Stable diffusion中這些重要的引數你一定要會用
如果你已經使用Stable diffusion AI模型生成了一些影像，但發現它們並不完全符合你的期望，不用擔心，你可以透過調整一些基本的生成引數來進行自定義，以達到更加滿意的效果。
使用Stable diffusion軟體
Stable diffusion（AI）是一種強大的技術，它可以生成高質量的影像。雖然一些基本的引數可以在免費的線上AI生成器中調整，但為了獲得更全面和精細的控制，我們通常會轉向更專業的工具，如Stable diffusion web UI AUTOMATIC1111。這個平臺提供了更多的選項和功能，使得使用者能夠更深入地探索和利用穩定擴散AI的潛力。
雲端環境推薦【仙宮雲】點我直達仙宮雲這個平臺非常強大，價效比也很高。它支援GeForce GTX 4090,3090,3080ti等多種主流高效能運算GPU。並且平臺提供了Stable Diffusion WebUI,ComfyUI,Fooocus等多款AI應用。註冊就送免費算力。
在Stable diffusion web UI中，我們先生成一個初始的影像，然後再一步步的引導大家學習瞭解一些重要引數的用法。
這是我們的初始引數：
Checkpoint: realisian_v60
prompt: digital painting of a magical cat goddess,ambiguous,energetic,pyroclasmic,fierce,abyssal,occult,multiple exposure photography,weird,deferred rendering,
Negative prompt: (naked, nude, nudity, nsfw, nipples),sexy,
Steps: 20,Sampler: DPM++ 2M Karras,
CFG scale: 7,
Seed: 712020765,
Size: 512x768,
Clip skip: 2
我們可以得到下面這樣一張圖片：
我們生成了一張帶有魔力的貓的圖片。
下面我們來調整一些非常重要的引數，來看看具體的效果。
使用x/y/z plot
為了進行引數對比，我們可以修改好引數，然後點選生成，生成一張照片，最後把生成的照片再合併起來進行比較。
這種做法比較麻煩，不符合我們現代人追求效率的做法。
為了更好的進行對比，這裡我們需要用到一個叫x/y/z plot的指令碼。
點選web UI下方的script，你會發現一個x/y/z plot的選項。選中他：
你會得到下面的介面：
這個指令碼很簡單，學過微積分的都能理解。
基本上x,y,z就是三個不同的變數，你可以為不同的變數設定不同的值。最後會生成一個grid的合併圖片，非常方便我們進行圖片效果的對比。
接下來我們會使用這個指令碼來進行不同引數的對比。
CFG scalar
CFG scalar是一個引數，用於控制模型應在多大程度上遵守你的提示。
1 – 大多數情況下忽略您的提示。
3 – 更有創意。
7 – 在遵循提示和自由之間取得良好的平衡。
15 – 更多提示。
30 – 嚴格按照提示操作。
因為我們這裡只有一個變數，所以X type選擇CFG Scale. value欄位設定為：1，3，7，15，30：
執行之後，我們可以得到相應圖片的對比情況：
可以看到，1和30基本上太過極端了。
通常情況下，我們可以從7開始。如果你想圖片更多接近你的提示詞，那麼可以適當的進行增加。
Sampler Steps
增加取樣步驟可以提高質量。通常情況下，使用取樣器進行 20 步就可以得到高質量、清晰的影像。如果增加更多的步數，那麼影像會出現微妙的變化，但不一定會具有更高的質量。
同樣我們更改Sampler Steps,選擇1，5，10，20，30和50:
最後生成的結果如下：
一般情況下20步已經夠了，你可以根據需要看看是否需要增加步數。
Sampler方法
Stable diffusion支援多種取樣方法。這些方法僅代表了不同的擴散方程求解方法。它們應該產生相似的結果，但由於數字偏差可能略有不同。然而，由於沒有絕對正確的答案——唯一的標準是影像看起來不錯，因此您不必過於擔心方法的準確性。
下面是這些取樣器的簡單介紹：
Euler a ：有很高的多樣性，tag利用率僅次與DPM2和DPM2 a。但是構圖有時很奇葩，而且步數大於30，效果減弱
Euler：柔和，也適合插畫，環境細節與渲染好，背景模糊較深。同時是最簡單、最快的
LMS 是 Euler 的衍生，它們使用一種相關但稍有不同的方法（平均過去的幾個步驟以提高準確性）。大概30step可以得到穩定結果，更傾向於動畫的風格
Heun：單次出圖平均質量比Euler和Euler a高，但速度最慢，高step表現好。
DPM2:該取樣方法對tag的利用率最高，幾乎佔80％+
DPM2 a：幾乎與DPM2相同，是對於DDIM的改進，減少步驟以獲得良好的結果，它的速度大約是DDIM的兩倍，生圖效果也非常好
DPM fast：此為上界開發者所遺留的測試工具，不適合魔術師使用
LMS Karras：會大改成油畫的風格，寫實不佳。
DDIM:適合寬畫，速度偏低，高step表現好，負面tag不夠時發揮隨意，環境光線與水汽效果好，寫實不佳。
UniPC 效果較好且速度非常快，對平面、卡通的表現較好，推薦使用。
DDIM 收斂快，但效率相對較低，因為需要很多 step 才能獲得好的結果，適合在重繪時候使用。
PLMS 是 Euler 的衍生，可以更好地處理神經網路結構中的奇異性。
不同的方法處理時間並不相同，以下是各種方法的處理時間。
以下是使用不同取樣方法經過 20 個步驟後生成的影像。其中許多是相似的，但也可能有一些完全不同的。
同樣的我們使用X/Y/Z plot來進行對比：
推薦：DPM++ 2M Karras
seed
Seed決定了初始噪聲模式，從而決定了最終影像。
將其設定為 -1 意味著每次都使用隨機的種子。這在您想要生成新影像時非常有用。
如果你設定seed為同一值，那麼會導致每一代影像都相同。
我們可以在這裡設定seed值：
Size
size決定了輸出影像的大小。由於 Stable Diffusion v1 是使用 512×512 張影像進行訓練的，因此偏離太多可能會導致複製物件等問題。
所以我們儘可能保持輸出的size是正方形。512×768(縱向)或768×512(橫向)也可以。
建議：將影像大小設定為512×512。否則，請撥打 512×768 或 768×512。
當然這隻適合V1模型，SDXL已經擴充套件到了1024x1024。
batch size
batch size是每次生成的影像數量。由於最終影像非常依賴於隨機種子，因此一次生成幾張影像始終是一個好主意。這樣，您可以更好地瞭解當前提示可以做什麼。
建議：將批處理大小設定為 4 或 8。
總結
在本文中，我們介紹了 Stable Diffusion AI 的基本引數。大家可以嘗試一下去調整對應的引數，看看能不能得到不同的結果。
點我檢視更多精彩內容:www.flydean.com