Stable Diffusion 系列教程（基础篇） —— 参数详解

[!quote] 背景
使用过程，总有一些参数，不明其意，不知其作用。所以做了系统整理。后面会结合实际案例，进一步诠释

一、启动参数

1. 配置参数

-h, --help：显示帮助信息并退出。

--exit：安装后立即终止。

--data-dir：指定存储所有用户数据的基本路径，默认为"./"。

--config：用于构建模型的配置文件路径，默认为 "configs/stable-diffusion/v1-inference.yaml"。

--ckpt：稳定扩散模型的检查点路径；如果指定，该检查点将被添加到检查点列表并加载。

--ckpt-dir：稳定扩散检查点的目录路径。

--no-download-sd-model：即使没有找到模型，也不下载SD1.5模型。

--vae-dir：变分自编码器模型的路径。

--gfpgan-dir：GFPGAN目录。

--gfpgan-model：GFPGAN模型文件名。

--codeformer-models-path：Codeformer模型文件的目录路径。

--gfpgan-models-path：GFPGAN模型文件的目录路径。

--esrgan-models-path：ESRGAN模型文件的目录路径。

--bsrgan-models-path：BSRGAN模型文件的目录路径。

--realesrgan-models-path：RealESRGAN模型文件的目录路径。

--scunet-models-path：ScuNET模型文件的目录路径。

--swinir-models-path：SwinIR和SwinIR v2模型文件的目录路径。

--ldsr-models-path：LDSR模型文件的目录路径。

--lora-dir：Lora网络的目录路径。

--clip-models-path：CLIP模型文件的目录路径。

--embeddings-dir：用于文本逆向的嵌入目录，默认为 "embeddings"。

--textual-inversion-templates-dir：文本逆向模板的目录。

--hypernetwork-dir：超网络目录。

--localizations-dir：本地化目录。

--styles-file：用于样式的文件名，默认为 "styles.csv"。

--ui-config-file：用于UI配置的文件名，默认为 "ui-config.json"。

--no-progressbar-hiding：不隐藏Gradio UI中的进度条（默认隐藏，因为在浏览器中使用硬件加速会降低机器学习速度）。

--max-batch-count：UI的最大批次计数值，默认为16。

--ui-settings-file：用于UI设置的文件名，默认为 "config.json"。

--allow-code：允许从Web UI执行自定义脚本。

--share：使用Gradio的share=True，并使UI通过其网站访问（对我来说不起作用，但您可能会更幸运）。

--listen：使用0.0.0.0作为服务器名称启动Gradio，允许响应网络请求。

--port：使用给定的服务器端口启动Gradio，需要根/管理员权限才能使用1024以下的端口，默认为7860（如果可用）。 34. --hide-ui-dir-config：从Web UI中隐藏目录配置。

--freeze-settings：禁用编辑设置。

--enable-insecure-extension-access：无论其他选项如何，都启用扩展选项卡。

--gradio-debug：使用--debug选项启动Gradio。

--gradio-auth：设置Gradio身份验证，如 "username:password"；或逗号分隔多个，如 "u1:p1,u2:p2,u3:p3"。

--gradio-auth-path：设置Gradio身份验证文件路径，例如 "/path/to/auth/laoxiongb2cfile"，与--gradio-auth的格式相同。

--disable-console-progressbars：不在控制台输出进度条。

--enable-console-prompts：在使用txt2img和img2img生成时，在控制台打印提示。

--api：使用API启动Web UI。

--api-auth：设置API身份验证，如 "username:password"；或逗号分隔多个，如 "u1:p1,u2:p2,u3:p3"。

--api-log：启用所有API请求的日志记录。

--nowebui：仅启动API，不启动UI。

--ui-debug-mode：不加载模型以快速启动UI。

--device-id：选择要使用的默认CUDA设备（可能需要在此之前设置CUDA_VISIBLE_DEVICES=0,1等环境变量）。

--administrator：管理员权限。

--cors-allow-origins：以逗号分隔的列表形式允许的CORS来源（无空格）。

--cors-allow-origins-regex：以单个正则表达式的形式允许的CORS来源。

--tls-keyfile：部分启用TLS，需要--tls-certfile才能完全生效。

--tls-certfile：部分启用TLS，需要--tls-keyfile才能完全生效。

--server-name：设置服务器主机名。

--gradio-queue：使用Gradio队列；实验性选项；破坏重新启动UI按钮。

--skip-version-check：不检查torch和xformers的版本。

--no-hashing：禁用检查点的sha256哈希，以提高加载性能。

2. 通用参数

--autolaunch：在启动时使用系统的默认浏览器打开WebUI URL。

--theme：在WebUI中使用指定的主题（“light”或“dark”）。如果未指定，则使用浏览器的默认主题。

--use-textbox-seed：在UI中使用文本框输入种子（没有上/下箭头，但可以输入长种子）。

--disable-safe-unpickle：禁用对PyTorch模型的恶意代码检查。

--ngrok：用于ngrok的自动令牌，是gradio --share的替代方案。

--ngrok-region：ngrok应该在其中启动的区域。

3. 性能参数

--xformers：启用xformers以加速跨注意层。

--reinstall-xformers：强制重新安装xformers。在升级后使用，但升级后请移除，否则将一直重装xformers。

--force-enable-xformers：无论检查代码是否认为可以运行，都强制启用xformers的跨注意层；如果运行失败，请勿提交错误报告。

--opt-split-attention：强制启用Doggettx的跨注意层优化。默认情况下，对于启用CUDA的系统，此选项已开启。

--opt-split-attention-invokeai：强制启用InvokeAI的跨注意层优化。默认情况下，当CUDA不可用时，此选项已开启。

--opt-split-attention-v1：启用旧版本的分割注意力优化，该版本不会消耗所有可用的显存。

--opt-sub-quad-attention：启用内存高效的子二次交叉注意力层优化。

--sub-quad-q-chunk-size：子二次交叉注意力层优化使用的查询块大小。

--sub-quad-kv-chunk-size：子二次交叉注意力层优化使用的kv块大小。

--sub-quad-chunk-threshold：子二次交叉注意力层优化使用的显存使用率阈值。

--opt-channelslast：为4d张量启用备选布局，仅在具有Tensor核心的Nvidia显卡（16xx及更高版本）上可能导致更快的推理。

--disable-opt-split-attention：强制禁用跨注意层优化。

--disable-nan-check：不检查生成的图像/潜在空间是否包含nan值；在持续集成中运行时无需检查点。

--use-cpu：对指定模块使用CPU作为torch设备。

--no-half：不将模型切换为16位浮点数。

--precision：以此精度进行评估。

--no-half-vae：不将VAE模型切换为16位浮点数。

--upcast-sampling：向上采样。与 --no-half 无效。通常产生与 --no-half 类似的结果，但在使用较少内存的情况下性能更好。

--medvram：启用稳定扩散模型优化，牺牲一点速度以减少显存使用。

--lowvram：启用稳定扩散模型优化，牺牲大量速度以极低的显存使用。

--lowram：将稳定扩散检查点权重加载到显存而非RAM。

--always-batch-cond-uncond：禁用使用 --medvram 或 --lowvram 时为节省内存而启用的条件/无条件批处理。

我使用的启动命令如下：

python launch.py --xformers --listen --enable-insecure-extension-access --no-half-vae --disable-nan-check  

二、界面参数

下面界面是加了一些插件之后的，如中文插件，图库浏览器，如果你使用的是一些大佬的整合包，那么一般他们都会帮助你安装好，但是如果没有也无所谓，我们会在之后给大家讲解插件的安装

我Stable Diffusion 分为6个区域：
&bobyai#8211; 模型区 – 左上角用来更换Stable Diffusion 模型、VAE模型、Clip终止层等的选择，此处功能区，可以在设置中进行增删，参考：[[Stable Diffusion 系列教程（问题篇）—— WebUI 没有显示 VAE模型、CLIP终止层]]
– 菜单栏区 – 主要基本功能，最常用的两个文生图、图生图
– 提示词区 – 最关键的一个区域，也就是我们念咒语的地方，这里用英语撰写（可用翻译软件）
– 风格区
– 出图设置区 – 调整出图质量等的参数设置区域
– 生成图像区

下面会对各项参数，进行解释，某些插件安装后，在此处会有参数展示，此处不做说明，会插件篇（[[Stable Diffusion 系列教程（基础篇） —— 插件安装]]）详细说明

1. 模型设置区

• Stable Diffusion 模型：文件格式为ckpt或者safetensors格式，它主要是控制生成图片的大致风格，选择一个合适的模型非常重要，模型选对了一般就成功了一大半。
  

• 外挂VAE模型：全称是 Variational Auto-Encoder，翻译过来是变分自动编码器，本质上是一种训练模型，Stable Diffusion 里的 VAE 主要是模型作者将训练好的模型“解压”的解码工具。一般大模型都会自带，不用管他，只有大模型内的VAE出问题了、坏了、或者是我们不满意的情况下，才需要 使用外部手动选择的VAE权重。选择了外挂VAE模型后，大模型内本身带有的VAE则会完全失效。
  
  在 C 站下载模型，在下载页面会有文件显示，如图。
  
  VAE 的安装路径看我这里，把下载的文件复制粘贴，然后把 web UI 界面刷新一下（就是 SD 操作界面）
  

1. 总的来说就是你在 C 站上下载的模型有些内置就有 VAE 的属性（不需要下载 VAE 文件），有些没有内置下载的时候我们就把 VAE 文件下载。（VAE 文件一般大小在几百兆左右）
2. VAE 的作用就是没有加载 VAE 的图片是灰灰的，加载之后就是会产生一个润色的效果，色彩更加丰富。

• Clip终止层数：默认为2，数值越高，生成的图和提词的相关性越低。大部分情况下Clip跳过层的数值保持默认即可。

2. 菜单栏区

• 文生图：根据输入的正向或反向提示，生成相应图片，参考：[[Stable Diffusion 系列教程（基础篇） —— 文生图]]
• 图生图：图片重绘，参考：[[Stable Diffusion 系列教程（基础篇） —— 图生图]]

最常用的两个 文生图，图生图

其他我们用到的时候再介绍

3. 提示词区

最关键的一个区域，也就是我们念咒语的地方，这里用英语撰写（可以用翻译软件）

• 正向提示词：Prompt 描述你想要的图片，比如:girl,long hair,black clothes,big eyes(长发黑衣服大眼睛的女孩)。@注意: 不支持中文
• 反向提示词：Negative prompt 不希望图片出现的内容，不太建议无脑抄别人的，可以记一些通用的：比如低质量，多手等。新人刚开始玩的时候不用管，根据你生成图片出现了哪些你不希望出现的内容，你在去修改它。比如:low quality(低质量)

之后会给大家专门总结，到时候直接复制粘贴即可
更多详细介绍，参考：[[Stable Diffusion 系列教程（基础篇） —— 提示词]]

4. 风格区

提示词区右边的生成下边有五个小图标，相当于一些快捷键，从左到右依次为

| 图标 | 作用 |
| —- | ———————————————— |
| 箭头 | 复原上次生成图片的提示词（自动记录） |
| 垃圾桶 | 清空当前所有提示词 |
| 红色日出 | 打开其他模型选择界面如Embedding，HypernetWork的选择，这些模型后面会单独讲到 |
| 记事薄 | 应用选择的风格模板到当前提示词，就是着五个小图标下面那个风格模板选项 |
| 保存按钮 | 保存当前的正反向提示词 |
箭头：第一按钮的意思是读取你上一张图的所有参数信息（包括关键词），比如你画一张图之后，关掉了软件，再次启动点击这个就会把参数复制进来。

垃圾桶：第二个按钮就是删除了，清空关键词；这里可以和第一个按钮结合用哦

红色日出：第三个按钮就是模型选择管理

小知识：这里可以把你生成的图片添加到模型的封面上，方便你后面看这个模型的效果，看我怎么做：
找到这个模型的名称，然后我这里是跑出来一张图片的，点击这个按钮（lora 一样）

最终效果：

记事簿、保存：后面两个就是一个提示词模板功能：

我们可以先点最后一个按钮，把现在的关键词创建一下，取个名字

然后在模板风格这里选中我们刚刚创建的模板（可以多选）

选中之后按一下第四个按钮，我们创建的关键词就被填入进去了，这块收工！

5. 出图设置区

• Sampling Method：抽样法,常用于去噪，内置多种算法可供选择。比如 DPM++ 2M Karras，可以很好地平衡了速度和质量。
• Sampling Steps: 采样步骤数。虽然越多越好，但是值越大生成的时间越长。大部分情况选择:20 ~ 25。
• Width & Height：输出图像的大小长和宽。长宽也不是随意设置; 目前使用 v1 模型时,至少将一变设置为 512。目前已知可选的组合有:512*512、512*768、768*512
• Batch Count: 批次数量。
• Batch size：每一批次要生成的图像数量。
• CFG scale: 用于控制模型生成的图片,和提示词的符合度。默认为 7,数值越小 AI 自由发挥的空间就越大,数值越大相对来说就越刻板 (严格按照提示词)；
• Seed：指定一个随机种子，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，如果将值设置为 -1，则每次运行都会生成一个随机种子。
• Hires.Fix: 高清修复，主要是提高生成的图像的分辨率,注意: 开启后生成图片会很慢; 其他选项说明:
• Upscaler：指的是放大算法,内置了很多算法,其中 R-ESRGAN 4x+：擅长写实图片、R-ESRGAN 4x+ Anime6B：擅长二次元图片，
• Hires setps: 高清修复的步数和 Sampling Steps 代表的意义一样；
• Denoising strength: 重绘幅度,AI 的自由发挥空间，值越大 AI 就越放飞自我，值越小就越按照原图重绘;
• Upscale by: 放大的倍数，和下面两个互斥;
• Resize width to: 指的是把图片放大后,宽度的像素;
• Resize height to: 指的是把图片放大后,高度的像素;

采样方法

采样方法具体是什么涉及到模型原理，不必深究，我们这里只需要知道什么时候用什么样的采样方法即可，一般遵循如下原则

（1）在显卡给力，时间充裕的条件下，可以自己尝试比较不同的采样方法

（2）一般在C站下载模型的同时，模型作者会给出他觉得比较好的采样方式，这是作者已经经过大量实验的结论，可以帮助你节约时间

（3）没有作者相关建议的时候

对于二次元图 DPM++ 2M或DPM++ 2M Karras UniPC

对于真实系图 Euler a、DPM++ SDE、DPM++ SDE Karras

同时，一般而言带++的都相对来说不戳

这里的采用方式有很多，但是我们常用的就那几个，我们可以去设置里面把不需要用到的关掉，不展示在这个界面中。然后点击右边的重启 UI 就好了。

Stable diffusion支持多种采样方法。这些方法仅代表了不同的扩散方程求解方法。它们应该产生相似的结果，但由于数字偏差可能略有不同。然而，由于没有绝对正确的答案——唯一的标准是图像看起来不错，因此您不必过于担心方法的准确性。

下面是这些采样器的简单介绍：

Euler a ：有很高的多样性，tag利用率仅次与DPM2和DPM2 a。但是构图有时很奇葩，而且步数大于30，效果减弱

Euler：柔和，也适合插画，环境细节与渲染好，背景模糊较深。同时是最简单、最快的

LMS 是 Euler 的衍生，它们使用一种相关但稍有不同的方法（平均过去的几个步骤以提高准确性）。大概30step可以得到稳定结果，更倾向于动画的风格

Heun：单次出图平均质量比Euler和Euler a高，但速度最慢，高step表现好。

DPM2:该采样方法对tag的利用率最高，几乎占80％+

DPM2 a：几乎与DPM2相同，是对于DDIM的改进，减少步骤以获得良好的结果，它的速度大约是DDIM的两倍，生图效果也非常好

DPM fast：此为上界开发者所遗留的测试工具，不适合魔术师使用

LMS Karras：会大改成油画的风格，写实不佳。

DDIM:适合宽画，速度偏低，高step表现好，负面tag不够时发挥随意，环境光线与水汽效果好，写实不佳。

UniPC 效果较好且速度非常快，对平面、卡通的表现较好，推荐使用。

DDIM 收敛快，但效率相对较低，因为需要很多 step 才能获得好的结果，适合在重绘时候使用。

PLMS 是 Euler 的衍生，可以laoxiongb2c更好地处理神经网络结构中的奇异性。

不同的方法处理时间并不相同，以下是各种方法的处理时间。

迭代采样步数

之前讲原理的时候，模型将噪声一步一步恢复到真实图片，此参数控制这些去噪步骤的数量。通常越高越好，但在一定程度上，我们使用的默认值是25个步骤。以下是不同情况下使用哪个步骤编号的一般指南：

（1）如果正在测试新的提示，并希望获得快速结果来调整您的输入，请使用10-15个步骤

（2）当您找到您喜欢的提示时，请将步骤增加到25

（3）如果是有毛皮的动物或有纹理的主题，生成的图像缺少一些细节，尝试将其提高到40

面部修复：修复人物的面部，但是非写实风格的人物开启面部修复可能导致面部崩坏。 平铺/分块：生成一张可以平铺的图像 高分辨率重绘：使用两个步骤的过程进行生成，以较小的分辨率创建图像，然后在不改变构图的情况下改进其中的细节，选中后会有新的参数.

宽度高度 出图分辨率设置 最佳的范围应在512至768像素之间

设置的出图分辨率太低，会导致图像不清晰

设置的出图的分辨率过高，一方面显存支撑不了，另外一方面可能会导致图像生成多人情况，

生成批次：每次生成图像的组数。 每批数量：每组多少个图像。图像总数是这个值乘以批次数。除 4090 等高级显卡以外通常保持为 1

提示词相关性CFG：较高的数值将提高生成结果与提示的匹配度。 OpenArt上使用的默认CFG是7，这在创造力和生成你想要的东西之间提供了最佳平衡。通常不建议低于5。 CFG量表可以分为不同的范围，每个范围都适合不同的提示类型和目标 CFG 2 – 6：有创意，但可能太扭曲，没有遵循提示。对于简短的提示来说，可以很有趣和有用 CFG 7-10：推荐用于大多数提示。创造力和引导一代之间的良好平衡 CFG 10-15：当您确定您的提示是详细且非常清晰的，您希望图像是什么样子时 CFG 16-20：除非提示非常详细，否则通常不推荐。可能影响一致性和质量 CFG >20：几乎无法使用

Classifier FreeGuidancescale（分类器自由指导比例）是一个参数，用于控制模型应尊重你的提示的程度。如果CFG值太低，稳定扩散将忽略你的提示。太高时图像的颜色会饱和。

1  –大多忽略你的提示。
3  –更有创意。
7  –遵循提示和自由之间的良好平衡。
15 –更加遵守提示，图片的对比度和饱和度增加。
30 –严格按照提示操作，但图像的颜色会过饱和。

这是在控制其他参数的情况下，不同CFG的结果：

至于CFG的系数选择，其实不同的采样方法对应着不同最佳的CFG数值，而且随着迭代步数的增加，细节增加后的高位CFG数值也会有所变化。

CFG在4-10之间比较适合，最佳的还是建议将迭代步数、采样方法结合起来看

随机种子（Seed）:生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可。保持这个值不变，可以多次生成相同（或几乎相同，如果启用了 xformers）的图像。没有什么种子天生就比其他的好，但如果你只是稍微改变你的输入参数，以前产生好结果的种子很可能仍然会产生好结果。差异随机种子，需要勾选这个按钮：

这个功能是固定一个种子，然后调整差异强度来生成图片，因为是固定的 seed 值，所以生成的图风格都是类似的。

如果设置为-1，将使用随机种子值；如果设置为一个固定的种子值（比如用那个绿色的回收图标定为之前的图片样式），可以增加或替换关键词达到在图片上增加或替换的效果。

过强的关键词也会导致构图的改变，更推荐蒙版重绘进行修改。

变异随机种子：简单来说就是在原有的种子图上，新加入一个用其他种子值的图，最后生成两种图片的混合。其中“变异强度”指种子与变异种子之间的选择程度（权重），将其设置为0使用种子值。将其设置为1使用变异种子值。

需要注意：在同一个种子值下，图片的内容会随着生成的长度和宽度的改变而改变，所以，要获得清晰的原图，还是建议在后期处理中采用放大算法。

从宽度和高度中调整种子：就是调整变异种子增加后生成后的图片大小。

变异强度0到1之间变化的简单例子：

6. 生成图像区

总结

参考

• [ 1 ] Stable Diffusion WebUI文生图操作界面基本参数说明！朋友们，大家好，我是王赞，正在学习研究Stabl – 掘金
• [ 2 ]
• [ 3 ]
• [ 4 ]

其他