SD(Stable Diffusion) 简易教程_sd云端部署

最近给家里的小朋友用 SD(Stable Diffusion) 生成卡通头像，顺便记录一下 SD 的基础使用教程。

文章使用的AI绘画SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了，无需自行查找，。有需要的小伙伴文末扫码自行获取。
教程目录

1. SD 安装与部署

2. 认识模型和插件

3. 基础使用教程

SD 安装与部署

SD 安装和部署可以分为本地和云端。本地安装对电脑配置有一些基本要求，云端安装对电脑要求不高，但是云端服务商会收取使用费用，两种方法各有优劣。

本地电脑安装配置最核心的关键点：显卡、内存、硬盘、CPU。其中最重要的是显卡。

显卡：N卡（英伟达Nvida独立显卡）首选，效率远超集显/AMD/Intel显卡和CPU渲染，最低10系起步，体验感佳用40系，显存最低4G。建议 3060 8G 以上。
内存：内存最低8G，越大越好。
硬盘：建议使用固态硬盘，可以加快模型加载、切换速度。
系统：支持 Win10/Win11/macOS（仅限Apple Silicon，Intel 版本的 Mac 无法调用 Radeon 显卡）和 Linux 系统，苹果版 SD 兼容的插件数量较少，功能性不及 Windows 与 Linux 电脑。

如果没有合适的电脑可以考虑购买使用云端主机。若无法使用独立显卡和云服务，也可修改本地软件启动配置，使用CPU渲染（兼容性强，出图速度慢，需要16G以上内存）。或者使用第三方免费的体验产品。比如 LibLib ，每天可以免费生成 100 张图片。

本地安装与部署

目前普遍采用的 SD UI 是 Github 上的 Python 项目，在使用时需要对项目项目在不同的电脑和系统上编译源码，这需要使用者拥有一定的程序开发经验，所以这里我们直接使用 B 站秋叶大佬的整合包，直接安装使用。

1**.软件下载
**百度网盘：https://pan.baidu.com/s/1dl_ON9Yb4En8hW9WsicEng?pwd=y8cb 提取码: y8cb

2**.软件安装**

- 下载后，解压文件，首先安装运行依赖。

- 解压 sd-webui-v4.2

在刚刚解压的文件夹内找到启动器，双击后可以启动。

软件启动后，点击右下角的 “一键启动” 。

点击后会跳出如下界面，等待加载一段时间后，会自动跳转到网页操作页面。

云端安装与部署

云端服务厂商比较多，如果只是平时使用，不作为生成工具建议直接使用 第三方免费体验的功能。我这里免费体验使用的是 LibLib， 每天可以免费生成 100 张图片。

认识模型和插件

在使用 SD 中，我们需要了解大模型，LORA，另外还有 VAE ，hypernetworks（超网络模型），Embedding（嵌入式模型）等的一些常见基础知识。

模型

**- 大模型
**Checkpoint 是 SD 的核心，是最基本的必备模型，体积较大，也被称为大模型。越大的模型代表融合的元素越多，表现的效果细节越丰富。不同的大模型使用不同的图片训练而成，对应不同的风格，相当于最底层的引擎。我们在模型网站筛选 Checkpoint 就是筛选大模型。

大模型后缀分两种，ckpt 和 safetensor 。
一般 ckpt 融合的数据多一点，safetensor 融合的数据少一点，模型侧重不同，各有优略，不代表好坏。
模型存放位置：\models\Stable-diffusion
本地和云端部署模型在 SD 存放位置都是一样的。

- Lora

==============

为某一风格特色的细分，是特征模型，体积较小，使用大模型后需要加一些独特的风格，就可以找这种风格的 Lora，或者自己训练。

================================================================

多个 Lora 模型混合使用可以起到叠加效果，譬如一个控制面部的 Lora 配合一个控制画风的 Lora 就可以生成具有特定画风的特定人物。因此可以使用多个专注于不同方面优化的Lora，分别调整权重，结合出自己想要实现的效果。

lora的后缀：safetensors。

模型存放位置：\models\Lora
本地和云端部署模型在 SD 存放位置都是一样的。

**- VAE
**VAE 模型类似滤镜 + 模型微调，对画面进行调色与微调，一般需要搭配相应的模型一起使用。（如果图片比较灰，颜色不太靓丽，就可能是没加载对应的 VAE)
模型存放位置：\models\VAE
本地和云端部署模型在 SD 存放位置都是一样的。

- Textual inversion（Embedding）

关键词预设模型，即关键词打包，即等于预设好一个关键词打包，进而来指代特定的对象/风格。比如在描述一个叫 Jam 的人物的关键词时可以把描述词打包成 Jam。
模型存放位置：\models\Embedding
本地和云端部署模型在 SD 存放位置都是一样的。

- hypernetworks（超网络模型）

Hypernetwork 是一个比 Lora 更早的模型微调技术，现在使用的人数越来越少。

模型存放位置：\models\hypernetworks

本地和云端部署模型在 SD 存放位置都是一样的。

模型下载

模型下载模型下载的渠道很多，一种是网站下载，一个是本地部署的启动器内下载。

===

1.网站下载模型网站很多，这里主要介绍 2 个：

国内 - 哩布哩布：https://www.liblib.ai

=====================================

每个模型详细页面也有模型的参数、使用建议和效果图的具体信息，包括正反提示词，使用的什么模型，以及参数细节。

===

国外 - C站：https://civitai.com

备注：需要魔法访问

2.启动器下载，可以在启动器模型管理选择对应的模型直接下载。

模型切换

插件安装

众多开发者针对 SD 的应用开发出来的插件，使得 SD 的应用门槛降低，也增加了很多的玩法，插件的应用是 SD 的一大特色。

插件我们一般分为两种，辅助类和控制类。

插件存放位置：\extensions

本地和云端部署插件在 SD 存放位置都是一样的。

===

可以从 https://gitcode.net 下载相关的插件。

输入 SD-webui 查找对应的插件。

如果需要更新插件,可以在本地启动器中更新对应的插件。

基础使用教程

SD 涉及的内容较多，这里我们使用 https://www.liblib.art/sd 中的文生图做基础教程。进入操作界面，选择一个合适的大模型。

在 Lora 中选择自己喜欢的小模型。

输入正向提示词
正向提示词的作用简单来说就是告诉 SD 根据我的描述出图。注意正向提示词只支持英文。这里我们以生成一个男婴儿为例：

提示词我们写：
一个男婴，襁褓中，闭着眼睛，黄色的阴影，一个毛茸茸的玩具，短头发，上半身
我们需要将以上中文翻译成英文：
A male baby, baby, swaddling, eyes closed, shades of yellow, a furry toy,short hair,the upper part of the body

输入负向提示词
负面提示词的作用，就是告诉 SD ，我不要这样的效果，比如我们在负面提示词输入多余的手指，就是告诉 SD 在生成的图中，不要出现多余的手指。实际使用的过程中，很多开发者已经将导致出图质量差的负面提示词都做成模型，所以一般的情况下，我们只需要照搬一些负面提示词模板就可以。
比如：
(worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), bad anatomy,DeepNegative, skin spots, acnes, skin blemishes,(fat:1.2),facing away, looking away,tilted head, lowres,bad anatomy,bad hands, missing fingers,extra digit, fewer digits,bad feet,poorly drawn hands,poorly drawn face,mutation,deformed,extra fingers,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,missing arms,missing legs,extra digit, extra arms, extra leg, extra foot,teethcroppe,signature, watermark, username,blurry,cropped,jpeg artifacts,text,erro

采样方法/Sampling method
SD 采样器是一个特色，简单的理解就是用不同的方法去生成图片，区别就是出图的质量，速度，稳定性等，后期熟悉以后可以自己测试不同采样方法的不同效果。

采样步数/Sampling steps
可以理解为生成图片的精度和质量，步数越高图片精度和质量越好，但是相对速度也越慢，摄影图一般选择步数在 20-30，如果过高也会导致图片过于拟合。

设置图片比例和生成数量
图片比例很好理解，就是生成图片的宽高比。
生成数量分生成批次，和每批数量。批次就是生成几批，而每批数量就是每一批次出多少张图。

生成/Generate参数都设置好以后，我们就可以点击生成，稍等后我们可以查看生成的图片。

生成图片，可以点击放大右键保存，也可以点击下方的保存按钮。
生成图片后还可以通过修改提示词和其他参数重新生成想要的图片。

写在最后

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。

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