图文教程:stable-diffusion的基本使用教程 txt2img(多图)

之前我介绍了SD的安装过程,那么这篇将介绍怎么使用SD

使用模型

  1. SD安装好之后,我们只有一个默认的模型。这个模型很难满足我们的绘图需求,那么有2种方法。 1是自己训练一个模型(有门槛)2是去网站上找一个别人练好的模型。 很显然的,我需要选择第二种方法。 那么现在最主流的网站就是这个 C站。 https://civitai.com/
  2. 打开C站首页是这样的,这篇文章,我主要使用C站的2个模型来介绍
  1. 选择我们需要使用的模型,进入它的主页后,点击download,我们将路径选择webui的安装目录的models里的stable-diffusion文件夹里,我的是 -->D:\sd\stable-diffusion-webui\models\Stable-diffusion 这样下载好后,重新启动就可以加载新模型了。下载好模型后文件夹里内容是这样的。

4.很好,此时我们启动SD。然后把C站上对应模型的里面的精美图Prompt以及设置复制上来。点击给generate 开始跑图。我们先选择这个动漫风格的模型来试水!

开始跑图

  1. 配置好模型和相关信息后,点击generate开始生成,我的第一张是生成这样的。倒是不算难看
  1. 这次我准备一次生成4张来养养眼,将batch count改成4,继续个generate

好像都还行哈,但是有点模糊。接下来我们把清晰度调高,改成1024*1021,count改成2。当然对应的出图速度也会变慢

不错不错,效果还是很好的,接下来我们再换个真人模型的玩一玩。切换模型,然后去C找找找大佬这个模型的美丽的图片的关键字信息

  1. 还是同样的复制文本,generate .嗯好像还行。
  1. 这只是最基本的使用,如果想微调,那么可以自己去更改关键字信息,也可以更换采样方法,或者启用修复面部,这就需要自己探索了
    欢迎访问我的博客站,有更多开源项目分享:vwo50
相关推荐
吴佳浩6 小时前
Python入门指南(七) - YOLO检测API进阶实战
人工智能·后端·python
tap.AI6 小时前
RAG系列(二)数据准备与向量索引
开发语言·人工智能
老蒋新思维7 小时前
知识IP的长期主义:当AI成为跨越增长曲线的“第二曲线引擎”|创客匠人
大数据·人工智能·tcp/ip·机器学习·创始人ip·创客匠人·知识变现
货拉拉技术7 小时前
出海技术挑战——Lalamove智能告警降噪
人工智能·后端·监控
wei20237 小时前
汽车智能体Agent:国务院“人工智能+”行动意见 对汽车智能体领域 革命性重塑
人工智能·汽车·agent·智能体
LinkTime_Cloud7 小时前
快手遭遇T0级“黑色闪电”:一场教科书式的“协同打击”,披上了AI“智能外衣”的攻击
人工智能
PPIO派欧云7 小时前
PPIO上线MiniMax-M2.1:聚焦多语言编程与真实世界复杂任务
人工智能
隔壁阿布都8 小时前
使用LangChain4j +Springboot 实现大模型与向量化数据库协同回答
人工智能·spring boot·后端
Coding茶水间8 小时前
基于深度学习的水面垃圾检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
图像处理·人工智能·深度学习·yolo·目标检测·机器学习·计算机视觉
乐迪信息8 小时前
乐迪信息:煤矿皮带区域安全管控:人员违规闯入智能识别
大数据·运维·人工智能·物联网·安全