关于【Stable-Diffusion WEBUI】方方面面研究（内容索引）(以下关于static)

关于【Stable-Diffusion WEBUI】方方面面研究（内容索引） 文章目录（零）前言（0.1）我的相关文章索引（0.2）本篇内容阅读提示（一）绘图（1.1）模型（1.1.1）基础模型（Stable-diffusion模型）（1.1.2）人物模型（LoRA模型）（1.2）绘图方式（1.2.1）文生图（Text to Image）（1.2.1.1）提示词/模板风格（Prompt / Styles）（1.2.1.2）采样（Sampling）（1.2.1.3）修复（Restore or Fix）（1.2.1.4）其它参数（1.2.1.5）插件：可选附加网络(LoRA插件)（Additional networks）（1.2.1.6）插件：ControlNet（1.2.1.7）脚本（Script）（1.2.2）图生图（Image to Image）（1.2.3）图片处理（附加功能:放大/抠图等）（二）训练（2.1）数据准备（2.1.1）筛选照片（2.1.2）预处理照片（2.1.3）提示词(tags)处理（2.1.4）目录命名（2.2）训练工具（2.2.1）选你喜欢的（2.2.2）训练参数（2.2.3）训练过程（例）（2.2.4）训练结果（零）前言

推荐整理分享关于【Stable-Diffusion WEBUI】方方面面研究（内容索引）(以下关于static)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:以下关于stl的描述中,关于stress,关于truncate table,以下关于static,关于truncate table,关于settimeout(check,10),关于truncate table,关于truncate table,内容如对您有帮助，希望把文章链接给更多的朋友！

关于Stable-Diffusion WEBUI，我发现网上各种教程真的很多。 写得很好很详细的也不少，读了感觉比我写的好多了，无论是原理和相关论文还是操作和细节。 所以准备记录下Stable-Diffusion WEB UI的方方面面，以及哪里去看相关的资料。

同时自己写的东西也有点乱，得整理一下。呃在整理完以前，本篇还是会包含不少具体的内容。 这篇Index应该会不断的补充。

（0.1）我的相关文章索引🔗浅谈【Stable-Diffusion WEBUI】(AI绘图)的基础和使用🔗探索【Stable-Diffusion WEBUI】的插件：骨骼姿态（OpenPose）🔗探索【Stable-Diffusion WEBUI】的插件：界面与中文翻译🔗探索【Stable-Diffusion WEBUI】的插件：画布扩绘（Outpaint）🔗闲谈【Stable-Diffusion WEBUI】的插件：美不美？交给AI打分🔗探索【Stable-Diffusion WEBUI】的附加功能：图片缩放&抠图🔗发现【Stable-Diffusion WEBUI】的神奇插件：离线自动翻译中文提示词🔗探索【Stable-Diffusion WEBUI】的插件：ControlNet 1.1🔗探索【Stable-Diffusion WEBUI】的插件：批量替换人脸🔗闲谈【Stable-Diffusion WEBUI】的插件：绘图过程动画输出🔗通过【Stable-Diffusion WEBUI】复刻属于你的女神：再谈模型与参数🔗细数【SD-WEBUI】的模型：谁是最适合的模型&从哪里找到它们🔗管好【SD-WEBUI】中大量的模型：名称+预览图+备注+分组管理 & 🔗Part2 & 🔗Part3🔗使用【SD-WEBUI】插件生成单张图包含多个人物：分区域的提示词🔗发现【Stable-Diffusion WEBUI】的插件：不健康内容过滤器🔗闲谈【Stable-Diffusion WEBUI】的插件：模型工具箱：省空间利器

Connected with DFL：

🔗【Stable-Diffusion】和【DeepFaceLab】配合：事半功倍……

Develop with API:

🔗关于【SD-WEBUI】的API：开发代码示例和帮助文档

Connected with Photoshop：

🔗关于Photoshop中的【Stable-Diffusion WEBUI】插件：Auto.Photoshop.SD.plugin（0.2）本篇内容阅读提示我想画更好看：适合的模型，好的提示词，合理的参数。我要更多风格：（下载）更多的基础模型，LoRA模型。我要画我自己：训练自己的模型（训练自己的画风）。我的模型好么：可选附加网络(LoRA插件)，对比模型/权重参数等。生成高分辨率：附加功能，插件：缩放。更好控制细节：插件：ControlNet。（一）绘图（1.1）模型（1.1.1）基础模型（Stable-diffusion模型）

根据你绘图的目标，需要选择一种基础模型，人物/风景/建筑/宇宙/动漫/仿真？ 参考：🔗xiaolxl的国风3@抱脸，请自行了解huggingface.co上的模型。比如但不局限于：

原始基础：SD v1.5常见动漫：OpenJourney，Anything，NovalAI(就那整合包啊)，RedShift ……仿真风格：Dreamlike-Photoreal，BasilMix(融合亚洲脸)，ChilloutMix(清凉组合/亚洲)，URPM(注意NSFW) ……（1.1.2）人物模型（LoRA模型）

注意版权，比如各地girllikeness模型……

参考：https://openai.wiki/lora-model-part-1.html，以及part2,3。参考：https://www.bilibili.com/read/cv20039815。参考：https://aigallery.design/chinese-diffusion-models.html，呃，明星？（1.2）绘图方式（1.2.1）文生图（Text to Image）（1.2.1.1）提示词/模板风格（Prompt / Styles）

正向提示词：描述希望图片生成为什么样子的词语（highres, beautiful, masterpiece）。

反向提示词：不希望图片出现的内容（lowres, ugly, blurry…）。

模板风格：比较完美的一组正反提示词，可以保存成一个“模板风格”，今后重复调用。 用模板风格可以存储别人的提示词配置用来生成同样的效果。 很多模型通常都来自网站，但是现在国内访问不了？：civitai 。 也可以参考：Danbooru 标签超市 ，或提示词学徒库 。 或小日子过得不错的另类：🇯🇵寻找图像提示🔞NSFW。

(强调) / [弱化]:权重：提示词中出现：(photorealistic:1.4)是强调photorealistic，并且权重是1.4（光标放单词上后，就可以Ctrl+上/下箭头快速调节呢）。圆括号越多越强调——而方括号则是弱化，越多方括号越弱。

LoRA模型提示词：提示词中出现：<lora:xxxxx:1.0> 就是LoRA模型的提示词，后面1.0也是权重，调节同上。

（1.2.1.2）采样（Sampling）采样方法(Sampler) ：通常：DPM++ SDE karras ，参考Stable diffusion webui如何工作以及采样方法的对比采样迭代步数(Steps) ：迭代多少次，通常至少20起步。（1.2.1.3）修复（Restore or Fix）面部修复(Restore faces)：通常都勾选，由于神经网络无法完全捕捉人脸的微妙细节和变化，导致产生了不自然或扭曲的结果。实测似乎还带了美颜的效果（汗），总之人像的话选中它就对了。 面部修复对比（左关,右开）例子： 高清修复(Hires. fix)：由于Stable-Diffusion模型的原因（512x512）不适合直接生成高分辨率照片。 所以可以设置低分辨率并选中这个选项。有人说慎选，其实可以自己尝试【生成低分辨率+高清修复】vs【直接高分辨率】哪个更好。 工作原理可看WEBUI仓库的WIKI。 高清修复对比（关,开,直接生成高分辨率）例子： 💡直接生成高分辨率就算随机种子一致结果也不同了…… （1.2.1.4）其它参数分辨率(Width and Height)：长x宽。概念大家都知道。 在AI作图中并不是分辨率选得高图就仅仅变大（处理时间变长）而已。模型会适合一定范围内的分辨率（通常都不大），所以我们一般只选择384x512 -> 600x800 这种不太高的分辨率。如果要生成大图则需要配合前面的【高清修复】，或则使用【附加功能】的图片放大，或则两者配合。生成批次/每批数量(Batch count / Batch size) ：重复生成多少次 x 每次生成几张 = 本次最后生成的图片数量，都设为1就是单张。注意【每批数量】是很考验显存的，如果显卡不是很强悍（显存不够大）那还是别设置高了（会OOM报错的）。提示词相关性(CFG Scale)：图像与你的提示的匹配程度。参考Stable Diffusion 新手入门手册，通常5-8，设太高会偏执的要画提示词内容，结果可能很怪，可同时增加【采样迭代步数】来缓和。随机种子(seed)：这怎么解释，后面的骰子图标是填入-1（随机），回收站图标是填入上次用过的值。

💡做到这里就可以生成图片了。

（1.2.1.5）插件：可选附加网络(LoRA插件)（Additional networks）

⭐需要在WEBUI中安装插件。 用于对比各种参数生成图的不同效果（测试模型） 正常使用时不用，参考：Stable diffusion打造自己专属的LORA模型

（1.2.1.6）插件：ControlNet

⭐需要在WEBUI中安装插件。 🌟需要下载多个不同模型。

💡插件版本升级较大，新的内容请参考：🔗探索【Stable-Diffusion WEBUI】的插件：ControlNet 1.1

用模型进一步控制生成的图片内容， 可用多种算法检测已有图片的边缘，深度，身体手部姿态。或则来自涂鸦，生成新的图片。

需要精确控制图片输出时使用，参考：ControlNet｜使用教程 比如（很多控制，这里只放2个例子，简单看看吧）：

OpenPose 姿态检测

Canny 边缘检测

配合ControlNet，可用骨骼姿态的插件来生成/编辑骨骼姿态图片，控制最终生成的图像中人物的动作： 可以参考这篇： 🔗探索【Stable-Diffusion WEBUI】的插件：骨骼姿态（OpenPose）

（1.2.1.7）脚本（Script）x/y/z图表 我只用过【x/y/z图表】，可以配合上面的可选附加网络，生成对比矩阵图片，一般用来测试模型。 但自己观察到的对比图，和实际输出的模型参数组合，似乎有偏差，目前仅作参考吧。Controlnet-M2M 可以配合ControlNet把视频进行逐帧处理，最后形成一个GIF动图，参考：……制作跳舞小姐姐 m2m和mov2mov哪家强…… 有意思的是，连你选的ControlNet模型生成的中间图，也做成动画了。。。 （1.2.2）图生图（Image to Image）

和上面文生图一样，只是多了从某一张已有的图片出发。 也引入了 局部重绘 等功能（比如出了一张很满意的图，但是小部分画错了）。 相对局部重绘，还有画布扩绘脑部图片外围内容，甚至做成缩放视频。 参考：🔗探索【Stable-Diffusion WEBUI】的插件：画布扩绘（Outpaint）

（1.2.3）图片处理（附加功能:放大/抠图等）

文生图/图生图以外的功能。 为了避免索引过长，这部分内容单独出去了。 参考：🔗探索【Stable-Diffusion WEBUI】的附加功能：图片缩放&抠图

（二）训练

基础模型（大模型）没有条件，这里提到的仅是LoRA模型。

（2.1）数据准备（2.1.1）筛选照片

这部分感觉比深度伪造（deep fake）要轻松多了。

假设训练的是人物，准备自己的人像图片，20 - 40 张就可以了，当然我看模型也有100多张的。尽量简单背景，或进行人像抠图后填充简单颜色背景。 似乎不是每台电脑都正常能用插件抠图⚠️？ 所以另外的选择可以在线抠图（你用PS自己弄不累嘛），比如：在线抠图，趣作图。抠图不好的话，那些原始素材中不是人物的东西可能也会被生成。处理成同样的分辨率，避免后续自动处理。最好是半身照片，少用大头照，最好不要全身带腿脚的照片（可以自行剪切）。（2.1.2）预处理照片

用WEB UI的 训练 -> 预处理 标签页的功能，

将刚才准备好的照片目录作为输入目录。将某个类似命名 .\xxxxx\100_xxxxx的目录作为输出目录。调整到上一步用的同样的分辨率。勾选使用 deepbooru 生成说明文字(tags)点击【预处理】按钮后，等待图片预处理完成，检查图片和提示词文本。（2.1.3）提示词(tags)处理

如果背景并不是很乱，发型配饰上没有个人特色，那么可以不处理：）哈哈。 算了😮‍💨，还是认真写两句：

如果背景很单纯，或已经比较好的抠图，确实可以不处理。检查和图片同名的提示词文本内容，会发现生成了很多已经识别出来的关键词。不在这些自动生成的关键词的图片内容，大概就是你的LoRA模型的特点。如果某个物品是人物特诊的一部分，请删掉这个关键词。可以加入人物名称到关键词第一位（无论是网上说法和实测似乎也没啥用，本条暂时保留）。（2.1.4）目录命名

刚才提到预处理后的目录叫 .\xxxxx\100_xxxxx。

xxxxx：是具体的人物简称。100：是里面每张图片训练的次数，这里我看到两种说法，一种是设为6-8，一种是根据图片数量至少设置100。 这个次数会乘以后面设置的训练参数的epoch数，最后会训练大概几千次吧。（2.2）训练工具（2.2.1）选你喜欢的https://github.com/bmaltais/kohya_ss （WEB UI）https://github.com/Akegarasu/lora-scripts （脚本）

实际上都是调用的kohya_ss的sd-scripts。 我比较倾向用脚本那个项目来训练。写配置文件反而比较简单，WEB UI在训练这块用处不大。

两个建议：

用别人做好的整合包和教程，比如脚本训练用：https://www.bilibili.com/video/BV1fs4y1x7p2Python下载依赖时一定要换国内源，比如清华大学的：-i https://pypi.tuna.tsinghua.edu.cn/simple 。当然整合包的话已经换好了，否则可以参考我吐槽下载速度这块，实在慢到吐血（习惯了，Linux，Go，Python哪个不换国内源呢）。（2.2.2）训练参数

我用的是lora-scripts，训练脚本train.ps1必须得改的几个参数：

$pretrained_model ：基础模型路径（最好填入WEB UI下的绝对路径，避免拷贝几个GB的数据）$train_data_dir ：训练数据集路径（预处理完成的图片和提示词存放目录）$resolution ：分辨率（需要多少预处理成多少，填写一致）$max_train_epoches ：最大训练 epoch （1个epoch是一个完整的数据集通过神经网络一次并且返回一次的过程）$save_every_n_epochs ：每几个 epoch 保存一次$output_name ：模型保存名称

完整如下（参数可能改动和变化，和项目版本有关）：

# LoRA train script by @Akegarasu# Train data path | 设置训练用模型、图片$pretrained_model = "./sd-models/model.ckpt" # base model path | 底模路径$is_v2_model = 0 # SD2.0 model | SD2.0模型 2.0模型下 clip_skip 默认无效$parameterization = 0 # parameterization | 参数化 本参数需要和 V2 参数同步使用 实验性功能$train_data_dir = "./train/aki" # train dataset path | 训练数据集路径$reg_data_dir = "" # directory for regularization images | 正则化数据集路径，默认不使用正则化图像。# Network settings | 网络设置$network_module = "networks.lora" # 在这里将会设置训练的网络种类，默认为 networks.lora 也就是 LoRA 训练。如果你想训练 LyCORIS（LoCon、LoHa） 等，则修改这个值为 lycoris.kohya$network_weights = "" # pretrained weights for LoRA network | 若需要从已有的 LoRA 模型上继续训练，请填写 LoRA 模型路径。$network_dim = 32 # network dim | 常用 4~128，不是越大越好$network_alpha = 32 # network alpha | 常用与 network_dim 相同的值或者采用较小的值，如 network_dim的一半 防止下溢。默认值为 1，使用较小的 alpha 需要提升学习率。# Train related params | 训练相关参数$resolution = "512,512" # image resolution w,h. 图片分辨率，宽,高。支持非正方形，但必须是 64 倍数。$batch_size = 1 # batch size$max_train_epoches = 10 # max train epoches | 最大训练 epoch$save_every_n_epochs = 2 # save every n epochs | 每 N 个 epoch 保存一次$train_unet_only = 0 # train U-Net only | 仅训练 U-Net，开启这个会牺牲效果大幅减少显存使用。6G显存可以开启$train_text_encoder_only = 0 # train Text Encoder only | 仅训练 文本编码器$stop_text_encoder_training = 0 # stop text encoder training | 在第N步时停止训练文本编码器$noise_offset = 0 # noise offset | 在训练中添加噪声偏移来改良生成非常暗或者非常亮的图像，如果启用，推荐参数为 0.1$keep_tokens = 0 # keep heading N tokens when shuffling caption tokens | 在随机打乱 tokens 时，保留前 N 个不变。$min_snr_gamma = 0 # minimum signal-to-noise ratio (SNR) value for gamma-ray | 伽马射线事件的最小信噪比（SNR）值 默认为 0# Learning rate | 学习率$lr = "1e-4"$unet_lr = "1e-4"$text_encoder_lr = "1e-5"$lr_scheduler = "cosine_with_restarts" # "linear", "cosine", "cosine_with_restarts", "polynomial", "constant", "constant_with_warmup"$lr_warmup_steps = 0 # warmup steps | 学习率预热步数，lr_scheduler 为 constant 或 adafactor 时该值需要设为0。$lr_restart_cycles = 1 # cosine_with_restarts restart cycles | 余弦退火重启次数，仅在 lr_scheduler 为 cosine_with_restarts 时起效。# Output settings | 输出设置$output_name = "aki" # output model name | 模型保存名称$save_model_as = "safetensors" # model save ext | 模型保存格式 ckpt, pt, safetensors# Resume training state | 恢复训练设置 $save_state = 0 # save training state | 保存训练状态 名称类似于 <output_name>-??????-state ?????? 表示 epoch 数$resume = "" # resume from state | 从某个状态文件夹中恢复训练 需配合上方参数同时使用 由于规范文件限制 epoch 数和全局步数不会保存 即使恢复时它们也从 1 开始 与 network_weights 的具体实现操作并不一致# 其他设置$min_bucket_reso = 256 # arb min resolution | arb 最小分辨率$max_bucket_reso = 1024 # arb max resolution | arb 最大分辨率$persistent_data_loader_workers = 0 # persistent dataloader workers | 容易爆内存，保留加载训练集的worker，减少每个 epoch 之间的停顿$clip_skip = 2 # clip skip | 玄学 一般用 2$multi_gpu = 0 # multi gpu | 多显卡训练 该参数仅限在显卡数 >= 2 使用$lowram = 0 # lowram mode | 低内存模式 该模式下会将 U-net 文本编码器 VAE 转移到 GPU 显存中 启用该模式可能会对显存有一定影响# 优化器设置$optimizer_type = "AdamW8bit" # Optimizer type | 优化器类型 默认为 8bitadam，可选：AdamW AdamW8bit Lion SGDNesterov SGDNesterov8bit DAdaptation AdaFactor# LyCORIS 训练设置$algo = "lora" # LyCORIS network algo | LyCORIS 网络算法 可选 lora、loha、lokr、ia3、dylora。lora即为locon$conv_dim = 4 # conv dim | 类似于 network_dim，推荐为 4$conv_alpha = 4 # conv alpha | 类似于 network_alpha，可以采用与 conv_dim 一致或者更小的值$dropout = "0" # dropout | dropout 概率, 0 为不使用 dropout, 越大则 dropout 越多，推荐 0~0.5， LoHa/LoKr/(IA)^3暂时不支持（2.2.3）训练过程（例）

相比深度伪造(训练N天)来说，这个训练(N分钟)简直太轻松了。 当然功劳是LoRA模型，之前训练过嵌入式模型也很痛苦的。

prepare tokenizerupdate token length: 225Use DreamBooth method.prepare images.found directory train\xxxxx\10_xxxxx contains 40 image files400 train images with repeating.0 reg images.no regularization images / 正則化画像が見つかりませんでした[Dataset 0] batch_size: 1 resolution: (576, 768) enable_bucket: True min_bucket_reso: 256 max_bucket_reso: 1024 bucket_reso_steps: 64 bucket_no_upscale: False [Subset 0 of Dataset 0] image_dir: "train\xxxxx\10_xxxxx" image_count: 40 num_repeats: 10 shuffle_caption: True keep_tokens: 0 caption_dropout_rate: 0.0 caption_dropout_every_n_epoches: 0 caption_tag_dropout_rate: 0.0 color_aug: False flip_aug: False face_crop_aug_range: None random_crop: False token_warmup_min: 1, token_warmup_step: 0, is_reg: False class_tokens: xxxxx caption_extension: .txt[Dataset 0]loading image sizes.100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 40/40 [00:00<00:00, 5000.66it/s]make bucketsnumber of images (including repeats) / 各bucketの画像枚数（繰り返し回数を含む）bucket 0: resolution (576, 768), count: 400mean ar error (without repeats): 0.0prepare acceleratorUsing accelerator 0.15.0 or above.loading model for process 0/1load StableDiffusion checkpointloading u-net: <All keys matched successfully>loading vae: <All keys matched successfully>loading text encoder: <All keys matched successfully>Replace CrossAttention.forward to use xformers[Dataset 0]caching latents.100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 40/40 [00:13<00:00, 2.99it/s]import network module: networks.loracreate LoRA network. base dim (rank): 32, alpha: 32.0create LoRA for Text Encoder: 72 modules.create LoRA for U-Net: 192 modules.enable LoRA for text encoderenable LoRA for U-Netprepare optimizer, data loader etc.===================================BUG REPORT===================================Welcome to bitsandbytes. For bug reports, please submit your error trace to: https://github.com/TimDettmers/bitsandbytes/issuesFor effortless bug reporting copy-paste your error into this form: https://docs.google.com/forms/d/e/1FAIpQLScPB8emS3Thkp66nvqwmjTEgxp8Y9ufuWTzFyr9kJ5AoI47dQ/viewform?usp=sf_link================================================================================CUDA SETUP: Loading binary D:\xxxx\lora-scripts\venv\lib\site-packages\bitsandbytes\libbitsandbytes_cuda116.dll...use 8-bit AdamW optimizer | {}override steps. steps for 10 epochs is / 指定エポックまでのステップ数: 4000running training / 学習開始 num train images * repeats / 学習画像の数×繰り返し回数: 400 num reg images / 正則化画像の数: 0 num batches per epoch / 1epochのバッチ数: 400 num epochs / epoch数: 10 batch size per device / バッチサイズ: 1 gradient accumulation steps / 勾配を合計するステップ数 = 1 total optimization steps / 学習ステップ数: 4000steps: 0%| | 0/4000 [00:00<?, ?it/s]epoch 1/10steps: 10%|███████████████ | 400/4000 [05:33<50:00, 1.20it/s, loss=0.126]epoch 2/10steps: 20%|██████████████████████████████▏ | 800/4000 [11:11<44:47, 1.19it/s, loss=0.105]saving checkpoint: ./output\xxxxx-000002.safetensorsepoch 3/10steps: 30%|█████████████████████████████████████████████ | 1200/4000 [16:51<39:19, 1.19it/s, loss=0.123]epoch 4/10steps: 40%|████████████████████████████████████████████████████████████ | 1600/4000 [22:20<33:30, 1.19it/s, loss=0.128]saving checkpoint: ./output\xxxxx-000004.safetensorsepoch 5/10steps: 50%|███████████████████████████████████████████████████████████████████████████ | 2000/4000 [27:48<27:48, 1.20it/s, loss=0.117]epoch 6/10steps: 60%|██████████████████████████████████████████████████████████████████████████████████████████▌ | 2400/4000 [33:17<22:11, 1.20it/s, loss=0.11]saving checkpoint: ./output\xxxxx-000006.safetensorsepoch 7/10steps: 70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████ | 2800/4000 [38:52<16:39, 1.20it/s, loss=0.112]epoch 8/10steps: 80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 3200/4000 [44:30<11:07, 1.20it/s, loss=0.124]saving checkpoint: ./output\xxxxx-000008.safetensorsepoch 9/10steps: 90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████ | 3600/4000 [50:08<05:34, 1.20it/s, loss=0.117]epoch 10/10steps: 92%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋ | 3673/4000 [51:48<04:36, 1.18it/s, loss=0.112]（2.2.4）训练结果

只看loss是不行的，需要避免欠拟合和过拟合，但我们又看不出来。 最好用这个章节的方法，对比一下不同阶段输出的模型效果：

（1.2.1.5）插件：可选附加网络(LoRA插件)

但是我感觉和实际生成不太一样，并不是很靠谱。 目前来看，我还不太懂如何训练出比较好的模型，如果人站得远通常五官就很奇怪。