主要是记录索引一下常见的AI绘画作画模型，方便自己用。主要收集stablediffusionwebui用大模型（ckpt与safetensors）包括了常见的模型比如的WaifuDiffusion、anything、f222、basilmix、urpm、chilloutmix等模型。Lora（人物卡模型）和hypernetworks（embedding和hypernetwork）暂时不打算广泛搜集，因为这个实在有点多了，未来只打算列出非常热门的。StableDiffusion你可以认为它是本文所有其他模型的底稿，几乎所有模型都是在这个模型的基础上再次训练得到的。StableDiffusionv

主要是记录索引一下常见的AI绘画作画模型，方便自己用。主要收集stablediffusionwebui用大模型（ckpt与safetensors）包括了常见的模型比如的WaifuDiffusion、anything、f222、basilmix、urpm、chilloutmix等模型。Lora（人物卡模型）和hypernetworks（embedding和hypernetwork）暂时不打算广泛搜集，因为这个实在有点多了，未来只打算列出非常热门的。StableDiffusion你可以认为它是本文所有其他模型的底稿，几乎所有模型都是在这个模型的基础上再次训练得到的。StableDiffusionv

文章目录第一部分一、Features：TextualInversion（文本反转）1.1TextualInversion简介1.1.1摘要1.1.2算法1.1.3模型效果1.2TextualInversionofwebai1.2.1预训练embedding用于图片生成1.2.2训练embedding1.2.3Findingembeddingsonline1.2.4Hypernetworks二、Features：Negativeprompt三、Xformers依赖四、NVidiaGPUs安装4.1自动安装4.2自定义安装五、命令行参数和优化六、安装和使用自定义脚本第二部分kagglenotebo

文章目录第一部分一、Features：TextualInversion（文本反转）1.1TextualInversion简介1.1.1摘要1.1.2算法1.1.3模型效果1.2TextualInversionofwebai1.2.1预训练embedding用于图片生成1.2.2训练embedding1.2.3Findingembeddingsonline1.2.4Hypernetworks二、Features：Negativeprompt三、Xformers依赖四、NVidiaGPUs安装4.1自动安装4.2自定义安装五、命令行参数和优化六、安装和使用自定义脚本第二部分kagglenotebo

用计算机视觉模型生成各种各样的图片已经不是什么新鲜的事了，但是最近新出的一款AI绘画模型StableDiffusion确实惊艳到了各位小伙伴，无论是从软件的使用难度还是绘画生成的结果，都有可圈可点的地方，下面我们就一起尝试用该AI绘画软件画出一幅精美的图片。第一步：配置Python环境和安装Git软件StableDiffusion模型需要在Python3.10.6及以上的环境中才能顺利运行模型，所以在正式安装模型之前，我们需要安装Python3.10.6，下面我介绍在conda环境下安装python虚拟环境并使用在StableDiffusion模型中的过程：1、使用conda安装符合条件的py

用计算机视觉模型生成各种各样的图片已经不是什么新鲜的事了，但是最近新出的一款AI绘画模型StableDiffusion确实惊艳到了各位小伙伴，无论是从软件的使用难度还是绘画生成的结果，都有可圈可点的地方，下面我们就一起尝试用该AI绘画软件画出一幅精美的图片。第一步：配置Python环境和安装Git软件StableDiffusion模型需要在Python3.10.6及以上的环境中才能顺利运行模型，所以在正式安装模型之前，我们需要安装Python3.10.6，下面我介绍在conda环境下安装python虚拟环境并使用在StableDiffusion模型中的过程：1、使用conda安装符合条件的py

目录diffusers的安装关于加载预训练模型使用Diffusers进行模型推理再看训练diffusers库的目标是：将扩散模型（diffusionmodels）集中到一个单一且长期维护的项目中以公众可访问的方式复现高影响力的机器学习系统，如DALLE、Imagen等让开发人员可以很容易地使用API进行模型训练或者使用现有模型进行推理diffusers的核心分成三个组件：Pipelines:高层类，以一种用户友好的方式，基于流行的扩散模型快速生成样本Models：训练新扩散模型的流行架构，如UNetSchedulers：推理场景下基于噪声生成图像或训练场景下基于噪声生成带噪图像的各种技术dif

目录diffusers的安装关于加载预训练模型使用Diffusers进行模型推理再看训练diffusers库的目标是：将扩散模型（diffusionmodels）集中到一个单一且长期维护的项目中以公众可访问的方式复现高影响力的机器学习系统，如DALLE、Imagen等让开发人员可以很容易地使用API进行模型训练或者使用现有模型进行推理diffusers的核心分成三个组件：Pipelines:高层类，以一种用户友好的方式，基于流行的扩散模型快速生成样本Models：训练新扩散模型的流行架构，如UNetSchedulers：推理场景下基于噪声生成图像或训练场景下基于噪声生成带噪图像的各种技术dif

最近AI火的一塌糊涂，除了ChatGPT以外，AI绘画领域也有很大的进步，以下几张图片都是AI绘制的，你能看出来么？一、环境搭建上面的效果图其实是使用了开源的AI绘画项目stable-diffusion绘制的，这是它的官方仓库：https://github.com/CompVis/stable-diffusion但是这个官方项目并不适合我们这些新手直接使用，好在有一些基于stable-diffusion封装的webui开源项目，可以通过界面交互的方式来使用stable-diffusion，极大的降低了使用门槛，以下是几个比较火的webui项目：https://github.com/AUTOMA

最近AI火的一塌糊涂，除了ChatGPT以外，AI绘画领域也有很大的进步，以下几张图片都是AI绘制的，你能看出来么？一、环境搭建上面的效果图其实是使用了开源的AI绘画项目stable-diffusion绘制的，这是它的官方仓库：https://github.com/CompVis/stable-diffusion但是这个官方项目并不适合我们这些新手直接使用，好在有一些基于stable-diffusion封装的webui开源项目，可以通过界面交互的方式来使用stable-diffusion，极大的降低了使用门槛，以下是几个比较火的webui项目：https://github.com/AUTOMA