简单不看版本：有错误欢迎指正，谢谢各位大佬。这是作者的第一版本文章，总的来说比较简单。总共提出两点改进：1、由于医学图像较为特殊，病变组织很难与背景相区别，尤其是低分辨率的图像。另外作者认为原图中有很多目标的信息，但是很难分割，而扩散模型中的任意t时刻的分割图中有较为增强的分割目标信息，但不准确。基于这两点，作者提出了将两者融合互补的ideal。作者提出了一个动态条件编码器dynamicconditionencoding，在每一步的时候都将两幅featuremap进行融合。首先假设扩散模型已经生成了一张t时刻的featuremap，需要训练神经网络来恢复图像，这个时候扩散模型中的feature

简单不看版本：有错误欢迎指正，谢谢各位大佬。这是作者的第一版本文章，总的来说比较简单。总共提出两点改进：1、由于医学图像较为特殊，病变组织很难与背景相区别，尤其是低分辨率的图像。另外作者认为原图中有很多目标的信息，但是很难分割，而扩散模型中的任意t时刻的分割图中有较为增强的分割目标信息，但不准确。基于这两点，作者提出了将两者融合互补的ideal。作者提出了一个动态条件编码器dynamicconditionencoding，在每一步的时候都将两幅featuremap进行融合。首先假设扩散模型已经生成了一张t时刻的featuremap，需要训练神经网络来恢复图像，这个时候扩散模型中的feature

python使用的3.10（python-3.10.6-amd64.exe），太高的版本貌似不好使。gfpgan、clip等包安装失败的话可以去GitHub下载包，解压后放到stable-diffusion-webui\venv\Scripts目录下，然后执行下面的步骤即可，注意：下载路径尽量从安装过程中powershell中的提示中的地址：无法安装gfpgan的原因是网络问题，就算已经科学上网，并设置为全局，也无法从github上下载源代码，从而导致install失败。解决方法是直接到github下载GFPGAN代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚

python使用的3.10（python-3.10.6-amd64.exe），太高的版本貌似不好使。gfpgan、clip等包安装失败的话可以去GitHub下载包，解压后放到stable-diffusion-webui\venv\Scripts目录下，然后执行下面的步骤即可，注意：下载路径尽量从安装过程中powershell中的提示中的地址：无法安装gfpgan的原因是网络问题，就算已经科学上网，并设置为全局，也无法从github上下载源代码，从而导致install失败。解决方法是直接到github下载GFPGAN代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚

初创公司StabilityAI在最近宣布发布了StableDiffusion模型，这是一款功能强大并且可以在标准显卡上运行的AI图像生成器。本文中将介绍如何下载代码和预训练模型，并且将其整合成一个能够在本地电脑运行的项目，最后也会提供完整项目的下载。本地电脑运行因为模型比较大，所以必须要有NVIDIAGPU，至少4GBVRAM，本地磁盘至少有15GB的空间，我们打包的项目解压后需要11G的磁盘。除此以外还需要一个Python环境，这里我们使用3.8，最后就是git，因为我们需要从github中下载一些项目代码。下载模型权重从https://huggingface.co/CompVis/stab

初创公司StabilityAI在最近宣布发布了StableDiffusion模型，这是一款功能强大并且可以在标准显卡上运行的AI图像生成器。本文中将介绍如何下载代码和预训练模型，并且将其整合成一个能够在本地电脑运行的项目，最后也会提供完整项目的下载。本地电脑运行因为模型比较大，所以必须要有NVIDIAGPU，至少4GBVRAM，本地磁盘至少有15GB的空间，我们打包的项目解压后需要11G的磁盘。除此以外还需要一个Python环境，这里我们使用3.8，最后就是git，因为我们需要从github中下载一些项目代码。下载模型权重从https://huggingface.co/CompVis/stab

本篇文章，我们聊了如何使用搭载了AppleSilicon芯片（M1和M2CPU）的MacBook设备上运行StableDiffusion模型。写在前面在上一篇文章《使用Docker来快速上手中文StableDiffusion模型：太乙》中，我们聊过了如何使用配备了“传统的Nvidia显卡”的设备（云服务器）来运行StableDiffusion模型。在之前的文章中我提到过，接下来将聊聊如何使用CPU来运行“SD模型应用”。本篇文章，我们就先从AppleSilicon这类ARM芯片开始（M1/M1Pro/M1Max/M1Ultra/M2），用CPU来运行StableDiffusion。十一月末，为

本篇文章，我们聊了如何使用搭载了AppleSilicon芯片（M1和M2CPU）的MacBook设备上运行StableDiffusion模型。写在前面在上一篇文章《使用Docker来快速上手中文StableDiffusion模型：太乙》中，我们聊过了如何使用配备了“传统的Nvidia显卡”的设备（云服务器）来运行StableDiffusion模型。在之前的文章中我提到过，接下来将聊聊如何使用CPU来运行“SD模型应用”。本篇文章，我们就先从AppleSilicon这类ARM芯片开始（M1/M1Pro/M1Max/M1Ultra/M2），用CPU来运行StableDiffusion。十一月末，为

配置所需要工具：推荐dev-sidecar 系统版本windows10，windows11显卡（越强越好，显存越大越好，本人是RTX3060）用AMD显卡的参考：InstallandRunonAMDGPUs·AUTOMATIC1111/stable-diffusion-webuiWiki(github.com)进行配置内存（16G可以正常运行，8G没有测试）CUDA（下载低于现显卡版本的）Anaconda或者Git（此教程使用Git）安装前准备（下载并安装WindowsTerminal，Git，下载GFPGANv1.4.pth,NodelAI模型）WindowsTerminalGitGFPGA

配置所需要工具：推荐dev-sidecar 系统版本windows10，windows11显卡（越强越好，显存越大越好，本人是RTX3060）用AMD显卡的参考：InstallandRunonAMDGPUs·AUTOMATIC1111/stable-diffusion-webuiWiki(github.com)进行配置内存（16G可以正常运行，8G没有测试）CUDA（下载低于现显卡版本的）Anaconda或者Git（此教程使用Git）安装前准备（下载并安装WindowsTerminal，Git，下载GFPGANv1.4.pth,NodelAI模型）WindowsTerminalGitGFPGA