如何在五分钟内使用Stable Variety XL生成AI图像

想要从您的机器中生成出色的人工智能图像吗？

Stable Variety XL是最好的本地图像生成器之一，以下是您可以在几分钟内设置它的方法。

注意：为此，您需要一个良好的图形卡。至少需要4G的VRAM;如果使用8 G或更多，您的情况会更好。

我们将在Linux系统上使用Stable Variety XL。如果您使用WSL，则Mac或Windows的说明相同。

第1步：创建Python虚拟环境

让我们设置一个Python虚拟环境。这有助于我们管理依赖项并保持项目干净。

python-m venv stablediff 使用此命令激活虚拟环境

' source stablediff/bin/activate ' 在提示知道环境有效之前，您应该在父母中看到环境的名称：

现在，我们将安装我们的依赖项！

第二步：安装依赖项

接下来，我们需要安装依赖项：

PIP安装隐形水印转换器加速安全传感器转换器 最后，安装散热器，因为它会降低软件包的等级，使所有东西都能协同工作：

管道安装散流器 现在您已经准备好创建您的Python文件并生成一些图像了！

第三步：创建简单生成器

创建名为的文件 或者你想要的任何东西。app.py

在该文件中，让我们导入库：

从扩散器导入DiffusionPipeline 进口手电筒 接下来，我们要初始化管道以生成图像。我们将使用 预训练模型。稳定扩散-XL-BASE-1.0

为了提高内存效率并启用安全传感器，我们将数据类型设置为Float16：

管道=DiffusionPipeline.from_pretrained(“stabilityai/stable-diffusion-xl-base-1.0”，火炬_dtype=火炬.浮动16，使用_安全传感器=真，变量=“fp16”) 接下来，我们将管道发送到GPU：

pipe.to(“cuda”) 接下来，我们将向模型发送文本提示符。这可以是你想要的任何东西。

print=“一只拟人化的贵宾犬骑着越野自行车穿过森林” 您可能想要添加的一件事是启用变形器以提高内存效率：

pipe.enable_xformers_memory_efficient_attention() 现在，我们可以生成我们的形象了！

图像=管道(PROMPT=PROMPT).IMAIES[0] 一旦图像生成，我们就可以保存它：

Images.save(“output.png”)

第四步：运行它！

现在我们运行该文件并获得一个很酷的图像！

您应该会在提示符下看到类似以下内容：

现在我们将生成图像（output.png）！

很棒，对吧？

使用基础+精炼机

您可以使用带有基础和精细化的“专家集合”模式来获得更好的图像质量：

从扩散器导入DiffusionPipeline 进口手电筒 ```

同时加载基础和精炼器

Base=DiffusionPipeline.From_PreTraded( “稳定ai/稳定扩散-xl-base-1.0”，Torch_dtype=torch.flat16，Variant=“FP16”，Use_Safetensors=True ) Base.to(“cuda”) Refiner=DiffusionPipeline.From_PreTraded( “stabilityai/stable-diffusion-xl-refiner-1.0”， Text_Encoder_2=base.Text_Encoder_2， Vae=base.vae， Torch_dtype=torch.flat16， Use_Safetensors=True， VARIANT=“FP16”， ) Refiner.to(“Cuda”)

在这里定义每个专家(80/20)要运行的步骤和步骤的百分比

N_Steps=40 高噪波_裂缝=0.8 `print=“一只拟人化的贵宾犬骑着越野自行车穿过森林”`

同时运行两位专家

图像=基础( PROMPT=提示， Num_Inference_Steps=n_步骤， 去噪_结束=高噪声_裂缝， OUTPUT_TYPE=“潜在”， ).图像 图像=精炼器( PROMPT=提示， Num_Inference_Steps=n_步骤， 去噪_开始=高噪声_裂缝， 图像=图像， ).图像[0] ``` 这会产生一些不错的效果，您可以对设置进行调整。

太棒了！

结论

这是我所知道的运行Stable Multiple XL的最简单、最低管理费用的方法。如果您愿意，您还可以使用Stable DistributionWeb UI，它使您可以轻松访问大量控件，并允许您轻松交换模型和精炼器。

关注我，获取更多这样的酷东西！