| 效率飙升，stablediffusion高级技巧和插件（持续更新） | 您所在的位置：网站首页 › model a1524是什么版本 › 效率飙升，stablediffusion高级技巧和插件（持续更新） |
效率飙升，stablediffusion高级技巧和插件（持续更新）
|
用stable diffuision也有很长时间了，这里是我个人总结和收集的各种效率技巧和工具，持续更新，大家有好的也可以推荐给我，我更新上去，一同进步 LORA缩略图和管理(Civitai Helper)强大的LORA管理插件，可以自动下载缩略图和更新版本  自动下载缩略图 没有缩略图LORA越来越多，自己手动弄缩略图太麻烦了，不然就一片灰？ 试试这个插件，可以自动下载，简单易用  Civitai Helper插件设置页下载地址C站地址： Civitai | Share your models LORA按需分类想做到LORA这样一目了然，分类明确吗？ 其实很简单  虽然方法简单，貌似说的人很少很少 进到存放lora的文件夹  然后在此目录下，建立你想要分类的文件夹，把相应的lora拖进去就行了 是不是很简单？ 大模型按需分类和lora分类的方法类似 进到model的目录 如下  然后建立自己想分类的目录，例如我建立一个动漫的文件夹  把相应的模型丢进去 然后刷新UI，模型选择界面就可以看到这个了  切换模型的VAE随着我们的模型越来越多，我们会发现模型需要配套的VAE是不一样的，有时候切来切去会很麻烦，这时候我们可以利用SD原有的功能来实现快速切换VAE  快速切换VAE先进入到设置页面，选择用户界面  找到快捷设置列表 在sd_model_checkpoint后面输入,sd_vae 变成sd_model_checkpoint,sd_vae，保存设置并重启UI即可 高级预设模版Preset ManagerSD有自带的预设模版，可以一键保存我们的关键词 但是局限性很强，步数，种子，绘图方式，高清修复都不能保存，用Preset Manager可以保存我们大多数参数  也可以快速切换预存设置，很是方便 下载地址GitHub - Gerschel/sd_web_ui_preset_utils: Preset Manager moved private 显存神器Tiled VAE显存小但是想要大尺寸怎么办？这时候我们可以试试这个工具Tiled VAE 如果原先只能512x768，用了翻倍，高清修复highres.fix同样有效，1.5倍能提升到2倍，相当给力 原理是将大图分成一片一片的区域，分开生成再合并  插件界面官方中文文档：multidiffusion-upscaler-for-automatic1111/README_CN.md at main · pkuliyi2015/multidiffusion-upscaler-for-automatic1111 · GitHub 下载地址GitHub - pkuliyi2015/multidiffusion-upscaler-for-automatic1111: Tiled Diffusion and VAE optimize, licensed under CC BY-NC-SA 4.0 图片反推文字及打标(TAGGER）可以导入图片让AI反推文字，功能和准确性都比SD自带的强不少，达到模仿和学习的目的，更多时候是训练LORA的时候用于批量打标签。  用完记得卸载模型，不然很占显存 下载地址GitHub - toriato/stable-diffusion-webui-wd14-tagger: Labeling extension for Automatic1111's Web UI 抠图插件（有些麻烦）1，需要安装SD插件，下载地址https://pan.baidu.com/s/17s_RVoZ4ec_BWIXwjUPnDQ?pwd=ktwu2，需要安装CUBA支持3，需要下载TensorRT，教程https://blog.csdn.net/Yang_4881002/article/details/124292512，下载https://pan.baidu.com/s/1YAjFZyNRPoE8J35n3pFJng?pwd=2jak安装后可以找到后期处理这个选项  选择remove background，然后选择u2netp算法  抠图成功  图片放大神器Tiled VAE依然还是Tiled VAE，在图生图界面中可以直接把图放大，补充细节，超级给力 示例：从1024 * 800 放大到 4096 * 3200 ，使用默认参数 参数:降噪 = 0.4，步数 = 20，采样器 = Euler a，放大器 = RealESRGAN++，负面提示语=EasyNegative,模型：Gf-style2 (4GB 版本), 提示词相关性(CFG Scale) = 14, Clip 跳过层(Clip Skip) = 2方法(Method) = MultiDiffusion, 分块批处理规模(tile batch size) = 8, 分块高度(tile size height) = 96, 分块宽度(tile size width) = 96, 分块重叠(overlap) = 32全局提示语 = masterpiece, best quality, highres, extremely detailed 8k wallpaper, very clear, 全局负面提示语 = EasyNegative.原图：  1024x800分辨率 4X放大4096 * 3200下载地址GitHub - pkuliyi2015/multidiffusion-upscaler-for-automatic1111: Tiled Diffusion and VAE optimize, licensed under CC BY-NC-SA 4.0 未完待续 |
【本文地址】