手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

yizhihongxing
Stable Diffusion AI 美女

如果你还不知道 Stable Diffusion 是什么的话,看看这张图片,这就是它的作品。

之前本站(xzhihui.pro)分享过可以免费使用Stable Diffusion绘画的3个网站,如果你还不知道,请点此文章查看。这三个网站可以免费生成AI图像,对一般用户来说足够用了。

但如果你对图像要求比较高,而且不差钱,你也可以选择在腾讯云或阿里云云端部署Stable Diffusion来跑图,也可以选择在本地电脑部署Stable Diffusion。

在本篇接下来的内容中,我会手把手教你在本地电脑上搭建 Stable Diffusion 环境,并生成第一张AI图像。

环境配置要求

Stable Diffusion主要分为两大部分:

  1. 第一部分是Stable Diffusion WebUI,它是一个可视化的操作界面,就相当于一个软件,我们跟着操作就可以生成AI图像。
  2. 第二部分是Model,也就是模型。在Stable Diffusion WebUI中,我们可以选择不同的模型,这样生成出来的图像会有不同的效果。Model你可以在本站model下载模块随意下载,想用哪个用哪个。这一点就不多做解释了,未来我们还会更细致的讲解Model的使用方法。

想要顺利运行Stable Diffusion WebUI和Model,对电脑配置有一定的要求。由于Stable Diffusion主要吃显存的,显存越大运行速度越快。而且电脑内存也不能太小,最好不小于16GB。

一般来说,Stable Diffusion的最低配置至少为:

  • GPU:4GB显存
  • CPU:4核
  • 内存:16GB

预算充足的情况下,你可以专门升级显卡,最差也得是3060ti,显存越大越好。CPU和内存够用就行。

如果你电脑没有GPU,或者GPU显存太小,那么也不用灰心,Stable Diffusion可以选择GPU模式和CPU模式,没有GPU用CPU运行跑图也是可以的,只不过速度相对于GPU来说比较慢,我之前完全使用的是CPU模式,4核CPU生成一张图片大约5分钟,玩一玩还是没问题的。

如果你是个新人,想要快速的创建几张AI图像玩一玩,我推荐你阅读《AI图像无限免费生成!Stable Diffusion初学者强烈推荐!》这篇文章,可以快速入门Stable Diffusion。

本地电脑部署 Stable Diffusion

Stable Diffusion 是一个开源项目,源代码可以直接在Github上获取到。但是直接从项目中启动,需要的环境资源非常多而且杂乱,所以推荐你用大佬们创建出来的整合包。这样你把整合包下载到本地安装好,就可以直接运行Stable Diffusion绘画了,省去了很多麻烦。

目前比较火的整合包有(放上链接以示尊重):

这里我用的是秋叶的整合包,你也可以在百度网盘下载,链接:https://pan.baidu.com/s/11Du5S4zPcMLO7WOG2UbDlw 提取码:izqc。

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

下载下来后总共有以上3种文件,我们先运行【启动器运行依赖】,把依赖项安装上,然后解压【sd-webui-aki-v4.1.zip】文件,Stable Diffusion的所有程序都在这个压缩包中。至于【可选controlnet1.1】文件夹,其中是一些Model模型,不是必须的,不用管它。

【sd-webui-aki-v4.1.zip】文件解压后,,运行【A启动器】,然后再点击【一键启动】即可启动Stable Diffusion。如下:

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!
手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

稍等片刻之后,会在浏览器中自动打开Stable Diffusion WebUI,界面如下,即说明安装成功了。

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

恭喜你,你现在可以进行AI绘画创作了!

接下来我将简单演示使用【文生图】功能创作一张AI图片,大家可以跟我一块实操。如果下列WebUI中有些设置选项你不是很清楚,先不用着急,后续的文章中我们会深度讲解Stable Diffusion的高级操作方法。

首先我们先选择几个基本的参数,输入到对应的文本框中:

  • Stable Diffusion模型:此处选择的是绘图model,你们刚安装完的应该是默认的Stable Diffusion v2.1模型,此处我使用了majicMIX realistic模型,这款模型生成出来的图片特别真实、漂亮。由于模型不一样,所以你们生成的图片可能跟我的有很大差别。
  • 正向提示词:(8k, best quality, masterpiece:1.2), (realistic, photorealistic, photo-realistic:1.37), ultra-detailed, beautiful detailed eyes, beautiful detailed nose,
  • 反向提示词:(EasyNegative:1.2),paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots , acnes, skin blemishes, age spots, (outdoor:1.6), (manboobs), (backlight), (ugly:1.33), (duplicate:1.33), (morbid:1.21), (mutilated:1.21), (tranny: 1.33), mutated hands, (poorly drawn hands:1.33), blurry, (bad anatomy:1.21), (bad proportions:1.33), extra limbs, (disfigured:1.33), (more than 2 nipples), (missing arms: 1.33), (extra legs:1.33), (fused fingers:1.61), (too many fingers:1.61), (unclear eyes:1.33), bad hands, missing fingers, extra digit, (futa:1.16), bad body, NG_DeepNegative_V1_75T, (too many fingers:1.7), (bad hands:0.1), (extra fingers:1.9), (mutated hands:1.9), abdominal stretch, glans, {{fused fingers}}, {{bad body}}
  • 宽度:512
  • 高度:768
  • 随机数种子:2887709609

设置好参数之后,我们点击【生成】按钮。

如果你的GPU显存足够,图片会很快生成,如果你没有GPU,使用的是CPU模式,那么就会很慢,只能耐心等待。

片刻之后,SD给我生成了这张女神照片:

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

你们生成的图片是怎样的,比一比呀!

看完本篇文章你应该已经入门AI绘画领域了,接下来你可以学习《关于Stable Diffusion模型你应该知道的所有知识!》,也可以学习《Ai绘图关键字大全》进一步学习AI绘画。

本文转载自https://www.xzhihui.pro/134625.html,本文观点不代表Python技术站立场。

(5)
上一篇 2023年7月11日 下午7:58
下一篇 2023年7月15日 上午8:18

相关文章

  • 图卷积神经网络分类的pytorch实现

      图神经网络(GNN)目前的主流实现方式就是节点之间的信息汇聚,也就是类似于卷积网络的邻域加权和,比如图卷积网络(GCN)、图注意力网络(GAT)等。下面根据GCN的实现原理使用Pytorch张量,和调用torch_geometric包,分别对Cora数据集进行节点分类实验。   Cora是关于科学文献之间引用关系的图结构数据集。数据集包含一个图,图中包括…

    2023年4月5日
    00
  • Does Any one got “AttributeError: ‘str’ object has no attribute ‘decode’ ” , while Loading a Keras Saved Model

    解决方案:h5py版本过高,执行 pip install h5py==2.10.0For me the solution was downgrading the h5py package (in my case to 2.10.0), apparently putting back only Keras and Tensorflow to the corre…

    Keras 2023年4月7日
    00
  • TensorFlow、把数字标签转化成onehot标签

    用sklearn 最方便:       在MNIST手写字数据集中,我们导入的数据和标签都是预先处理好的,但是在实际的训练中,数据和标签往往需要自己进行处理。 以手写数字识别为例,我们需要将0-9共十个数字标签转化成onehot标签。例如:数字标签“6”转化为onehot标签就是[0,0,0,0,0,0,1,0,0,0]. 首先获取需要处理的标签的个数: b…

    2023年4月6日
    00
  • caffe多标签输入和多任务学习

    拷贝convert_imageset,生成新工程convert_imageset_multi_label   修改源码 std::ifstream infile(argv[2]); std::vector<std::pair<std::string, std::vector<float>> > lines; std::st…

    2023年4月8日
    00
  • 机器学习作业(四)神经网络参数的拟合——Python(numpy)实现

    题目下载【传送门】 题目简述:识别图片中的数字,训练该模型,求参数θ。 出现了一个问题:虽然训练的模型能够有很好的预测准确率,但是使用minimize函数时候始终无法成功,无论设计的迭代次数有多大,如下图:   1 import numpy as np 2 import scipy.io as scio 3 import matplotlib.pyplot …

    机器学习 2023年4月10日
    00
  • 计算机科学家和数据科学家的区别

    计算机科学家和数据科学家的区别 介绍 计算机科学家和数据科学家同属于计算机领域的专业人才,两者具有一些相同的技能和知识,但也存在明显的不同。本篇攻略将详细讲解两者之间的区别,并提供相关的实例说明。 计算机科学家 定义 计算机科学家是研究计算机相关技术的专业人士,通常从事计算机系统的设计、构建、测试、优化和维护等工作。 技能要求 熟悉计算机硬件和软件原理,掌握…

    artificial-intelligence 2023年3月27日
    00
  • 小白学习之pytorch框架(1)-torch.nn.Module+squeeze(unsqueeze)

    我学习pytorch框架不是从框架开始,从代码中看不懂的pytorch代码开始的   可能由于是小白的原因,个人不喜欢一些一下子粘贴老多行代码的博主或者一些弄了一堆概念,导致我更迷惑还增加了畏惧的情绪(个人感觉哈),我觉得好像好多人都是喜欢给说的明明白白的,难听点就是嚼碎了喂我们。这样也行啊(有点恶心哈),但是有些东西即使嚼碎了我们也弄不明白,毕竟有一些知识…

    2023年4月6日
    00
  • GAN—生成对抗网络

    原理: 假设我们有两个网络:一个生G(Generator),一个判别D(Discriminator)。 G是一个生成图片的的网络,它接受一个随机的噪声z,通过这个噪声生成图片,记做G(z)。 D是一个判别网络,判断一张图片是不是“真实的”。它的输入参数是x,x代表一张图片的。输出D(x)代表x为真实图片的概率,如果为1,就代表100%是真实的图片,输出为0,…

    2023年4月6日
    00
合作推广
合作推广
分享本页
返回顶部