Stable Diffusion安装很麻烦？不不不_自己大家stable麻烦吗

工具人只做分享不做推荐

做推文的都知道要学习Stable Diffusion或者MJ，但是MJ需要成本，Stable Diffusion要是你有好一点的显卡，本地搭建就无需成本

Stable Diffusion自己搭建很麻烦，但是B站秋叶大佬分享了一个一键安装包已经给你们整理到这里了

安装好以后需要下载自己喜欢的大模型

模型安装目录

lora安装目录

VAE安装目录

选择模型，选择合适VAE

输入正向描述词

针对部分描述词工具

工具给你们放下面了

（对公众号发送【工具箱】或点击阅读全文）

Stable Diffusion（稳定扩散）是一种深度学习模型，主要用于文本到图像的生成任务，即根据文本描述生成相应的图像。以下是关于Stable Diffusion的一些关键信息：

1. 模型框架：Stable Diffusion基于“潜在扩散模型”（latent diffusion model；LDM），它由几个关键部分组成，包括变分编码器（Vector Quantised Variational AutoEncoder，VQ-VAE）、扩散模型（Diffusion Model），以及条件控制器（Conditioning）。

2. 工作原理：Stable Diffusion的工作原理可以概括为：图片通过VAE转换到低维空间，然后结合条件控制器DM产生新的变量，最后通过VAE将生成的变量转换为图片。

3. 扩散模型：Diffusion Model是生成图片的核心，它包括前向扩散（将图片逐步加入噪声直至完全变成噪声图）和逆向扩散（从噪声图中逆向推断出原始图片）两个步骤。

4. 应用场景：Stable Diffusion不仅可以用于文本生成图像（txt2img），还可以应用于图像修复（Inpainting）、深度图生成图像（Depth-to-image）等。

5. 特点：Stable Diffusion通过压缩图片到潜在空间，显著降低了训练和生成的计算成本，使得生成高质量的图像成为可能。

6. 开源与社区：Stable Diffusion的模型在GitHub上开源，社区成员可以对其进行研究和改进8。

7. 学习资源：对于想要深入了解Stable Diffusion的用户，有多篇教程和文档可供参考，包括视频教程、书籍和网络文章。

8. 版本区别：Stable Diffusion的不同版本（如v1和v2）主要区别在于训练集、text encoder的不同，以及训练分辨率的差异。

9. 控制生成过程：Stable Diffusion允许通过干预噪声预测器的预测过程来控制生成的图片，例如使用Transformer机制或残差连接等。

10. 实际应用：Stable Diffusion在实际应用中，如艺术创作、设计等领域，可以帮助用户快速创建高品质的数字艺术作品。

Stable Diffusion因其强大的图像生成能力和灵活性，已经成为AI绘画领域的一个重要工具。

复制再试一次分享

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。
 

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除