README

安装

首先，您需要下载并运行 Easy Diffusion。

接下来，请确保您已经在计算机上安装了 Composer，PHP 8.1 或更高版本和 Git。

接下来，您可以通过 Composer 的 create-project 命令创建一个新的 Samplers Generator 项目

composer create-project andrey-helldar/easy-diffusion-ui-samplers-generator easy-diffusion-ui-samplers-generator

或者您也可以下载这个仓库

git clone git@github.com:andrey-helldar/easy-diffusion-ui-samplers-generator.git

接下来，进入项目文件夹并安装依赖项

cd ./easy-diffusion-ui-samplers-generator

composer install

配置

项目只有少数静态设置 - 这些是生成图像的步骤数量和大小。

配置文件位于 config 文件夹。

使用方法

首先您需要运行神经网络 Python 脚本查看更多： https://github.com/cmdr2/stable-diffusion-ui/wiki/How-to-Use

所有可用模型的样本生成

为此，您需要调用 bin/sampler models 控制台命令，并传递所需的参数 --prompt。

例如

bin/sampler models --prompt "a photograph of an astronaut riding a horse"

如果您想为之前生成的图像生成样本表，那么在调用控制台命令时，还需要传递带有此值的 --seed 参数。

例如

bin/sampler models --prompt "a photograph of an astronaut riding a horse" --seed 2699388

可用选项

---prompt - 图像生成的查询字符串。它是一个字符串。
--negative-prompt - 查询生成的排除词。它是一个字符串。
--tags - 图像生成的修饰符。它是一个数组。
--fix-faces - 通过 GFPGANv1.3 启用修复不正确的面孔和眼睛。它是一个布尔值。
--path - 保存生成样本的路径。默认情况下，在当前目录的 ./build 子目录中。
--seed - 早期生成图像的种子 ID。
--output-format - 设置文件导出格式：jpeg 或 png。默认情况下，jpeg。
--output-quality - 指定输出图像的质量百分比。默认情况下，75。

为单个模型生成样本

为此，您需要调用 bin/sampler model 控制台命令，并传递所需的参数 --prompt 和 --model。

例如

bin/sampler model --prompt "a photograph of an astronaut riding a horse" --model "sd-v1-4"

如果您想为之前生成的图像生成样本表，那么在调用控制台命令时，还需要传递带有此值的 --seed 参数。

例如

bin/sampler models --prompt "a photograph of an astronaut riding a horse" --model "sd-v1-4" --seed 2699388

可用选项

---model - 生成样本的模型。它是一个字符串。
---prompt - 图像生成的查询字符串。它是一个字符串。
--negative-prompt - 查询生成的排除词。它是一个字符串。
--tags - 图像生成的修饰符。它是一个数组。
--fix-faces - 通过 GFPGANv1.3 启用修复不正确的面孔和眼睛。它是一个布尔值。
--path - 保存生成样本的路径。默认情况下，在当前目录的 ./build 子目录中。
--seed - 早期生成图像的种子 ID。
--output-format - 设置文件导出格式：jpeg 或 png。默认情况下，jpeg。
--output-quality - 指定输出图像的质量百分比。默认情况下，75。

基于配置文件生成所有模型的样本

您还可以将 Stable Diffusion UI 网页界面的配置复制到剪贴板，然后使用任何文件编辑器将这些配置保存到您计算机上的任何文件夹。

在文件夹中保存所需数量的配置文件后，您可以通过调用 bin/samplers settings --path 命令，并传递该文件夹的路径来执行此操作

bin/samplers settings --path /home/user/samplers

# or for Windows
bin/samplers settings --path "D:\exports\Samplers"

当运行命令时，脚本将查找指定文件夹根目录下的所有json文件（不进行递归搜索），检查它们是否填写正确（不正确的文件将被跳过，不会出现错误），并开始为每个文件生成神经网络可用的所有模型的采样器。

采样器表将由配置文件中获取的种子ID生成。

例如，输出信息

INFO: Run: woman.json

INFO aloeVeraSSimpMaker3K_simpMaker3K1

20/20 [============================] 100%

  Storing ......................................... 113ms DONE
  Elapsed Time ........................... 2 minute 47 seconds

INFO sd-v1-4

20/20 [============================] 100%

  Storing ......................................... 113ms DONE
  Elapsed Time ............................ 3 minute 7 seconds


INFO: Run: man.json

INFO aloeVeraSSimpMaker3K_simpMaker3K1

20/20 [============================] 100%

  Storing ......................................... 113ms DONE
  Elapsed Time ........................... 2 minute 12 seconds

INFO sd-v1-4

20/20 [============================] 100%

  Storing ......................................... 113ms DONE
  Elapsed Time ........................... 3 minute 12 seconds

Output Path .......... /home/user/samplers/2022-12-26_21-06-32
Elapsed Time ........................... 11 minutes 18 seconds

目标文件夹将包含收集的采样器文件（jpeg或png），以及它们的配置集。

例如

/home/user/samplers/woman.json
/home/user/samplers/2022-12-26_21-06-32/woman/aloeVeraSSimpMaker3K_simpMaker3K1__vae-ft-mse-840000-ema-pruned.png
/home/user/samplers/2022-12-26_21-06-32/woman/aloeVeraSSimpMaker3K_simpMaker3K1__vae-ft-mse-840000-ema-pruned.json
/home/user/samplers/2022-12-26_21-06-32/woman/sd-v1-4__vae-ft-mse-840000-ema-pruned.png
/home/user/samplers/2022-12-26_21-06-32/woman/sd-v1-4__vae-ft-mse-840000-ema-pruned.json

/home/user/samplers/man.json
/home/user/samplers/2022-12-26_21-06-32/man/aloeVeraSSimpMaker3K_simpMaker3K1__vae-ft-mse-840000-ema-pruned.png
/home/user/samplers/2022-12-26_21-06-32/man/aloeVeraSSimpMaker3K_simpMaker3K1__vae-ft-mse-840000-ema-pruned.json
/home/user/samplers/2022-12-26_21-06-32/man/sd-v1-4__vae-ft-mse-840000-ema-pruned.png
/home/user/samplers/2022-12-26_21-06-32/man/sd-v1-4__vae-ft-mse-840000-ema-pruned.json

可用选项

--path - 保存生成样本的路径。默认情况下，在当前目录的 ./build 子目录中。
--output-format - 设置文件导出格式：jpeg 或 png。默认情况下，jpeg。
--output-quality - 指定输出图像的质量百分比。默认情况下，75。

示例

源代码

采样器

配置

模型最后使用的配置保存到文件中

{
    "numOutputsTotal": 1,
    "seed": 2699388,
    "reqBody": {
        "prompt": "An imposing and highly ornamented (fantasy castle) against the backdrop of space, (((Realistic))), ((Creature Design)), (Beautiful Lighting), (HD), Fantasy, Film Grain, Golden Hour, Highly Detailed, Landscape, Octane Render",
        "negative_prompt": "",
        "active_tags": [
            "(((Realistic)))",
            "((Creature Design))",
            "(Beautiful Lighting)",
            "(HD)",
            "Fantasy",
            "Film Grain",
            "Golden Hour",
            "Highly Detailed",
            "Landscape",
            "Octane Render"
        ],
        "width": 512,
        "height": 512,
        "seed": 2699388,
        "num_inference_steps": 20,
        "guidance_scale": 7.5,
        "use_face_correction": false,
        "sampler": "plms",
        "use_stable_diffusion_model": "aloeVeraSSimpMaker3K_simpMaker3K1",
        "use_vae_model": "vae-ft-mse-840000-ema-pruned",
        "use_hypernetwork_model": "",
        "hypernetwork_strength": 1,
        "num_outputs": 1,
        "stream_image_progress": false,
        "show_only_filtered_image": true,
        "output_format": "png"
    }
}

常见问题解答

问：为什么不是用Python编写的？

答：我想在一个晚上写一个宠物项目，而且我不懂Python 😁

问：你使用哪些模型？

答：出于各种目的，我使用以下模型

模型
- https://civitai.com/?types=Checkpoint
  - https://civitai.com/models/1102/synthwavepunk（版本：3）
  - https://civitai.com/models/1259/eldreths-og-4060-mix（版本：1）
  - https://civitai.com/models/1116/rpg（版本：1）
  - https://civitai.com/models/1186/novel-inkpunk-f222（版本：1）
  - https://civitai.com/models/5/elden-ring-style（版本：3）
  - https://civitai.com/models/1377/sidon-architectural-model（版本：1）
- https://rentry.org/sdmodels
  - https://hugging-face.cn/stabilityai/stable-diffusion-2
VAE
- https://hugging-face.cn/stabilityai/sd-vae-ft-ema-original/resolve/main/vae-ft-ema-560000-ema-pruned.ckpt
- https://hugging-face.cn/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.ckpt

许可证

本软件包受MIT许可证许可。

andrey-helldar / stable-diffusion-ui-samplers-generator

维护者

详细信息

README

安装

配置

使用方法

所有可用模型的样本生成

可用选项

为单个模型生成样本

可用选项

基于配置文件生成所有模型的样本

可用选项

示例

源代码

采样器

配置

常见问题解答

许可证