关于stable diffusion的出图与训练的一些问题和解决办法(gpu)

这篇具有很好参考价值的文章主要介绍了关于stable diffusion的出图与训练的一些问题和解决办法(gpu)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

首先,说一下众所周知的

这个软件想要玩起来全部功能,你至少需要一张8g的显卡,如果是台式机或者行内那肯定远超预期,这篇主要应对新人,或者想玩一玩,感受一下效果,那这个投入或者说门槛有一点点高,现在通用笔记本差不多6-8g显存居多,而且还有说炼丹炉报废的,那么降低一点风险,有人选择去谷歌云盘白嫖环境炼丹,我们这里也是主要说一下这个问题。

首先,什么是云盘炼丹,我们简述一下概念

谷歌云盘不并不是像百度云盘那样,仅提供下载和存储功能,类似阿里,他给我们提供了一个虚拟环境,对于cpu使用不做限制,深度学习所使用的的算力单元赠送5-6个小时,我们如果在云盘运行这类ai,他会提供稳定于7-14.9g的cpu,存储量不需要我们担心,50g完全够用,b站或者GitHub都有教程,我们只需要打开一步一步完成即可。

优势与劣势

首先,优势相当的大,炼丹的限制一下子被冲碎了,我们来对比一下:
最开始:

劣势:
1,8g的显存,少于8g有些大图(手机,电脑壁纸一类)高清修复最后会报错。
2,风险,显卡转速大家都能听出来,那训练一天或者好几天,对只玩一玩训练的人来说,属于低概率的中大风险事件。
3,大图运行几乎无法使用其他利用显卡的软件,效率不是很高(不适合摸鱼)
优势:
1,数据不会泄漏,你不需要向别的设备传输资源,不需要反复布置环境
2,可控性高,毕竟基本就停留在出图界面了,偶尔看一看可以做一些调整,学习率会不会太高太低,步数够不够都可以看得见。

云端

这里聊优势,然后劣势和一些网上目前没有的解决办法

优势:
1,无比明显的第一点,释放电脑,你只需要一个梯子全局代理,挂着个网页,就能操控sdd出图,上传你的模组,就能享受这个高配置环境出图,用完记得下载回本地,然后删除就好
2,你甚至可以多线程操作这个流程,也就是薅羊毛,不具备不正当流程,没什么好担心的
3,这个环境清除了你几乎所有学习门槛,既不需要你换电脑,也不需要你担心显卡。

劣势:

首先正如前文所说,你可以用赠送的5-6个小时出图炼丹,但是问题就在5-6个小时上,用完这个号就没有了,你之后需要购买月费,这个价格跑两个月还不如买张新的显卡,网上解决办法千奇百怪,甚至有砖家说,这是暂时封禁,24小时后就好了,我来提供一下正解。

第一,关于封禁

这其实不是封禁,这就和你新注册一个游戏账号,给了一个可用10次游戏复活卡,你GAMEOVER了,就复活,复活了10次,复活卡用光了,难道你认为这是给你药包封了吗,显然并不是,这是赠送的福利你用完了罢了,所以这个类似薅羊毛的办法没有任何对你账号不利的情况,你只是使用新用户该有的权益。

第二,也是最重要的一点,第二次怎么薅

想必大家搜到或者被推到这篇文章也是为了这个而来,复活卡没了,但是还想用怎么办?很简单,换个账号就可以了啊。现在市价不会高过5块钱,因为谷歌账号风险很大,没有实名,而且地区分布广泛,一般打游戏或者订阅长期使用都不会考虑这个问题,但对于我们这个使用5小时直接扔的操作就完全不一样了,因为你挂着网页而言,分个屏幕偶尔过一下人机验证,你甚至都不需要改密码。
而且这个机制类似塔科夫的删档机制(想到了就提一嘴啦。)你确实每次都用的新环境,一上来东西就都没有了,但是无所谓不是吗?这里的玩家就是你的模型,一次次的训练让ai对游戏地图(你需要的图片风格或者类型)更加熟悉,这批羊毛没达到需求水准,下一批会更好,成本低廉,你可能只需要几个批次就可以拿下一个训练优质的模型,下载之后,这也是你的私人财产。当然这里对你的梯子要求稳定,且支持全局代理,用小猫就行的,一批次大约不会超过150mb流量损耗。

第三,其实这个更像建议了

你不能一次性用完5-6小时,其实一般也无法实现这一操作,你可以晚上来炼丹,一次大约3小时左右即可,过长的时间也会导致其环境出现不可预估的问题,比如跑图中断,虚假练习,ui乱套,不过能看到这里,不到5块体验上万环境的服务这些都显得微不足道啦。。

最后

应该会持续更新,偶尔闲下来玩一玩会写点心得之类的,有感兴趣的可以聊聊。评论区私聊都可文章来源地址https://www.toymoban.com/news/detail-447144.html

到了这里,关于关于stable diffusion的出图与训练的一些问题和解决办法(gpu)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 关于stable diffusion的embedding训练的一篇随笔

    嗯,因为最近ai绘画很火啊,而且可以本地部署,很多人开始投喂ai然后画一些喜欢的东西,这是刚接触4天的笔记,那么我整理下目录,来展示一下这篇笔记都有什么吧。 1,绘画的和反向 2,调参,高清与面部修复 3,embedding模型的训练素材准备与原理建议 4,炼

    2024年02月04日
    浏览(37)
  • 关于stable diffusion的lora训练在linux远程工作站的部署

    在学校Arc中部署lora training,一大问题就是依赖缺失和冲突。可以利用miniconda或者anaconda建立虚拟环境来解决。 安装anaconda 或者 miniconda(官网上也有教程): 现在进入到虚拟环境中 首先解决cuda的配置,其中要配置合适的cuda版本以及对应版本的cuDNN conda官方库中的cuda包都不完

    2024年02月09日
    浏览(47)
  • stable diffusion实践操作-批次出图

    stable diffusion实践操作 本章主要介绍SD批次出图。 想要一次产生多张图片的时候使用。 生成批次和每批数量至少一个为1, 产生了一张合图和4张单独图片。 例如:以上就是今天要讲的内容。

    2024年02月09日
    浏览(34)
  • stable-diffusion-webui一些问题记录

    1、中间有一个巨慢的clone操作,实际上自己能手动clone git clone https://github.com/Stability-AI/stablediffusion.git git clone https://github.com/CompVis/taming-transformers.git git clone https://github.com/crowsonkb/k-diffusion.git git clone https://github.com/sczhou/CodeFormer.git git clone https://github.com/salesforce/BLIP.git

    2024年02月12日
    浏览(37)
  • Stable Diffusion——使用TensorRT GPU加速提升Stable Diffusion出图速度

    Diffusion 模型在生成图像时最大的瓶颈是速度过慢的问题。为了解决这个问题,Stable Diffusion 采用了多种方式来加速图像生成,使得实时图像生成成为可能。最核心的加速是Stable Diffusion 使用了编码器将图像从原始的 3 512 512 大小转换为更小的 4 64 64 大小,从而极大地降低了计算

    2024年02月21日
    浏览(39)
  • 【AICG】关于解决配置stable-diffusion-webui时的问题:No module ‘xformers‘. Proceeding without it.

    关于这个问题,在stable-diffusion-webui/venv/Scripts目录下进入terminal,输入./activate激活stable diffusion创建的虚拟环境,然后使用: 就基本可以了,最后在webui-user.bat文件上右击,点击“编辑”,在set COMMANDLINE_ARGS=后面加上--xformers,保存,正常运行,就能使用xformers进行加速了

    2024年02月11日
    浏览(26)
  • 十六)Stable Diffusion教程:出图流程化

    今天说一个流程化出图的案例,适用很多方面。 1、得到线稿,自己画或者图生图加线稿lora出线稿;如果想sd出图调整参数不那么频繁细致,则线稿的素描关系、层次、景深要表现出来,表现清楚。 2、文生图,seed随机,线稿图作为controlnet上传模式图,控制sd出图,模型一般

    2024年02月07日
    浏览(37)
  • Stable Diffusion——stable diffusion基础原理详解与安装秋叶整合包进行出图测试

    在2022年,人工智能创作内容(AIGC)成为了AI领域的热门话题之一。在ChatGPT问世之前,AI绘画以其独特的创意和便捷的创作工具迅速走红,引起了广泛关注。随着一系列以Stable Diffusion、Midjourney、NovelAI等为代表的文本生成图像的跨模态应用相继涌现与Stable Diffusion的开源,Stab

    2024年02月21日
    浏览(36)
  • Stable Diffusion各大模型相同参数出图效果对比

    相同提示词,相同参数:(a cute girl) with brown hair, half body.A masterpiece, best quality,lora:blindbox_v_mic0.8; 采样方法:DPM++ 2M SED Karras 采样迭代步数:25 宽:768  高:512  生成批次:1  每批数量:2 CFG Scale: 6.5   随机种子:-1 注意:部分图像有变形,请谨慎观看!!! 1、3Guofeng3_v32Lig

    2024年02月13日
    浏览(239)
  • 秒速出图!体验 TensorRT 加速 Stable Diffusion 图像创作

    生成式 AI 图像内容生成技术近年来发展迅速,可以根据人类语言描述生成图片,在时尚、建筑、动漫、广告、游戏等领域有着广泛应用。 Stable Diffusion WebUI 是 Github 上最为热门的利用生成式 AI 进行图像生成的项目。它采用 ClipText 对文字进行编码,然后采用 UNet+Scheduler 在潜在

    2024年02月20日
    浏览(81)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包