世间无限丹青手，遇上AI画不成。最近一段时间，可能所有人类画师都得发出一句“既生瑜，何生亮”的感叹，因为AI 绘画通用算法Stable Diffusion已然超神，无需美术基础，也不用经年累月的刻苦练习，只需要一台电脑，人人都可以是丹青圣手。
本次我们全平台构建基于Stable-Diffusion算法的Webui可视化图形界面服务，基于本地模型来进行AI绘画操作。
本地安装Stable-Diffusion-Webui
如果系统之前安装过Python3.10或者使用过Pytorch深度学习框架，那么推荐直接本地安装Stable-Diffusion-Webui，因为Stable-Diffusion的核心依赖库也是Pytorch。
首先拉取官方的项目：
随后进入项目的目录：
官方文档建议直接在目录中运行shell脚本：
但事实上，shell脚本很容易在过程中报错，该项目的核心代码其实是launch.py，所以理论上，我们只需要正常运行launch.py文件即可。
首先确保本机的Python版本号大于等于3.10.9
关于Python3.10的安装，请移玉步至：一网成擒全端涵盖，在不同架构(Intel x86/Apple m1 silicon)不同开发平台(Win10/Win11/Mac/Ubuntu)上安装配置Python3.10开发环境[1] ，这里不再赘述。
另外确保Pytorch的版本号大于等于13.1.0，关于Pytorch，请移步：闻其声而知雅意,M1 Mac基于PyTorch(mps/cpu/cuda)的人工智能AI本地语音识别库Whisper(Python3.10)[2]
随后安装相关的依赖库：
依赖文件中，有一个库可能会出问题，就是GFPGAN，它是腾讯开源的人脸识别模块，这里推荐使用GFPGAN官方网站(https://github.com/TencentARC/GFPGAN)的安装方式：
安装成功后，最好验证一下:
所有依赖安装成功后，就可以直接运行launch.py文件即可：
程序返回：
Stable-Diffusion-Webui服务会运行在系统的7860端口上。
需要注意的是，如果本地系统不支持cuda模式，需要修改运行命令：
这里使用CPU来进行模型训练。
另外如果是M系列的Mac，其实是支持MPS模式的，但Stable Diffusion目前的最新版并不支持MPS，所以需要单独设置环境变量，关闭MPS模式：
最后访问http://127.0.0.1:7860即可，本地构建Stable-Diffusion-Webui服务就完成了。
Docker构建Stable-Diffusion-Webui
如果不想太折腾，也可以使用Docker容器来构建Stable-Diffusion-Webui，同样地，需要拉取线上的Docker配置文件项目：
随后进入项目的目录：
接着运行命令下载相关的依赖镜像：
下载完成后，运行命令构建容器：
这里需要注意的是，模型数据和输出文件夹会以/data和/output的形式挂载到容器中，如果想在宿主机往容器内传入模型或者其他图片，需要写入项目中的data目录。
过程中，可能会报错：
这是因为容器内找不到NVIDIA的显卡驱动。
这里需要单独再启动一个容器服务：
总的来说，安装过程简单，但是调试比较费劲，一旦启动出问题，就得进入容器内部修改代码，或者反复修改Dockerfile文件，所以Docker比较适合封装业务改动频繁的容器，而不是依赖环境繁多并且版本需要反复调整的场景。
Stable-Diffusion-Webui图像绘制
配置好Stable-Diffusion-Webui环境之后，访问http://127.0.0.1:7860：
在Prompt文本框中填入引导词：
随后点击右侧Generate生成按钮即可，这里引导词的意思是：高楼林立，人群熙熙攘攘，车水马龙，光影交错，城市之美尽显眼前。
注意引导词需要使用逗号分隔。
后端开始进行训练：
片刻之间，挥毫落纸如云烟。
遗憾的是，引导词不支持中文，但可以配置权重，数值从0.1~100，默认状态是1,低于1就是减弱，大于1就是加强：
Stable-Diffusion-Webui也支持Negative prompt（反向引导词）。
就是用文字描述你不想在图像中出现的东西：
对图片进行去噪处理，使其看起来更像你的提示词；同样使其看起来更像你的反向提示词。
同时观察正方向两者之间的差异，并利用它来产生一组对噪声图片的改变，将最终结果移向前者而远离后者。
默认通用反向引导词：
除了引导词，还可以调整采样迭代步数 （Sampling Steps）。
系统先随机生成一个基础的图片，然后一步步的调整图片，向引导词 Prompt 靠拢
Sampling Steps参数就是告诉人工智能，这样的步骤应该进行多少次。
次数越多，每一步训练也就越小越精确。当然了，成本也会越高，同时每一次训练的时间也会成同比增长。
除了迭代步数，也可以自由地选择采样方法（Sampling method）
也就是让Stable-Diffusion-Webui具体使用用什么算法来训练图片模型。
默认算法是Euler a ：富有创造力，不同步数可以生产出不同的图片。 但是超过30步左右基本就没有实质化的增益效果。
Euler算法：最简单的算法，训练速度也是最快的。
LMS算法：Euler的延伸算法，相对更稳定一点，30步就比较稳定了
PLMS：优化过的LMS算法
其他的一些参数：
生成批次Batch count/n_iter：同样的配置，循环跑几次
每批数量 Batch size：同时生成多少个图像，增加这个值可以并行运行，但也需要更多的显卡显存。
提示词相关性 CFG Scale：图像与引导词匹配程度。增加这个值将导致图像更接近引导词，但过高会让图像色彩过于饱和。一般在5~15之间为好，7，9，12是3个常见的设置值。
宽度 X 高度 Width X Height：单位是像素，适当增加尺寸，后台会试图填充更多的细节进来。
Stable-Diffusion-Webui定制化模型
Stable-Diffusion-Webui默认下载的基础模型在项目目录的models/Stable-diffusion文件夹中：
模型名称是v1-5-pruned-emaonly.safetensors，体积是4.27GB。
如果需要一些比较有个性定制化模型，可以在civitai.com平台进行挑选和下载，需要注意的是，该平台上的模型鱼龙混杂，良莠不齐，不能说是蔚为大观，但多多少少有点泥沙俱下的意思，所以最好不要在比较正式的公共(工作)环境打开该平台，否则结果可能会令人非常尴尬。
这里我们选择相对比较潮流的赛博朋克风格模型：synthwavepunk
将下载的模型放入models/Stable-diffusion目录。
随后重启Stable-Diffusion-Webui服务：
在页面表单中的Stable Diffusion checkpoint选项里选择对应的模型：
引导词：
concept art, 4k, intricate, pinup, a woman, beautiful face, embroidery, lace, hyper-realistic, highly detailed, octane render, concept art, smooth, 8k, dancing princess, snthwve style, nvinkpunk, by jeremy mann, by sandra chevrier, by dave mckean and richard avedon and maciej kuciara
训练结果：
好了，现在，你已经知晓那些网络上的漂亮小姐姐是怎么生成的了。
结语
也许我们只是偶尔被网络上那些酷炫而猎奇的AI生成图所吸引，但如果你真的动手去搭建、调试、甚至开始训练属于自己的绘画模型，相信我，你马上就会深陷其中，不能自拔，AI仿若可以满足你所有的幻想，欲望满溢，又欲言又止，分寸把握之精确，妙入毫颠。什么？你还在玩那些无聊的电子游戏？相信我，Stable-Diffusion-Webui才是最高级的精神享受，没有之一，也不可替代。
引用链接
一网成擒全端涵盖，在不同架构(Intel x86/Apple m1 silicon)不同开发平台(Win10/Win11/Mac/Ubuntu)上安装配置Python3.10开发环境: https://v3u.cn/a_id_200
闻其声而知雅意,M1 Mac基于PyTorch(mps/cpu/cuda)的人工智能AI本地语音识别库Whisper(Python3.10): https://v3u.cn/a_id_272