零、写在最前面
你怎么直到我喜提一张4090！？
一、什么是Stable Diffusion / Stable Diffusion WebUI
Stable Diffusion是一个CV（Computer Vision）模型，可以利用文本提示（Prompt）生成图像。正如模型名所描述，该模型使用名为扩散（Diffusion）过程的技术，将图像生成视为一种过程，该过程从一个随机噪声图像开始，然后逐渐增加详细的信息，直到生成所需的图像。
当然，SD模型的原理自然不是上面的三言两语就能解释明白的，但是博主作为CV麻瓜也只能理解到这个程度。但是，这完全不影响我们麻瓜炼丹， Muggle Lives Matter！
我们CV麻瓜想要使用SD自然不可能从代码开写，那是科班魔法师的活。麻瓜使用SD主要依赖的就是Stable Diffusion WebUI，SD WebUI和SD的关系就像是车身和引擎，让我们免去直接驾驭模型本身的烦恼。Stable Diffusion WebUI提供了诸如图像生成、图像修复、图像超分辨率放大等功能，并且支持自定义插件的安装，有着足够高的灵活性和可定制性。
二、如何安装配置Stable Diffution WebUI
1.安装Python & Git & Cuda
a.Python
Stable Diffusion WebUI是基于Python开发的，我们需要在本地安装一个Python环境。Python从 https://www.python.org/downloads/ 下载，根据操作系统选择对应的Win/Linux/Mac版本，博主的Python版本号是3.9.12，选择其他版本应该也没有问题。安装时务必勾选“Add Python to PATH”；如选择自定义安装，务必选择安装PIP。
b.Git
Git是一个开源的分布式版本控制系统，我们可以用Git把SD WebUI的代码同步至本地并在后续进行更新。Git从https://git-scm.com/downloads下载，同样根据操作系统选择对应的版本，版本号随意。
c.Cuda
Cuda是NVDIA开发的并行计算平台和API模型，让开发人员可以使用GPU执行除了图形渲染之外的任务。简单点说，我们想用N卡炼丹就必须安装Cuda。当然，A卡倒也不是不能炼丹，但是对于麻瓜来说用Ort来驾驭A卡并不是一个好选择。
在安装Cuda前，确保已经安装Nvida显卡驱动。Cuda版本和驱动版本的对照表在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html，根据需要从https://developer.nvidia.com/cuda-downloads下载对应版本的Cuda。
2.安装Stable Diffusion WebUI
a.下载
打开你想要安装SD WebUI的文件夹（建议固态硬盘，机械硬盘加载模型的速度会让你怀疑人生），在地址栏输入“cmd”打开命令行工具，运行下列命令来克隆SD WebUI：
git clone github.com/AUTOMATIC1111/stable-diffusion-webui.git如果克隆失败，可以运行下列命令使用Ghproxy代理下载：
git clone https://ghproxy.com/https://github.com/AUTOMATIC1111/stable-diffusion-webui.gitb.初始化 & 启动
克隆完成后，打开SD WebUI文件夹，编辑launch.py（建议使用VSCode等工具，都没有用TXT打开也行），替换所有的https://github.com为https://ghproxy.com/https://github.com 。使用Ghproxy进行代理，以安装后续依赖。
理论上来说最好用Venv或者Conda之类的工具创建一个虚拟环境来配置SD WebUI的依赖，但是我们麻瓜大概率也就只用Python配置SD WebUI了，虚拟环境倒也不是那么有必要（绝不是因为博主懒得写了）。
进入到SD WebUI的文件夹，同样输入“cmd”打开命令行工具，使用下列指令安装SD WebUI所需要的依赖项：
pip install -r requirements_versions.txt然后执行下列命令以初始化并运行SD WebUI：
.\webui-user.bat至此，我们已经成功安装了SD WebUI。SD WebUI的默认端口是7860，访问http://127.0.0.1:7860/即可打开。
c.远程访问 & 登录设置
先关掉SD WebUI， 打开webui-user.sh，现在有一部分被注释的代码：
# Commandline arguments for webui.py, for example: export COMMANDLINE_ARGS="--medvram --opt-split-attention"
#export COMMANDLINE_ARGS=""在这里进行修改，填入你希望设置的账号密码：
# Commandline arguments for webui.py, for example: export COMMANDLINE_ARGS="--medvram --opt-split-attention"
export COMMANDLINE_ARGS="--listen --gradio-auth 用户名:密码"三、如何使用 Stable Diffution WebUI
1.咒语入门
Prompt就是所谓的咒语，用于描述我们希望生成的图像具有哪些特征；Negative Prompt就是所谓的反咒，用于描述我们希望生成的图像不具有哪些特征，通常用于提高生成图像的质量。
分隔符：通常用,分割，有一定的权重排序功能，逗号前权重高逗号后权重低，建议按照Prompt的重要度进行排序。
权重控制：我们可以根据自己需要调整各Prompt的权重，例如我期望能够强调或是减弱“夜晚”这一要素，那么可以用如下写法调整该元素的权重：
// 权重为1.20
(night:1.20)
// 权重为1.10
(night)
// 权重为1.05
{nigth}
// 权重为0.80
(night:0.80
// 权重除以1.10
[night]
// 权重符号可以组合使用，权重为1.21
((night))2.参数详解（txt2img）
采样方法（Sampling method）：选择用于生成图像的采样方法。默认情况下，该参数设置为“Eulea”。博主进行初步测试， 不同方法生成的图像会有些微差异，不同方法所需要的迭代步数差别较大，如果换个方法图像质量变差可以尝试增加迭代步数 。
迭代步数（Sampling steps）: 指定图像生成的迭代次数。较多的迭代次数通常会导致更好的图像质量，但也需要更长的时间来完成生成。一般建议20-50之间，更多的迭代带来的收益很小。
宽度&高度（Width & Hight）：指定图片生成的高度和宽度。较大的高度宽度需要更多的显存计算资源，常用的参数有512、768、1024。不建议直接生成1024*1024及以上的图片，因为训练数据集通常是在512这个尺度上，在1024尺度上生成通常会造成人物畸形，如需生成更高清的图像可以使用Hires.fix、Tilled Didffsion等方法。
生成批次（Batch count）：指定批次数量。
每批数量（Batch size）：指定每一批次要生成的图像数量。生成的图像总数等于Batch Count * Batch size。
提示词相关性(CFG Scale)：变更图像与提示符的一致程度。数值越大，图像更接近你的提示，但过高会让图像色彩过于饱和；数值越小，AI绘图发挥的自我空间越大越有可能产生有创意的结果，但过小会让图像难以从Prompt重获得信息。一般建议选择7-20.
种子（Seed）: 指定一个随机种子，将用于初始化图像生成过程。相同的种子值每次都会产生相同的图像集，这对于再现性和一致性很有用。如果将种子值保留为-1，则每次运行时将生成一个随机种子。
优化面部（Restore faces)：优绘制面部图像可勾选，头像是近角时勾选貌似容易过度拟合出现虚化，适合在远角时勾选该选项。
可平铺(Tiling)：用于生成一个可以平铺的图像。
Hires. fix：勾选该选项可以提高生成图像的分辨率。该部分有两个新的参数：Upscaler决定使用哪种算法；Denoising strength决定算法对图像内容的保留程度，在0处，什么都不会改变，而在1处，会得到一个不相关的图像。
3.插件推荐
写在最前面，SD WebUI在Extensions模块里可以选择“Install from URL”，输入对应插件的Github链接即可安装插件。国内部分地区无法直接访问Github，这种情况下使用梯子从Github下载插件，放入SD WebUI根目录的extensions文件夹中。点击“Apply and restart UI”即可应用插件。
Stable-Diffusion-Webui-Civitai-Helper： 这是一款强大的模型/LORA管理插件，可以自动链接C站（civital）下载缩略图和更新版本。
a1111-sd-webui-tagcomplete：能在输入Tag时提供booru风格（如Danbooru）的TAG自动补全。因为有一些模型是基于这种TAG风格训练的（例如Waifu Diffusion），因此使用这些Tag能获得较为精确的效果。
sd-webui-prompt-all-in-one： 旨在提高提示词/反向提示词输入框的使用体验。它拥有更直观、强大的输入界面功能，它提供了自动翻译、历史记录和收藏等功能。
a1111-sd-webui-lycoris：除了LoRA外，现在有一类新的模型LyCORIS，原生SD WebUI并不支持LyCORIS，安装该插件才能使用。
multidiffusion-upscaler-for-automatc1111：该插件有在有限的显存中进行大型图像绘制、区域提示控制等功能。炼丹进阶插件，对于显存不足的炼丹师很有用。
ControlNet： 通过添加额外控制条件，来引导 Stable Diffusion 按照创作者的创作思路生成图像，从而提升 AI 图像生成的可控性和精度。 炼丹进阶插件，可以更好地实现炼丹师的想法。
4.网站推荐
Civitai：C站，炼丹师必备。发布了海量的Checkpoint、Lora、LyCORIS等，常见的模型都可以在C站找到。 SD WebUI的模型放在根目录的models文件夹中，其中Stable-diffusion子文件夹存放Checkpoint，其他各子文件夹对应各类模型的，例如Lora、VAE、LyCORIS等。
AIGODLIKE社区：AI绘画画廊，图片包含使用的模型、Prompt及各参数，方便用户复现、分享。
片绘：AI绘画社区。
5.VAE
VAE = variational autoencoder（变化自动编码器）。它是神经网络的一部分，用于将图片编码到latent space，以及从latent space中恢复成图片。这么做的目的，是因为latent space空间更小，计算速度更快。
一般来说，VAE的作用比较小。一个优化过的VAE可以在将图片从“潜空间”解码时效果更好，可以恢复更多的细节。例如可以有助于渲染眼睛，以及文本（图片里生成的文本）的细节。笔者使用的直观感受是，VAE比较像AI绘画的滤镜，不同的VAE会为生成的图片带来不同的风格，但不会影响主体。
现在SD WebUI自带一个VAE，各类模型在发布时通常会给出其使用的VAE，目前没有一个统一的发布VAE的网站，炼丹师在使用的时候注意对比、收集。