Stable Diffusion 目录结构 模型及扩展安装

Stable Diffusion 的目录结构如下：

.
├── .venv
│   ├── bin
│   ├── include
│   ├── lib
│   └── share
├── data
│   └── diffusion
│       ├── checkpoints
│       ├── samples
│       └── training
├── stable_diffusion
│   ├── __init__.py
│   ├── config.py
│   ├── diffusion.py
│   ├── loss.py
│   ├── model.py
│   └── trainer.py
└── README.md

.venv 目录是 Python 虚拟环境。您需要创建一个虚拟环境来安装 Stable Diffusion。

<img src="https://img.longsou.net/lsimg/StableDiffusion/2024/01/2577029411076596724.png">

data 目录存储 Stable Diffusion 所需的数据。

stable_diffusion 目录存储 Stable Diffusion 的代码。

要安装 Stable Diffusion，您需要安装 Python 3.10 或更高版本。然后，您可以使用以下命令安装 Stable Diffusion：

pip install stable_diffusion

安装完成后，您可以运行以下命令来启动 Stable Diffusion 的命令行界面：

stable_diffusion

Stable Diffusion 的命令行界面允许您创建新的图像、生成图像的摘要、编辑图像和保存图像。

要安装 Stable Diffusion 的扩展，您可以从 OpenAI 的网站下载扩展。然后，您可以将扩展解压缩到 Stable Diffusion 的目录下。

Stable Diffusion 的扩展允许您创建各种类型的图像，例如人像、风景和抽象图像。

解压后我们可以看到，如上图；stable-diffusion-webui/models 文件夹下，各类型模型放在指定文件夹下，以确保你可以在提示词中调用它们； BLIP Lora deepbooru Codeformer Stable-diffusion hypernetworks ESRGAN SwinIR karlo GFPGAN VAE torch_deepdanbooru LDSR VAE-approx 复制 models/Stable-diffusion 文件夹下的是基础模型，对应类型名称Checkpoints，又称大模型（你可以在 http://127.0.0.1:7860/ 页面左上角选择大模型）； models/Lora 文件夹选的是微调模型；（可以在提示词中调用） models/VAE 文件夹下放的是美化模型；（可以在提示词中调用）
解压后，您可以看到如上图所示的文件夹结构。在stable-diffusion-webui/models文件夹下，各类型的模型被放置在指定的文件夹中，以确保您可以在提示词中调用它们。以下是一些常见的模型类型：

• BLIP
• Lora
• deepbooru
• Codeformer
• Stable-diffusion
• hypernetworks
• ESRGAN
• SwinIR
• karlo
• GFPGAN
• VAE
• torch_deepdanbooru
• LDSR
• VAE-approx

在models/Stable-diffusion文件夹下，您可以找到基础模型，这些模型对应的文件夹被称为Checkpoints，也被称为大模型（您可以在

在models/Lora文件夹中，您可以找到微调模型，这些模型经过微调以适应特定的任务（您可以在提示词中调用它们）。

在models/VAE文件夹中，您可以找到美化模型，这些模型用于图像美化的任务（您可以在提示词中调用它们）。

通过以上文件夹结构，您可以根据需要选择适合的模型进行使用。希望以上内容对您有所帮助，如果您在使用过程中遇到任何问题，请随时联系我们的技术支持。感谢您选择Stable Diffusion攻略，祝您使用愉快！