爱卿们好，我又出现啦！

这次我们来讲一下SD的基本参数~ 本篇文章主要讲CFG、采样方法和步数哟！

首先来看第一点~

一.CFG提示词相关性

可以把CFG理解为AI的听话程度。

---

CFG数值越高，Ai越听话生成的图像与提示词越相关。

CFG数值越低，Ai越不听话，越会自由发挥生成的图像与提示词的相关性越弱。

---

举例：

（全身：0.7），逼真，RAW照片，杰作，最佳质量，8k，疯狂的细节，复杂的细节，超细节，超质量，高细节，动态角度，（居中，：1.3），高级照明，主照明，胶片纹理，*一只黑猫，黄眼睛，牛仔帽，（半机械人，机甲套装：1.3）*简单的背景，沙漠，夜晚，

下面为完整tag，我们主要测试再不同CFG下的图像差异！

half-body, realistic, RAW photo, masterpiece, best quality, 8k, insane details, intricate details, hyperdetailed, hyper quality, high detail,dynamic Angle, (centered,:1.3) , Advanced Lighting, Master Lighting, film grain, front view,

(1 black cat:1.2), yellow eyes, cowboy hat,  (cyborg, Mech Suit:1.1) , mechanical ears,
simple background, desert, night,

可以看出CFG过高或过低都不好，低了AI随意发挥，画面会比较糊；而过高画面饱和度和对比度会增大，影响画质。

这里CFG拉到20左右，猫竟然没了，出现了一个人！不是说好CFG越高，越贴近提示词嘛？怎么反倒把猫花成了人？

因为我们提示词中用了 一只黑猫，黄眼睛，半机械化 等词，在CFG拉高后，

Ai会判断 黑猫 指的会不会是漫威、DC那种超级英雄，如猫女、猫人、蜘蛛侠之类的，给你整个黑猫侠~

这种情况下我们只要优化关键词就可以了~

---

原关键词

(1 black cat:1.2), 
一只黑猫

我将上面的原关键词，替换为了下方的内容~

a black haired cat,
一只黑色毛发的猫

将猫描述的更具体，长着黑色毛发，这样AI就懂了，黑猫并不是指的猫人之类的超级英雄~

这样就不会跑出人来了！

---

*注意：*CFG数值越高虽然会越贴合TAG，但数值过高会造成画面对比度过高，导致画面失真、偏色等问题，不建议设的太高~

CFG建议值：7-10 根据实际情况略微减少或加大

---

二、采样方法与步数

什么是采样？

1. Stable Diffusion生图像，会先生成一个完全随机的噪声。
2. 通过噪声预测器估算图像噪声，通过噪声预测进行去噪。
3. 去噪过程不断的重复。最后会得到一张干净的图像。

这种去噪过程就称为采样，采样中使用的方法称为采样器或者采样方法。

下面是一个实际的采样过程。采样器逐渐产生越来越干净的图像。

---

采样步数

采样步数越多，图像质量越好越精细。但所需的算力成倍增加，出图越慢。采样步数50以上就没必要了。

推荐采样步数：20-30兼具速度与质量，出图比较稳定。

---

推荐使用的采样器

• Euler a
• DDIM
• UniPC
• DPM++ 2M Karras
• DPM++ SDE Karras

---

采样器分类说明

老式ODE采样器_Old-School ODE solvers_

多年前发明的，有点历史

• Euler–最直接简单稳定的采样器
• Heun–比Euler更准确一点但更慢，Eluer双倍时间
• LMS–线性移步法，与 Euler 差不多速度，但（据说）更准确一点
• PLMS–元老级采样器，不推荐，质量不好。

…

祖传采样器_Ancestral solvers_

一般来讲带字母“a”或“SDE”的采样器都是这类

• Euler a
• DPM2 a
• DPM++ 2S a
• DPM++ 2S a Karras
• DPM++ SDE
• DPM++ SDE Karras

这些采样器采样过程中不会收敛，每个采样步骤都会向图形添加新的噪声，所以是随机采样器，生成的图也往往具有随机性。

**人话翻译：**算步数跑了几百步，图像还是可能变化，稳定不下来。

Euler a (steps 2-40)

---

Euler (steps 2-40)

要想得到稳定细化的图片，就不要采用祖先采样器类型。

---

Karras

带有 karras 标签的采样器，使用了泰罗·卡拉斯(Tero Karras)论文中的噪声处理方法_Karras noise schedule_。

带Karras标签的采样器，生成的图质量往往更好。

---

DPM、DPM++

2022年为扩散模型设计的新采样器。

• DPM
• DPM2–更准确，但比DPM更慢
• DPM+±-DPM的改进版
• DPM adaptive–自适应调整步数，步数会失效，慢但效果好。

---

DDIM、PLMS

Stable Diffusion原始自带的采样器。DDIM是首批为扩散模型设计的采样器之一，DDIM也不会进行收敛，在他的采样步骤中会随机注入噪声。

PLMS与DDIM差不多。

---

UniPC

2023年新发布的采样器，更快更强大！可以在5-10步中实现高质量图像的生成。

如果列表中没有这个采样器，请在启动器里升级为最新的稳定版本。

另外使用UniPC采样器，需要在「设置→采样器参数」中，将UniPC变体改为bh2

Pasted image 20230413172936.png

---

采样器速度

越低越快

---

采样器收敛对比

---

结论：

如果想要出图快，质量好，对结果是否稳定可重现无要求，可以选择：

• Euler a — 15-30步*（我一般默认用这个，默认20步）*
• DDIM — 15-30步

…

想要高质量的图并且不在乎结果是否稳定可重现，可以选择：

• DPM++ SDE Karras — 20-30步_注意：这个采样器比较慢，步数可以适当设少（越多当然会越精细）_

…

如果想要出更快、结果稳定可重现，出图质量好且喜欢新一代采样器，可以选择：

• DPM++ 2M Karras — 20-30步
• UniPC — 20-30步
• 如果对新不新的没要求，可以选择 Euler — 20-40步

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。

二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 （全套教程文末领取哈）

随着技术的迭代，目前 Stable Diffusion 已经能够生成非常艺术化的图片了，完全有赶超人类的架势，已经有不少工作被这类服务替代，比如制作一个 logo 图片，画一张虚拟老婆照片，画质堪比相机。

最新 Stable Diffusion 除了有win多个版本，就算说底端的显卡也能玩了哦！此外还带来了Mac版本，仅支持macOS 12.3或更高版本。

2.stable diffusion视频合集

我们在学习的时候，往往书籍代码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，一步步带你入门stable diffusion，科学有趣才能更方便的学习下去。

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果，这时则需要通过使用大量训练数据，调整模型的超参数（如学习率、训练轮数、模型大小等），可以使得模型更好地适应数据集，并生成更加真实、准确、高质量的图像。

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言，整个SD学习过程中都离不开这本提示词手册。

5.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。

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。

这份完整版的学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】