从零开始学AI绘画,万字Stable Diffusion终极教程(一)

【第1期】SD入门

2022年8月,一款叫Stable Diffusion的AI绘画软件开源发布,从此开启了AIGC在图像上的爆火发展时期

率先学会SD的人,已经挖掘出了越来越多AI绘画有趣的玩法

从开始的AI美女、线稿上色、真人漫改、头像壁纸

到后来的AI创意字、AI艺术二维码、AI幻术等等

而之后伴随着技术的发展,还会出现更多玩法,以及更多机会

与此同时,我相信很多朋友看到别人生成出那些有趣的图片时,都想过自己亲自上手玩一下

但是碍于SD的操作复杂,又不得不放弃

没关系,我将会出一套SD的终极教程,不会有过多枯燥的原理讲解

而是用奶奶都能听懂的方式,手把手带大家把这个软件用起来

结合一个又一个的例子展示,让你学完后不仅能立刻做出同款好玩的图片,还能在娱乐的同时掌握AI绘画这个新技术

这套课程分为六节课,会系统性的介绍sd的全部功能,让你打下坚实牢靠的基础

1.SD入门

2.关键词

3.Lora模型

4.图生图

5.controlnet

6.知识补充

花了很多时间才整理出来,希望对你有帮助

目录

一、AI绘画有多强大

1.真人AI美女

2.二次元头像壁纸

3.线稿上色

4.商业模特

5.新奇玩法

二、AI绘画工具

三、下载软件

1.检查电脑配置

检查电脑配置操作流程

2.安装SD

01.解压整合包

02.安装启动器

四、SD的基础使用流程

1.选大模型

2.写关键词

3.参数设置

01.迭代步数

02.采样方法

03.宽度和高度

4.生成照片

五、结尾


一、AI绘画有多强大

AI绘画经过不断的迭代,有了越来越多的玩法

下面先跟大家介绍一些比较常见,而且比较有趣的玩法

1.真人AI美女

2.二次元头像壁纸

除了直接用AI生成二次元图片

我们还可以定制自己专属的二次元头像

3.线稿上色

不仅是二次元的黑白线稿图可以快速上颜色

连室内的设计图也可以快速做出来效果图

4.商业模特

可以让现实中商场里的假人模特变成真人模特

5.新奇玩法

AI绘画的玩法还有很多很多

例如创意字、艺术二维码、幻术图片等等

这些具体例子的制作方法都发过教程,感兴趣的可以看看

那以上这些有趣的玩法,都只需要用到一个技术,那就是——AI绘画

AI绘画能做的还有很多,例如给照片恢复画质、漫改、宝宝四维彩超等等

在我们的这套课程里面,都会手把手带着大家做出来同款有趣的图片

二、AI绘画工具

上面这么多的图片都是由一个AI绘画工具生成的,那就是——Stable Diffusion(简称“SD”)

简单来说,Stable Diffusion(简称SD)就是一个AI自动生成图片的软件,通过我们输入文字,SD就能生成对应的一张图片,不再需要像以前一样要把图片“画”出来,或者是“拍”出来

相信很多朋友看到AI绘画一些有趣的玩法后,都想亲自上手玩一下,但是碍于SD的操作复杂,又不得不放弃

接下来的这一套SD终极教程,不会有过多枯燥的原理讲解

因为大多数的我们只是要能够熟练使用SD

而不是要深入研究它

这是网上保存下来的SD原理图,看不懂也没关系(因为我也看不懂),但这完全不影响我们使用SD

当然了,如果你的时间比较充裕,去把SD的原理也了解了也是可以的

现在我们的目的就是花更少的时间快速入门Stable Diffusion

我会用奶奶都能听懂的方式,手把手带大家把这个软件用起来

结合一个又一个的例子展示,让你学完后不仅能立刻做出同款好玩的图片,还能在娱乐的同时掌握AI绘画这个新技术

这套课程分为六节课,会系统性的介绍sd的全部功能,让你打下坚实牢靠的基础

1.SD入门

2.关键词

3.Lora

4.图生图

5.controlnet

6.知识补充

这篇文章是SD终极教程的第一节课,帮助大家下载SD,并且快速掌握sd的基本使用流程

三、下载软件

在正式开始学习SD之前,我们要先安装SD这个软件

1.检查电脑配置

使用SD对电脑配置有一定的要求,为了后续大家能够更加顺利的使用SD,我们可以先检查一下自己的电脑配置

首先,我们电脑分为Mac系统和Win系统,其中Win系统的显卡又分为N卡和A卡

这里我们Win系统的N卡,是最适合玩SD的,无论是最新的插件还是功能更新,N卡都是最快最适配的那个

如果是Mac系统或者A卡的情况下,使用sd会比较容易出现报错,或者缺少某个功能

另外,哪怕是Win系统的N卡,我们还要考虑电脑运行内存,和显卡内存的大小

电脑运行内存推荐8GB以上

显卡的内存,也就是显存,需要在4GB以上

总结一下,就是Win系统n卡,运行内存8GB以上,显存4GB以上,可以在自己电脑下载软件

Mac系统、A卡、以及电脑配置不太行的,就可以选择云平台,云电脑,相当于租用别人更高配置的电脑来使用SD

检查电脑配置操作流程

①首先鼠标右键点击桌面底部任务栏,打开任务管理器

②看到性能里面的内存,后面这个数字就是我们电脑的运行内存,也就是图片中划线的数字

这个内存如果显示的是8GB,那就说明你的电脑刚好达到使用SD的标准

③点击GPU,先看右上角的第一个单词

如果是“NVIDIA”就代表是N卡

如果是AMD就是A卡

接着看到下面专用GPU内存,后面的数字就是我们电脑的显存

显存需要在4GB以上,才能用SD出图

大家就按照自己电脑的实际情况,选择是在自己电脑本地下载软件,还是租用云平台

2.安装SD

电脑配置能够使用SD的朋友们,接下来我们就开始安装软件了

安装非常简单,分为解压整合包和安装启动器

我们用到的是up主秋叶的整合包

整合包可以点击文章末尾的网盘链接下载

01.解压整合包

①把网盘里的《1.SD软件》下载到电脑

②打开下载好的文件,解压《01.秋叶整合包》里面的压缩包

③把文件解压到D盘或者E盘,不要放在C盘

02.安装启动器

解压完了之后,打开文件夹《02.启动器》,双击文件

点击安装

到这里我们的整合包就安装好了

打开我们刚刚解压之后的文件夹,找到“A启动器”,双击就能打开SD

为了方便使用,我们可以创建一个桌面快捷方式,这样就不用每次都到文件夹里面找了

鼠标右键点击“A启动器”——点击“发送到”——桌面快捷方式

双击打开启动器,点击“一键启动”就可以打开SD

出现这个代码页面不用管,稍微等一下,SD的主界面会自动在网页上弹出来

如果在上面的页面出现了报错,没办法打开SD

可以回到最开始的界面

在左边点击“疑难解答”,再点击右边的“开始扫描”

最后点击“修复”按钮

等看到这个页面,我们的SD就安装好啦

看到这么一个复杂的页面也不用慌,实际上有很多功能我们基本都用不上

安装好了软件,接下来我们就正式开始学习SD的用法

四、SD的基础使用流程

在sd里面,我们可以把自己想象成一个画家

我们要确定画什么风格的画,是二次元的漫画,还是真实的人像

然后还要想想我们要画什么东西,是画人还是画动物

在sd里面,我们就是通过调整各种参数,去实现这个画画的流程

我把SD的基础使用流程分成了三步

1.选大模型

2.写关键词

3.参数设置

接下来我们就以这个流程,看看在sd里,怎么生成这样一张图片

1.选大模型

不同的大模型,就代表着不同的照片风格

二次元动漫图片和真实人像图片用到的大模型是不一样的

现在我们要画的是一个二次元的小姐姐,那就在左上角这里选一个二次元的大模型

在网盘里面,我给大家准备了一些比较好用的大模型,大家可以根据文件夹的名字下载对应的模型

这些模型需要下载放到一个固定的文件夹里面

在SD的文件夹里,也就是我们打开“A启动器”的那个文件夹

找到models文件夹,把大模型放到models文件夹里的Stable-diffusion文件夹就可以了

接着我们回到SD,点击旁边这个刷新按钮,这样新安装的大模型就会自动加载上来,我们就可以直接选用了

2.写关键词

选好大模型之后,我们就要想想画上面有什么东西

过一些单词或短语,将画面形容出来告诉SD,那我们写的这些词语就叫关键词

比如说,现在要生成“一个穿着校服的美女在看书”的照片,那这个句子就是我们的关键词

在翻译软件把这句话翻译成英文

把英文关键词复制到SD里面,这样我们的关键词就写完了

为了让照片出来的效果更好,我们还会加上负面关键词

也就是我们不希望画面会出现的东西,比如低质量、多手或者多脚这些

负向关键词一般情况下都是通用的,不用每一次都重写

这里我已经给大家准备好了一段通用的负面关键词,直接复制就行

你如果还有什么不想出现在照片上的东西,也可以自己加上去

通用的负面关键词:

EasyNegative, ng_deepnegative_v1_75t, badhandv4,(worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), bad anatomy,DeepNegative, skin spots, acnes, skin blemishes,(fat:1.2),facing away, looking away,tilted head, lowres,bad anatomy,bad hands, missing fingers,extra digit, fewer digits,bad feet,poorly drawn hands,poorly drawn face,mutation,deformed,extra fingers,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,missing arms,missing legs,extra digit, extra arms, extra leg, extra foot,teethcroppe,signature, watermark, username,blurry,cropped,jpeg artifacts,text,error

到这里我们的关键词就全部写完了

3.参数设置

接下来就是一些参数的设置,用来调整图片的细节和整张图片的大小

如果你没有很了解这些参数代表什么也没关系,直接照抄就行了

01.迭代步数

首先是迭代步数,意思就是我们要在这幅画上面画多少笔

画的越多,画面就越多细节

但不是说步数越多越好,电脑配置比较低的电脑可能会带不动,导致照片无法生成

所以,电脑配置稍微低一点的,就设置在20~25步

电脑配置比较好的,就可以设置在25~30步之间

02.采样方法

不同的采用方法,就相当于我们画的每一笔的方式不一样

最后会导致生成出来的图片有所差别

采样方法有很多,但是大部分都不会用到,这里我也给大家测试过了,

框出来的这几个采样方法,出图速度比较快,而且出来的照片质量也比较高

03.宽度和高度

宽度和高度是用来调整照片的尺寸的

想要生成正方形或者长方形的照片,就可以通过调整宽度和高度的数值来实现

另外,宽度和高度的数值还会影响照片的清晰度

比如512*512 和 1024*1024,出来的都是1:1尺寸的正方形照片

1024的出图时间会更长,但是照片会更加清晰

这里的参数设置在一千左右,可以根据自己的电脑配置上下调整

4.生成照片

所有参数设置好了之后,就可以点击右上角的“生成”按钮

稍微等一下,照片就出来了

如果对照片不满意的话,就继续点“生成”,这个操作就叫抽卡

每一次都会生成出来不一样的照片

如果觉得照片不错,就可以把图片下载下来

五、结尾

到这里你就已经掌握了SD的基础用法,并且已经生成出来了一张还不错的照片

接下来我们课程的其他所有操作都是为了让生成出来的这张照片变得质量更高,更加符合我们脑海里的画面

网盘链接:https://pan.baidu.com/s/1X9u5u9-cFR-j3LLEMM6xCQ?pwd=vfpa

提取码:vfpa

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/831534.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

条件依赖性的方法示例

5个条件判断一件事情是否发生,每个条件可能性只有2种(发生或者不发生),计算每个条件对这件事情发生的影响力,条件之间有很强的依赖关系。 例一 如果条件之间有很强的依赖关系,那么简单地计算每个条件独立的…

[论文阅读] 测试时间自适应TTA

最初接触 CVPR2024 TEA: Test-time Energy Adaptation [B站](1:35:00-1:53:00)https://www.bilibili.com/video/BV1wx4y1v7Jb/?spm_id_from333.788&vd_source145b0308ef7fee4449f12e1adb7b9de2 实现: 读取预训练好的模型参数设计需要更…

Vue 组件通信

组件通信 组件与组件之间的数据传递 组件的数据是独立的,无法直接访问其他组件的数据。通过组件通信,可以访问其他组件的数据。 组件关系 父子关系非父子关系 组件通信解决方案 父子关系 父->子 父组件通过props将数据传递给子组件 App.vue …

蛋白质PDB文件解析+建图(biopython+DGL)

PDB文件解析 PDB文件设计得非常好,能够比较完整地记录实验测定数据 读懂蛋白质PDB文件-腾讯云开发者社区-腾讯云 (tencent.com) 科学网—PDB文件格式说明 - 李继存的博文 (sciencenet.cn) 从蛋白质结构来看,首先它会有多种不同的测定模型&#xff0c…

python学习笔记----面向对象(十)

一、什么是类 类是一个抽象的模板,用于创建具体的实例。可以将类理解为一个蓝图,它定义了一系列对象共有的属性(数据)和方法(函数)。类是对一组具有相同属性和功能的对象的抽象。例如,你可以定…

Jupyter Notebook魔术命令

Jupyter Notebook是一个基于网页的交互式笔记本,支持运行多种编程语言。 Jupyter Notebook 的本质式一个Web应用程序,便于创建和共享文学化程序文档,支持实现代码,数学方程,可视化和markdown。用途包括:数据…

2.6Java全栈开发前端+后端(全栈工程师进阶之路)-前端框架VUE3-基础-Vue生命周期

在使用vue进行日常开发中,我们总有这样的需求,想在页面刚一加载出这个表格组件时,就发送请求去后台拉取 数据,亦或者想在组件加载前显示个loading图,当组件加载出来就让这个loading图消失等等这样或那样的需求。 要实…

Flutter笔记:Widgets Easier组件库(9)使用弹窗

Flutter笔记 Widgets Easier组件库(9):使用弹窗 - 文章信息 - Author: 李俊才 (jcLee95) Visit me at CSDN: https://jclee95.blog.csdn.netMy WebSite:http://thispage.tech/Email: 291148484163.com. Shenzhen ChinaAddress o…

自定义拦截器jwt登录校验接口模拟账号登录

五一闲在宿舍,本来想写一个自己的简易博客网站,发现vue基础太差,做不出来页面效果于是便放弃,但也没有完全放弃。于是我分析了一下简易博客的后端实现流程,除了最基本的crud以外,在自己目前的对接口的分析中…

Ubuntu启动后进入GRUB故障-Minimal BASH like line editing is supported.

目录 1.问题描述 2.解决方案 2.1 临时性办法 2.2 工具永久性修复 总结 1.问题描述 PC安装Ubuntu系统第二天重启后提示GUN GRUB version 2.04,之前是WindowsOS装Ubuntu后无法进入图形界面。具体原因据网友提供线索据说是由于在Windows上进行更新/重装/修改了引…

2024年 Java 面试八股文——Mybatis篇

目录 1. 什么是Mybatis? 2. 说说Mybatis的优缺点 3. Xml映射文件中,都有哪些标签 4. #{}和&{}有什么区别 5. Mybatis是如何进行分页的,分页插件的原理是什么 6. Mybatis是如何将sql执行结果封装为目标对象并返回的? 7. Mybatis是怎…

从 Servlet 到 DispatcherServlet(SpringMvc 容器的创建)

DispatcherServlet 的继承体系 SpringMvc 是一个具有 Spring 容器(ApplicationContext)的 Servlet。其中,HttpServlet 属于 JDK 的内容,从 HttpServletBean 开始,便属于 Spring 体系中的内容。 HttpServletBean&…

华为手机 鸿蒙系统-android studio识别调试设备,开启adb调试权限

1.进入设置-关于手机-版本号,连续点击7次 认证:有锁屏密码需要输入密码, 开启开发者配置功能ok 进入开发者配置界面 打开调试功能 重新在androd studio查看可运行running devices显示了, 不行的话,重启一下android …

【开源物联网平台】window环境下搭建调试监控设备环境

🌈 个人主页:帐篷Li 🔥 系列专栏:FastBee物联网开源项目 💪🏻 专注于简单,易用,可拓展,低成本商业化的AIOT物联网解决方案 目录 一、使用docker脚本部署zlmediakit 1.1 …

Nextjs+Antd5.0打造面向AI的文档可视化引擎(最新更新)

hello,大家好,我是徐小夕。之前和大家分享了很多可视化,零代码和前端工程化的最佳实践,今天继续分享一下我开发的文档引擎 Nocode/WEP 的最新更新。 issue收集: https://github.com/MrXujiang/Nocode-Wep/issues 演示地…

ReentrantReadWriteLock(可重入读写锁)源码解读与使用

🏷️个人主页:牵着猫散步的鼠鼠 🏷️系列专栏:Java源码解读-专栏 🏷️个人学习笔记,若有缺误,欢迎评论区指正 目录 1. 前言 2. 读写锁是什么 3. ReentrantReadWriteLock是什么 4. 源码解…

ColdDTA:利用数据增强和基于注意力的特征融合进行药物靶标结合亲和力预测

ColdDTA发表在Computers in Biology and Medicine 的一篇一区文章 突出 • 数据增强和基于注意力的特征融合用于药物靶点结合亲和力预测。 • 与其他方法相比,它在 Davis、KIBA 和 BindingDB 数据集上显示出竞争性能。 • 可视化模型权重可以获得可解释的见解。 …

Python梯度提升决策树库之lightgbm使用详解

概要 LightGBM是一个快速、分布式、高性能的梯度提升决策树(Gradient Boosting Decision Tree)库,它在机器学习和数据挖掘领域被广泛应用。本文将介绍LightGBM库的安装方法、主要特性、基本功能、高级功能、以及在实际应用中的场景和总结。 安装 首先,需要安装LightGBM库…

第Y9周:重要模块解读

🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 | 接辅导、项目定制🚀 文章来源:K同学的学习圈子 目录 以con.py为例: 一、autopad 二、Conv 三、Focus 四、C2f 文件…

Golang | Leetcode Golang题解之第66题加一

题目&#xff1a; 题解&#xff1a; func plusOne(digits []int) []int {n : len(digits)for i : n - 1; i > 0; i-- {if digits[i] ! 9 {digits[i]for j : i 1; j < n; j {digits[j] 0}return digits}}// digits 中所有的元素均为 9digits make([]int, n1)digits[0]…