推荐一个stable-diffusion-webui的升级项目stable-diffusion-webui-forge

如果你习惯本地部署stable-diffusion-webui的话,也可以考虑部署一下stable-diffusion-webui-forge。个人试验了一下,在mac上比早期的sd安装容易了很多。基本一个命令就搞定了,而且forge在cmd不需要加入太多的参数。

github地址

下面是官方的一些简介翻译:

markdown 复制代码
# Stable Diffusion WebUI Forge
Stable Diffusion WebUI Forge 是建立在 Stable Diffusion WebUI (基于 Gradio) 之上的平台,旨在简化开发,优化资源管理,并加快推理速度。
"Forge"这个名字的灵感来自"Minecraft Forge"。这个项目的目标是成为 SD WebUI 的 Forge。

与原始 WebUI (用于 SDXL 推理,分辨率为 1024px) 相比,您可以期待以下加速效果:

- 如果您使用的是常见的 GPU,如 8GB vram,您可以预期推理速度 (it/s) 提高约 30~45%,GPU 内存峰值 (任务管理器中) 将下降约 700MB 至 1.3GB,最大扩散分辨率 (不会 OOM) 将增加约 2 倍至 3 倍,最大扩散批量大小 (不会 OOM) 将增加约 4 倍至 6 倍。
- 如果您使用的是 6GB vram 的不太强大的 GPU,您可以预期推理速度 (it/s) 提高约 60~75%,GPU 内存峰值 (任务管理器中) 将下降约 800MB 至 1.5GB,最大扩散分辨率 (不会 OOM) 将增加约 3 倍,最大扩散批量大小 (不会 OOM) 将增加约 4 倍。
- 如果您使用的是强大的 GPU,如 4090 带有 24GB vram,您可以预期推理速度 (it/s) 提高约 3~6%,GPU 内存峰值 (任务管理器中) 将下降约 1GB 至 1.4GB,最大扩散分辨率 (不会 OOM) 将增加约 1.6 倍,最大扩散批量大小 (不会 OOM) 将增加约 2 倍。

如果您使用 ControlNet 进行 SDXL,最大 ControlNet 计数 (不会 OOM) 将增加约 2 倍,SDXL+ControlNet 的速度将加快约 30~45%。

Forge 带来的另一个非常重要的变化是 Unet Patcher。使用 Unet Patcher,像 Self-Attention Guidance、Kohya High Res Fix、FreeU、StyleAlign、Hypertile 等方法都可以在大约 100 行代码中实现。

感谢 Unet Patcher,Forge 现在支持许多新功能,包括 SVD、Z123、masked Ip-adapter、masked controlnet、photomaker 等。

不再需要 monkeypatch UNet 并与其他扩展冲突了!

Forge 还增加了几个采样器,包括但不限于 DDPM、DDPM Karras、DPM++ 2M Turbo、DPM++ 2M SDE Turbo、LCM Karras、Euler A Turbo 等。(LCM 自 1.7.0 起已在原始 webui 中)

最后,Forge 承诺我们只会做我们的工作。Forge 永远不会对用户界面添加不必要的主观更改。您仍然使用的是 100% 自动化的 WebUI。

## 安装 Forge

如果您精通 Git 并且想要将 Forge 作为 SD-WebUI 的另一个分支进行安装,请参考此处。通过这种方式,您可以重用所有 SD 检查点以及您之前在 OG SD-WebUI 中安装的所有扩展,但您应该清楚自己在做什么。

如果您知道自己在做什么,您可以使用与 SD-WebUI 相同的方法安装 Forge。(安装 Git、Python、Git Clone 仓库 https://github.com/lllyasviel/stable-diffusion-webui-forge.git,然后运行 webui-user.bat)。

或者,您可以直接使用这个一键安装包(包含 git 和 python)。

> [点击此处下载一键安装包](https://github.com/lllyasviel/stable-diffusion-webui-forge)

下载后,您解压缩,使用 update.bat 更新,使用 run.bat 运行。

请注意运行 update.bat 很重要,否则您可能使用的是带有未修复潜在错误的先前版本。

## 对比截图

我在几台设备上进行了测试,这是来自 8GB VRAM (3070ti 笔记本) 使用 SDXL 的典型结果。

这是原始的 WebUI:
(平均约 7.4GB/8GB,峰值约为 7.9GB/8GB)

这是 WebUI Forge:
(平均和峰值都是 6.3GB/8GB)

您可以看到 Forge 没有改变 WebUI 的结果。安装 Forge 不是一个破坏种子的变化。

Forge 可以完美地保持 WebUI 不变,即使是对于最复杂的提示,如带有 [mountain:lake:0.25] 和 [an oak:a christmas tree:0.75][ in foreground::0.6][ in background:0.25] [shoddy:masterful:0.5] 的奇幻风景。

您之前的所有作品在 Forge 中仍然有效!

## Forge 后端

Forge 后端移除了所有与资源管理相关的 WebUI 代码,并重新构建了一切。所有之前的 CMD 标志,如 medvram、lowvram、medvram-sdxl、precision full、no half、no half vae、attention_xxx、upcast unet 等都被移除了。添加这些标志不会引起错误,但它们现在不会做任何事情。我们强烈鼓励 Forge 用户移除所有 cmd 标志,让 Forge 决定如何加载模型。

没有任何 cmd 标志,Forge 可以运行 SDXL 需要 4GB vram,SD1.5 需要 2GB vram。```
相关推荐
AI视觉网奇14 小时前
Stable Diffusion 3 部署笔记
人工智能·笔记·stable diffusion
爱研究的小牛2 天前
Stable Diffusion初步见解(二)
人工智能·stable diffusion
肖遥Janic2 天前
ComfyUI绘画|Stable Diffusion原理的简易讲解
人工智能·ai·ai作画·stable diffusion
克莱因蓝1272 天前
在复现SDXL-Turbo和stable-diffusion-2-1系列大模型过程中遇到的问题以及解决方案
人工智能·学习·stable diffusion
Python私教2 天前
Stable Diffusion入门教程
stable diffusion
yuzhangfeng5 天前
【 模型】 开源图像模型Stable Diffusion入门手册
stable diffusion
浪淘沙jkp6 天前
(一)Ubuntu22.04服务器端部署Stable-Diffusion-webui AI绘画环境
ai作画·stable diffusion
kebijuelun7 天前
阿里数字人工作 Emote Portrait Alive (EMO):基于 Diffusion 直接生成视频的数字人方案
人工智能·语言模型·stable diffusion·aigc·音视频
李歘歘9 天前
Stable Diffusion概要讲解
stable diffusion
davenian10 天前
<AI 学习> 下载 Stable Diffusions via Windows OS
学习·stable diffusion