关于AI绘画Stable diffusion的各种模型，看这篇就可以了！ ...

各人好，我是步伐员晓晓
今天主要是帮各人梳理下Stable diffusion里面的各种模型，模型在Stable diffusion中占据着至关重要的地位，不仅决定了出图的风格，也决定了出图质量的好坏。
但在第一次接触SD的时间，我就被里面的模型搞到头大，不仅有多种模型后缀，模型之间也有很多种范例，假如是新手小白的话，在这一步就很轻易被搞晕。而在本期文章，我将帮你系统梳理SD的模型，信任不管是对于小白还是老手，都会有一定帮助！

---

一、从模型后缀说起

为了更好地理解模型，让我们先从模型的后缀说起。
在Stable diffusion中，有两种比力常见的模型后缀，分别是 .ckpt 和 .safetensors 。
.ckpt 的全称是 checkpoint，中文翻译就是检查点，这是 TensorFlow中用于保存模型参数的格式，通常与 .meta 文件一起利用，以便恢复练习过程。
简单理解的话，.ckpt模型就好比我们打游戏时，每通过一关时对这一关的一个“存档”，因为你在练习模型时也是如此，没办法保证能一次就练习成功，中途是有可能因为各种因素失败的，所以可能在练习到20%时就存一次档，练习到40%时又存一次档，这也是为什么它叫 checkpoint 的一个缘故原由。
在提到.ckpt 模型时，我想趁便补充下.pt 模型，前面提到，.ckpt 是TensorFlow 用于保存模型参数的格式，而 .pt 则是 PyTorch保存模型参数的格式。TensorFlow 和 PyTorch都是比力出名的深度学习框架，只不过一个是Google发布的，另外一个是Facebook发布的。
PyTorch 保存模型的格式除了.pt 之外，另有 .pth 和.pkl。.pt 和 .pth 之间并没有本质的差别，而.pkl 只是多了一步用Python的 pickle 模块举行序列化。
讲完了 .ckpt 模型，那么就该说说 .safetensors 模型了。
之所以有 .safetensors 模型，是因为 .ckpt 为了让我们可以大概从之前练习的状态恢复练习，好比从50%这个点位重新开始练习，从而保存了比力多的练习信息，比如模型的权重、优化器的状态另有一些Python代码。
这种做法有两个题目，一是可能包含恶意代码，因此不建议从未知或不信托的来源下载并加载.ckpt 模型文件；二是模型的体积较大，一般真人版的单个模型的大小在7GB左右，动漫版的在2-5GB之间。
而 .safetensors 模型则是 huggingface 推出的新的模型存储格式，专门为Stable Diffusion模型设计。这种格式的文件只保存模型的权重，而不包含优化器状态或其他信息，这也就意味着它通常用于模型的最终版本，当我们只关心模型的性能，而不必要了解练习过程中的详细信息时，这种格式便是一个很好的选择。
由于 .safetensors 只保存模型的权重，没有代码，所以会更安全；另外由于保存的信息更少，所以它的体积也比 .ckpt 小，加载也更快，所以目前是比力推荐利用 .safetensors 的模型文件。
总的来说，假如你想在某个SD模型上举行微调，那还是得用 .ckpt 模型；但假如你只关心出图效果，那么利用 .safetensors 模型会更好！
二、从模型分类讲起

在Stable diffusion中，模型主要分为五大类，分别是Stable diffusion模型、VAE模型、Lora模型、Embedding模型以及Hypernetwork模型。
2.1 Stable diffusion大模型
这类模型俗称“底模”，对应下面这个位置。

这类模型代表了Stable diffusion的一个知识库，比如说我们练习大模型用的满是二次元的图片，那么它最终天生的图片效果也会趋于二次元；而假如练习的时间用的是真人图片，则最终出图效果则趋于真人。
由于这类模型包含的素材非常多，练习的时间也非常长，所以体积也比力大，一般在2GB以上，后缀的话就是上面提到的 .ckpt 和 .safetensors
2.2 VAE模型
VAE全称Variational autoenconder，中文叫变分自编码器，这种模型可以简单理解为起到一个滤镜的效果。在天生图片的过程中，主要影响的是图片的颜色效果。
一般来讲，在天生图片时，假如没有外挂VAE模型，天生的图片团体颜色会比力暗淡；而外挂了VAE模型的图片团体颜色会比力明亮。

注：左边是没有利用VAE天生的图片，右边是利用VAE天生的图片
不过必要留意的是，有一些大模型在练习的时间就已经嵌入了VAE的效果，所以即使没有利用VAE效果，出图的效果也不会那么暗淡。
另外，有时间利用VAE反倒会出现一个不好的效果，比如在末了一刻变成一张蓝色废图，这时间就必要把外挂VAE改成自动（Automatic）即可

注：像这种即为蓝色废图
2.3 Lora模型
Lora模型想必各人都常常看到了，LoRA的英文全称为Low-Rank Adaptation of Large Language Models，直译为“大语言模型的低阶适应”。这是一项由微软研究职员提出的大语言模型微调技能，简单来说，它的作用是让这些庞大的模型变得更加灵活和高效，可以大概在特定任务上举行优化（比如对样式举行一些修改），而不必要重新开始练习整个模型。
比如像下面这个Lora模型，就是在大模型的基础上增加一些森林水母发光的效果（就是我们不必为了增加这个效果，重新练习我们的大模型，因为练习大模型耗费时间很长，通过Lora就可以提高效率）

必要留意的是，Lora模型并不能单独利用，它必须与前面的大模型一起利用！
另外，由于Lora练习的图片较少，比如上面的Lora就是用100+图片练习的，所以它的体积一般不会很大，一般在几十到几百MB之间，这样大大节省了磁盘的占用量。
末了，有些Lora模型启用是必要触发词的（也就是在提示词那里加上这个触发词），比如上面的Lora触发词就是 jellyfishforest

2.4 Embedding模型
Embedding模型也称为textual inversion，即文本反转。在Stable Diffusion中，Embedding模型利用了嵌入技能以将一系列输入提示词打包成一个向量，从而提高图片天生的稳定性和准确性。
简单来说，假如我们要通过SD天生火影里面的鸣人形象，我们必要好几个提示词来举行形貌，比如什么外形，穿什么颜色的衣服，而Embedding就是将这一系列提示词打包成为一个新的提示词，假设叫鸣人。
这样后续我们只要引入这个 Embedding模型，然后输入鸣人提示词，就会天生我们想要的鸣人形象，提高了写提示词的效率！
由于Embedding模型只是将提示词整合了，所以它的体积非常小，一般在几十到几百KB之间。
举个例子，比如像这个 Embedding 模型，它描绘了一位叫Caroline Dare的美女

当我们输入触发词时，就会天生雷同的美女

固然天生的图片不是一模一样，因为这跟你利用的底模有关，但是比力明显的特征是一致的，比如白头发
2.5 Hypernetwork模型
Hypernetwork可以翻译为“超网络”，它是一种基于神经网络的模型，可以快速天生其他神经网络的参数，常应用于Novel AI的Stable Diffusion模型中。
Hypernetwork可以用来对模型举行微调，比如在Stable Diffusion这样的图像天生模型中，通过插入一个小型的超网络来修改输出风格，而不改变原始模型的核心结构
这个模型的作用其实和Lora模型功能有点重叠，所以在实际利用中，我个人用得比力少。
三、模型的剪枝

各人在下载模型的时间，可能还会看到两个版本，一个版本带 pruned，另外一个版本是带 pruned-emaonly，比如下面这个[1]

这是因为大模型在练习的时间会保存两组不同范例的权重：第一组取的是末了一次的权重，也就是只带 pruned 的模型