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绘画小3318 小时前
【comfyui教程】comfyui古风一键线稿上色,效果还挺惊艳!
人工智能·ai作画·stable diffusion·aigc·comfyui
AI绘画月月20 小时前
【comfyui教程】ComfyUI有趣工作流推荐:快速换脸,创意随手掌握!
人工智能·ai作画·stable diffusion·aigc·comfyui
AI绘画咪酱20 小时前
【AI绘画】AI绘图教程|stable diffusion(SD)图生图涂鸦超详细攻略,教你快速上手
人工智能·ai作画·stable diffusion·aigc·midjourney
HuggingAI1 天前
stable diffusion 大模型
人工智能·ai·stable diffusion·ai绘画
HuggingAI1 天前
stable diffusion图生图
人工智能·ai·stable diffusion·ai绘画
HuggingAI2 天前
stable diffusion文生图
人工智能·stable diffusion·ai绘画
云端奇趣2 天前
Stable Diffusion 绘画技巧分享,适合新手小白的技巧分享
人工智能·stable diffusion
cskywit3 天前
Stable diffusion 3.5本地运行环境配置记录
stable diffusion
ai绘画-安安妮4 天前
视频号带货书籍,一天佣金1200+(附视频教程)
人工智能·stable diffusion·aigc
papapa键盘侠4 天前
Stable Diffusion Web UI 1.9.4常用插件扩展-WD14-tagger
前端·ui·stable diffusion