diffusion，这种方法得到的权重文件会更擅长指定的任务，但是耗费的时间比较久；
- 使用别人训练好的权重文件，可以从哩布哩布等网站下载。
2、Stable Diffusion 安装
2.1 配置要求
在安装之前，首先看一下如下图所示的stable diffusion的基本配置需求，越高的配置处理能够处理越高分辨率的图像，同时处理的速度也会更快。其中最重要的就是显卡与显存，优先选择NVIDIA的显卡，与软件的兼容性更好。至于显卡的计算能力与显存的重要性，如果预算足够就可以兼顾，否则建议优先选择显存高的显卡。打个不太恰当的比方，显卡的计算能力就像是人绘画的速度，显存像画布，绘画的速度慢一点可以多花些时间，画布的尺寸则制约着作品的最大尺寸，无法绘制超过画布尺寸的图像。显存较小的时候在绘制高分辨率的图像时容易出现“out of memory(OOM)”错误。
2.2 安装
满足配置要求之后，建议下载秋叶大佬的整合包，包含了基本的安装包和常用的权重文件。下载好之后放置在相应的位置中，路径建议全英文与数字，避免报错。文件夹中包含以下内容：
首先需要安装运行依赖，双击“启动器运行依赖-dotnet-6.0.11.exe”进行安装，如下图所示：
点击安装，等待安装完成。
安装完成之后，解压"sd-webui-aki-v4.2.7z"文件至当前目录，等待解压完成。
解压完成后，进入"sd-webui-aki-v4.2"文件夹中，找到"A启动器.exe"文件，双击打开。
启动器会进行进一步的配置，配置好后会自动进入启动器。
此时可以点击一键启动按钮，也可以在左侧进行模型或者版本管理。此处我们可以看一下，默认是1.3.2的版本，最新版是1.5.1，我们可以手动切换一下，速度还是挺快的。
切换完版本之后，我们点击一键启动按钮启动webUI。第一次运行时会进行依赖安装，安装成功之后再使用就不会重复安装了。
安装完成之后会自动打开浏览器，显示以下界面，至此，webUI安装完成。
3、测试
下面我们简单的画一张图体验一下具体的操作流程。首先我们需要在正向提示词的文本框中填入想要生成的内容，注意目前大部分模型只支持英文输入，也有部分模型支持中文输入，大家根据语言需要进行选择，此处我们以英文模型为例，我们希望模型绘制如下场景：夕阳下，一个平静的村庄，一条小河在村庄中缓缓流过，一座小桥坐落在河上。于是，我们输入如下内容，点击生成按钮，等待结果。
最终我们得到了如下的图像，可以看出，河流、夕阳以及桥梁都有了，缺少了村庄，因此我们需要对提示词进行进一步修改才能得到想要的结果，具体内容会在下一讲中详细介绍。
4、总结
Stable Diffusion 是一种开源的根据文字描述生成对应图像的模型，要想生成符合自己预期的内容，首先需要选择合适的权重文件，其次需要精心撰写提示词，最后通过反复调试得到满意的结果。
