stable diffusion——采样器【学习笔记】_stable diffusion 采样器

本文章为观看b站up主“叫我四胖子”视频教程过程中记录的笔记，视频教程地址：【最新版SD教程】Stable Diffusion保姆级教程 零基础入门到精通 AI人工智能绘图 轻松掌握AIGC AI动画视频 写真 设计摄影效果图一键生成_哔哩哔哩_bilibili

术语解释

什么是“a”？

在许多采样算法名称中包含的"a"表示祖先采样器。这类采样器的生成画面不收敛。

什么是收敛和不收敛？

收敛

含义：随着采样步数增加，最终会趋向于一个固定的定性画面。

优点：画面稳定，向目标画面生成。

不收敛

含义：每一个采样步骤都会添加随机噪声，因此每一步都会有一定的随机性，随着采样步数变化，画面或多或少都会有一些变化。

优点：画面带来一定随机性，能增加细节。

什么是“Karras”？

Karras：带Karras的算法相比原算法，大约在8步采样之后噪点比原算法更少，可以用更少的步数产生更清晰的图像。所以优先考虑带Karras的算法。

什么是“SDE”

SDE：随机微分方程（Stochastic Differential Equation），调用了祖先采样，所以该算法不收敛。可以很好地生成高逼真度的图像，但生成速度可能会较慢。

什么是“2M/2S”？

2S：单步算法。

2M：二阶多步算法，增加了相邻层之间的信息传递，是2S的改进算法，生成速度和质量均优于2S。

老派采样器

DDIM、PLMS、Euler a、Euler、Heun、LMS、LMS Karras（带有删除线的算法为不优先考虑使用的算法)

不考虑的算法

1.DDIM、PLMS

原因：最早的采样器已经过时。

2.Heun

原因：Euler改进算法，但速度慢一倍。

3.LMS、LMS Karras

线性多步法，速度和Euler差不多，但没Euler稳定，容易出色块。

推荐算法

Euler a、Euler

经典ODE采样器，渲染画面简单直接，不容易出错。带a的不收敛，不带a的收敛。

DPM算法

DMP2、DMP2 Karras、DMP2 a Karras、DMP2a、DPM++ 2S a、DPM++ 2S a Karras、DPM++2M、DPM++2M Karras、DPM++SDE、DPM++SDE Karras、DPM++2M SDE、DPM++2M SDE Karras、DMP++2M SDE Heun、DPM++2M SDE Heun Karras、DPM++3M SDE、DPM++3M SDE Karras、DMP++3M SDE Exponential、DMP++2M SDE Exponential、DPM++2M SDE Heun Exponential 、DPM fast（带有删除线的算法为不优先考虑使用的算法)

不考虑的算法

1.DPM fast

原因：渲染效果差，容易出现色斑。

2.DPM2、DPM2 Karras、DPM2 a Karras

原因：和DPM一代算法相比画面有提升，但渲染时长增加一倍。

3.DPM adaptive

原因：渲染效果很好，但是渲染时间不可控，并且慢的惊人。不管采样步数，自适应时长。

4.不带Karras的算法

原因：karras算法比原算法可以用更少的步数产生更清晰的图像。

5.2S

原因：2M是2S的改进算法，速度优于2S，两者之间优先考虑2M。

6.带有Heun的算法

原因：Heun画质更好，但渲染时长增加一倍

最推荐的算法

DMP++2M Karras

速度快，并且生成质量不错

DMP++SDE Karras 

调用了祖先采样，所以该算法不收敛。可以很好的生成高逼真度的图像，但是由于没有2M的加持，所以生成速度会慢一些。一般在渲染真实系图片，追求高画质时可以选择这个算法。

DMP++2M SDE Karras

在上一个方法中加入了2M 二阶多步采样算法，所以生成速度更快，相当于2M Karras和SDE Karras 的折中算法，同样也是不收敛算法。

DMP++2M SDE Exponential

Exponential表示指数，它的渲染时间和DPM++2M SDE Karras差不多，但细节会丢失一些，画面更柔和，背景更干净

DMP++3M SDE Karras、DPM++3M SDE Karras Exponential

3M在渲染速度上和2M算法没有什么区别，基本保持一致。需要设置更多的采样步数，并适当调低一点CFG，才会有好的结果。如果渲染步数在30步以上，可以尝试3M算法

2023新采样器

UniPC

可以在10步左右就能生成可用的画面

Restart

可以比UniPC使用更少的步数就能生成可用的画面了