Stable Diffusion：模型

大家好，今天分享一下SD里面非常重要的一个基础设施：模型

它对生成图片的风格起着决定性的作用。就好比一个画家，在起笔绘画之前，要先确定画的是什么风格的画。是画动漫、画真人等。话不多说，下面跟我一起来看看吧。

一. SD的模型分类

其他模型大家可以先大致了解一下，后面有使用到再详解。

Embedding：含义是文本反演，也属于微调模型。相当于一连串关键词的集合。用于个性化图像生成。
Hypernetworks：不太常用。
LyCORIS：此类模型可以归为Lora模型，属于微调模型的一种。
DreamBooth：可用于训练预调模型用的。使用指定主题的图像进行演算，训练后可以让模型产生更精细和个性化的输出图像。

二. 模型的下载

模型下载

C站：https://civitai.com（需要魔法）

Huggingface:https://huggingface.co

十个不同的VAE模型库：

PyTorch-VAE：一个基于PyTorch实现的高效VAE框架，提供了多种VAE变体的实现，包括基础的VAE、β-VAE、AnnealedVAE、DisentangledAAE等。
VQ-VAE：与基于能量的模型相比，具有更好的稳定性和扩散性能。
Conditional VAE：扩展了标准VAE的方法，使其能够处理条件生成任务。
Beta-VAE：通过调整β参数来控制生成样本的空间结构，以达到更好的视觉效果。
VQ-VAE-2：是对VQ-VAE的进一步改进，旨在提高生成图像的质量和多样性。
TD-VAE：专门处理时间序列数据的VAE变体，展现了卓越的性能。
LORA：虽然不是传统意义上的VAE模型，但在Stable Diffusion中作为外挂模型使用，用于改善生成图像的质量。
Safetensors：在Stable Diffusion中主要应用的是Vae-ft-mse-840000-ema-pruned版本，因为它能接近实际拍摄的效果。
ProFlow：与基于能量的模型相比，也具有较好的稳定性和扩散性能。
Auto regressive flows (ARF)：虽然未在我搜索到的资料中直接提及，但ARF是一种先进的生成模型技术，通常与VAE结合使用，以提高生成样本的质量和多样性。

模型的存放路径

由于SD有不同的安装使用方式，常见的主要有3种：

借助平台搭建安装：例如借助Kaggle平台
云平台搭建安装：例如阿里云、青椒云等
自己本地电脑安装

一般模型的存放路径都大同小异，大致都是*/主目录/models/模型分类文件夹/模型。其中模型分类文件夹可能会区分大小写，但是大家熟悉了模型分类后大致都可以看明白。

这个是我使用的云平台SD模型文件的存放路径。

模型类别识别工具

有时候我们下载了一个模型，但是不知道它属于哪种模型的，不知道要保存或上传到哪个文件夹。我们可以用到秋叶的模型解析工具。

网址为https://spell.novelai.dev/

写在最后

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。