prompt
1 | # 杰作，最好的质量 |
negative prompt
1 | # (最差质量，低质量)，(变形，扭曲，毁容，眼睛不好)，错误的鼻子，奇怪的嘴，奇怪的耳朵，糟糕的解剖，错误的解剖，截肢，多肢，缺肢，浮肢，(坏牙，变异的手，错误的手指:1.2)，断肢，变异，丑陋，恶心，坏手4， |
sampler
采样器就是通过去除图像噪声，生成随机图像并重复几次这个过程得到干净的图像。去噪的方法有很多种。通常需要在速度和准确性之间做出权衡。
此外这里同时还要引出另外一个功能采样迭代步数（Steps），简单来说采样迭代步数（Steps）就是希望出图时，采样器来计算多少步数来出图，但并非步数越多越好，不同出图效果、模型选择等在使用采样迭代步数上都需要有相应的调整，多数情况迭代步数20-30步就可以了。
| 名称 | 描述 |
|---|---|
| Euler a | 是个插画，tag利用率仅次与DPM2和DPM2 a，环境光效菜，构图有时很奇葩 |
| Euler | 柔和，也适合插画，环境细节与渲染好，背景模糊较深。 |
| 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。 |
| 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。 |
| 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，对人物可能会有特写 |
| PLMS | 单次出图质量仅次于Heun。 |
| LMS | 质感OA,饱和度与对比度偏低，更倾向于动画的风格 |
| LMS Karras | 会大改成油画的风格，写实不佳。 |
| 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 |
模型类型
模型后缀
.ckpt 的全称是 checkpoint，中文翻译就是检查点，这是 TensorFlow中用于保存模型参数的格式，通常与 .meta 文件一起使用，以便恢复训练过程。
简单理解的话，.ckpt模型就好比我们打游戏时，每通过一关时对这一关的一个“存档”，因为你在训练模型时也是如此，没办法保证能一次就训练成功，中途是有可能因为各种因素失败的，所以可能在训练到20%时就存一次档，训练到40%时又存一次档，这也是为什么它叫 checkpoint 的一个原因。
在提到.ckpt模型时，我想顺便补充下.pt 模型，前面提到，.ckpt 是TensorFlow 用于保存模型参数的格式，而.pt 则是PyTorch保存模型参数的格式。TensorFlow 和 PyTorch都是比较出名的深度学习框架，只不过一个是Google发布的，另外一个是Facebook发布的。
PyTorch 保存模型的格式除了.pt之外，还有 .pth 和.pkl。.pt和.pth 之间并没有本质的差别，而.pkl 只是多了一步用Python的 pickle 模块进行序列化。讲完了 .ckpt 模型，那么就该说说 .safetensors 模型了。
之所以有 .safetensors 模型，是因为 .ckpt为了让我们能够从之前训练的状态恢复训练，好比从50%这个点位重新开始训练，从而保存了比较多的训练信息，比如模型的权重、优化器的状态还有一些Python代码。
这种做法有两个问题，一是可能包含恶意代码，因此不建议从未知或不信任的来源下载并加载.ckpt 模型文件；二是模型的体积较大，一般真人版的单个模型的大小在7GB左右，动漫版的在2-5GB之间。
而.safetensors模型则是 huggingface 推出的新的模型存储格式，专门为Stable Diffusion模型设计。这种格式的文件只保存模型的权重，而不包含优化器状态或其他信息，这也就意味着它通常用于模型的最终版本，当我们只关心模型的性能，而不需要了解训练过程中的详细信息时，这种格式便是一个很好的选择。
由于 .safetensors 只保存模型的权重，没有代码，所以会更安全；另外由于保存的信息更少，所以它的体积也比 .ckpt 小，加载也更快，所以目前是比较推荐使用 .safetensors 的模型文件。
总的来说，如果你想在某个SD模型上进行微调，那还是得用 .ckpt 模型；但如果你只关心出图结果，那么使用 .safetensors 模型会更好！
Stable diffusion大模型
这类模型俗称“底模”。这类模型代表了Stable diffusion的一个知识库，比如说我们训练大模型用的全是二次元的图片，那么它最终生成的图片效果也会趋于二次元；而如果训练的时候用的是真人图片，则最终出图效果则趋于真人。
由于这类模型包含的素材非常多，训练的时间也非常长，所以体积也比较大，一般在2GB以上，后缀的话就是上面提到的 .ckpt 和 .safetensors
vae模型
VAE全称Variational autoenconder，中文叫变分自编码器，这种模型可以简单理解为起到一个滤镜的效果。在生成图片的过程中，主要影响的是图片的颜色效果。
一般来讲，在生成图片时，如果没有外挂VAE模型，生成的图片整体颜色会比较暗淡；而外挂了VAE模型的图片整体颜色会比较明亮。
不过需要注意的是，有一些大模型在训练的时候就已经嵌入了VAE的效果，所以即使没有使用VAE效果，出图的效果也不会那么暗淡。
另外，有时候使用VAE反倒会出现一个不好的效果，比如在最后一刻变成一张蓝色废图，这时候就需要把外挂VAE改成自动（Automatic）即可
Lora模型
LoRA的英文全称为Low-Rank Adaptation of Large Language Models，直译为“大语言模型的低阶适应”。这是一项由微软研究人员提出的大语言模型微调技术，简单来说，它的作用是让这些庞大的模型变得更加灵活和高效，能够在特定任务上进行优化（比如对样式进行一些修改），而不需要从头开始训练整个模型。
比如在大模型的基础上增加一些森林水母发光的效果（就是我们不必为了增加这个效果，重新训练我们的大模型，因为训练大模型花费时间很长，通过Lora就可以提高效率）
需要注意的是，Lora模型并不能单独使用，它必须与前面的大模型一起使用！
另外，由于Lora训练的图片较少，比如上面的Lora就是用100+图片训练的，所以它的体积一般不会很大，一般在几十到几百MB之间，这样大大节省了磁盘的占用量。
最后，有些Lora模型启用是需要触发词的（也就是在提示词那里加上这个触发词）
Embedding模型
Embedding模型也称为textual inversion，即文本反转。在Stable Diffusion中，Embedding模型使用了嵌入技术以将一系列输入提示词打包成一个向量，从而提高图片生成的稳定性和准确性。
简单来说，如果我们要通过SD生成火影里面的鸣人形象，我们需要好几个提示词来进行描述，比如什么外形，穿什么颜色的衣服，而Embedding就是将这一系列提示词打包成为一个新的提示词，假设叫鸣人。
这样后续我们只要引入这个 Embedding模型，然后输入鸣人提示词，就会生成我们想要的鸣人形象，提高了写提示词的效率！
由于Embedding模型只是将提示词整合了，所以它的体积非常小，一般在几十到几百KB之间。
Hypernetwork模型
Hypernetwork可以翻译为“超网络”，它是一种基于神经网络的模型，可以快速生成其他神经网络的参数，常应用于Novel AI的Stable Diffusion模型中。
Hypernetwork可以用来对模型进行微调，比如在Stable Diffusion这样的图像生成模型中，通过插入一个小型的超网络来修改输出风格，而不改变原始模型的核心结构
这个模型的作用其实和Lora模型功能有点重叠，所以在实际使用中，用得比较少。
ControlNet模型
ControlNet模型是Stable Diffusion的一个插件，用于图像的精准控制，如姿势识别、边缘检测等。它通过预处理器和模型两部分工作，使得AI绘画上升到生产力级别。
适用于需要高精度控制生成图像的场景，如服装设计、角色动画等。
DreamBooth模型
DreamBooth模型用于训练预调模型，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。
适用于需要根据特定主题或场景生成精细和个性化图像的场景，如主题艺术创作、场景设计等。
LyCORIS模型
LyCORIS模型属于Lora模型的一种，用于特定风格的图像生成，如微缩世界风格等。它通常体积较小，训练方式与常见的Lora不同，但效果似乎会更好。
适用于需要生成具有特定风格或效果的图像，如微缩模型、特定风格的艺术创作等。
模型的剪枝
大家在下载模型的时候，可能还会看到两个版本，一个版本带 pruned，另外一个版本是带 pruned-emaonly
这是因为大模型在训练的时候会保存两组不同类型的权重：第一组取的是最后一次的权重，也就是只带 pruned 的模型
在深度学习模型训练的过程中，模型的参数（或称为“权重”）会在每一次迭代（或训练步）中根据损失函数（loss function）对数据的拟合情况进行调整。当训练结束时，模型所拥有的权重就是经过所有训练样本反复教导后的最终状态。这部分权重代表了模型在训练数据上学习到的知识，没有经过额外的平滑处理，直接反映了最后一次更新的结果
而第二组则是最近几次迭代的权重进行加权平均，加权平均即EMA（Exponential Moving Average），使用加权平均主要是减少短期波动的影响，这样得到的模型泛化性更好，也更稳定，也就是带 pruned-emaonly 的模型
由于带 pruned-emaonly 的模型体积更小，所以占用的显存（VRAM）也更少，适合用于直接出图；带 pruned 的模型体积更大，占用的显存也更多，更适合对其进行微调
链接
c站 https://civitai.com/
arthub https://arthub.ai
哩布哩布ai https://www.liblibai.com/#/
模型网 https://huggingface.co/
ai专属图站 https://aibooru.online/
pixai图站 https://pixai.art/
finding图站 https://finding.art/#/
aigodilike https://www.aigodlike.com/
模型类型说明 https://mp.weixin.qq.com/s/sq4AbWpF5JXPSrmzPKLoJg
controlNet说明 https://zhuanlan.zhihu.com/p/619721909
收藏
https://civitai.com/models/60538/dont-starve-together
https://civitai.com/models/73649/forgottenmix-cartoon-25d
https://civitai.com/models/7240/meinamix
https://civitai.com/models/6755/cetus-mix
https://civitai.com/models/54917/breakdomainrealistic
https://huggingface.co/chenxluo/QteaMix