pc网站怎么做适配,WordPress标签加HTML,网站做的比较好的,wordpress微商城主题大家好#xff0c;我是灵魂画师向阳
今天给大家分享一个基于Stable Diffusion WebUI 构建的AI绘图工具—sd-webui-forge#xff0c;该工具的目标在于简化插件开发#xff0c;优化资源管理#xff0c;加速推理。
Forge承诺永远不会对Stable Diffusion WebUI用户界面添加不…大家好我是灵魂画师向阳
今天给大家分享一个基于Stable Diffusion WebUI 构建的AI绘图工具—sd-webui-forge该工具的目标在于简化插件开发优化资源管理加速推理。
Forge承诺永远不会对Stable Diffusion WebUI用户界面添加不必要的改变对于熟悉Stable Diffusion WebUI的同学能够借助 WebUI经验快速上手Forge的操作使用。
题外话Forge作者一直活跃在AIGC绘图社区。先后开源了ControlNet、Foooucs社区优秀的开源软件最近他又投入到Forge的开发目标简化AIGC新手入门绘图门槛。 在分辨率为1024px图像质量下Forge与原始WebUI在SDXL模型推理速率相比可获得极大的性能加速提升 如果你使用常见的GPU如8GB显存推理速度it/s可以提高约30~45%GPU内存峰值在任务管理器中降低约700MB到1.3GB最大扩散分辨率不会OOM提高约2倍到3倍最大扩散批量大小不会OOM提高约4倍到6倍。 如果你使用性能较低的GPU如6GB显存推理速度it/s可以提高约60~75%GPU内存峰值在任务管理器中降低约800MB到1.5GB最大扩散分辨率不会OOM提高约3倍最大扩散批量大小不会OOM提高约4倍。 如果你使用性能强大的GPU如4090带有24GB显存推理速度it/s可以 提高约3~6%GPU内存峰值在任务管理器中降低约1GB到1.4GB最大扩散分辨率不会OOM提高约1.6倍最大扩散批量大小不会OOM提高约2倍。 如果你使用ControlNet来进行SDXL推理最大ControlNet数量不会OOM提高约2倍SDXLControlNet的速度提高约30~45%。
除此之外Forge还增加了一些高效的采样器例如DDPM、DDPM Karras、DPM 2M Turbo、DPM 2M SDE Turbo、LCM Karras、Euler A Turbo等。
sd-webui-forge安装
安装包安装
对于不熟悉git操作同学则可以扫描免费获取一键安装包。下载完成安装包后本地解压缩文件然后使用update.bat更新再使用./webui.bat运行便可启动forge软件。
注意一定要运行update.bat命令这个很重要的因为forge代码还在快速迭代开发中确保及时更新最新代码和环境否则可能会遇见一些未知的潜在bug版本。与sd-web-ui共享绘图模型的方式与git方案完全一致。
Git安装
如果是熟悉Git有一定开发经验的用户可以使用git clone下载最新版forge源码本地安装.
环境安装
git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
cd ./stable-diffusion-webui-forge
# Linux
pip3 install torch torchvision torchaudio
# window
# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt -U与sd-web-ui共享模型节约磁盘浪费。如果是window用户则修改webui-user.bat如下
echo offset PYTHON
set GIT
set VENV_DIR
set COMMANDLINE_ARGSREM Uncomment following code to reference an existing A1111 checkout.
set A1111_HOME[stable-diffusion-webui目录]set VENV_DIR%A1111_HOME%/venv
set COMMANDLINE_ARGS%COMMANDLINE_ARGS% ^--ckpt-dir %A1111_HOME%/models/Stable-diffusion ^--hypernetwork-dir %A1111_HOME%/models/hypernetworks ^--embeddings-dir %A1111_HOME%/embeddings ^--lora-dir %A1111_HOME%/models/Loracall webui.bat当看见启动命令如下则设置共享成功: Launching Web UI with arguments: --xformers --forge-ref-a1111-homesd目录/ --ckpt-dir sd目录/models/Stable-diffusion --vae-dir sd目录/models/VAE --hypernetwork-dir sd目录/models/hypernetworks --embeddings-dir sd目录/embeddings --lora-dir /models/lora --controlnet-dir sd目录/models/ControlNet --controlnet-preprocessor-models-dir sd目录/extensions/sd-webui-controlnet/annotator/downloads Forge启动
从启动界面可以看到Forge的用户使用界面与sd-web-ui完美的保持WebUI不变。这对新手用户上手门槛降低了极大的门槛。在启动界面中能够看见新增的SVD、Z123两个tab这是前文说的Unet Patcher带来的新特性。 另外作者提到Forge在保持了前端界面一致性并承诺永远不增加任何不必要的改变。后端则移除了所有与资源管理相关的WebUI代码并重新构建了后端的全部基础设施是一个重大的重构过程。
Forge插件不会共享和webui一样使用extension安装或者手工从webui复制。 sd-webui-forge体验
在本地rtx4090 24G显存的Linux环境中使用sd_xl_base_1.0模型绘图能够看见对应性能提升。耗时3.2秒平均7.18GB显存使用最高峰8.46GB系统使用率42.1%。相信对于其他低显存机器有更显著的推理提升。 使用图像扩大算法R-ESRGAN 4x扩大2X体验。工具设置参数如下 耗时18.1秒平均13.6GB显存使用最高峰17.72GB系统使用率82.3%。 forge主要是对显存使用做了有效优化对30系显卡提升比较明显40系显卡提升空间不大。但是有一些新增插件支持会很好比如sd-forge-layerdiffusio以及官方feature列表中的Playground v2.5支持也是期待的功能。 绘图体验 1girl, solo, portrait, dark hair, slicked back hair, simple background, shirt, parted lip, lips, expressionless 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。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理形成各个领域的知识点汇总它的用处就在于你可以按照下面的知识点去找对应的学习资源保证自己学得较为全面。 二、AIGC必备工具
工具都帮大家整理好了安装就可直接上手
三、最新AIGC学习笔记
当我学到一定基础有自己的理解能力的时候会去阅读一些前辈整理的书籍或者手写的笔记资料这些笔记详细记载了他们对一些技术点的理解这些理解是比较独到可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频看视频学习是最快捷也是最有效果的方式跟着视频中老师的思路从基础到深入还是很容易入门的。 五、实战案例
纸上得来终觉浅要学会跟着视频一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。 若有侵权请联系删除
