前言
您是否想直接在Stable Diffusion中使用Flux NF4，而不是ComfyUI界面？这是对这些调整的指南。Stable Diffusion已经成为了一个热门工具，用于创建具有非凡精度的AI生成图像。
在本指南中，我们将探讨Stable Diffusion，包括如何安装和使用它，以及Flux NF4（一个扩展其功能的强大扩展）的特性。我们还将介绍如何在Stable Diffusion中安装Flux NF4，并充分利用它来完成您的图像扩散任务。
Flux NF4与Stable Diffusion的集成为您的图像生成工作流程提供了强大的增强功能（图片来源）
所有的AI设计工具，模型和插件，都已经整理好了，👇获取~
如何在Stable Diffusion中使用Flux NF4
Flux NF4与Stable Diffusion的集成为您的图像生成工作流程提供了强大的增强功能。在深入探讨具体细节之前，重要的是要了解Flux NF4利用低比特精度技术来优化性能，尤其是在GPU内存有限的系统上。
本指南将引导您完成在Stable Diffusion中设置和使用Flux NF4的过程，使您能够更高效地创建高质量图像。无论您是经验丰富的AI艺术家还是初学者，掌握Flux NF4都能提升您的图像生成能力。
格罗克图像生成是人工智能市场上最划算的交易，原因如下：
什么是Stable Diffusion？
Stable Diffusion 是一个深度学习模型，它可以根据文本提示生成高质量图像。它属于生成模型家族，如 GANs（生成对抗网络），但因其能够以较低的计算能力生成详细且多样的图像而脱颖而出。
（图片来源）
安装和设置
在您开始使用 Stable Diffusion 之前，需要先将其安装在您的系统上。以下是逐步指南：
安装Python：确保您的系统上已安装Python 3.8或更高版本。您可以从Python官方网站下载。 设置虚拟环境：建议创建一个虚拟环境以避免与其他Python包的冲突。代码:
python3 -m venv sd-env
source sd-env/bin/activate
Code:
pip install torch torchvision torchaudio
pip install diffusers transformers
Code:
git clone https://github.com/CompVis/stable-diffusion
cd stable-diffusion
pip install -e .
Flux NF4与BitsandBytes（BnB）集成，后者是一种常用于大型语言模型（如LLaMA和Phi）的低比特加速器（图片来源）
运行Stable Diffusion
安装后，您可以通过运行以下命令来生成图像：
python scripts/txt2img.py –prompt “未来主义的城市天际线在日落时分” –plms –n_samples 1 –n_iter 1 –scale 7.5 –ddim_steps 50
此命令根据提供的提示生成单个图像。您可以调整参数，如 `–scale` 和 `–ddim_steps`，以控制输出的质量和风格。
BnB 减少了计算的位宽，从而实现了更快的处理速度和更低的内存使用量（图片来源：GitHub/lllyasviel）
Flux NF4是什么？
Flux NF4 是 Stable Diffusion 的一个高级扩展，它利用低比特加速器来增强图像扩散过程。对于 GPU 内存有限的用户或希望在不牺牲质量的情况下更快生成图像的用户来说，它特别有用。
理解BitsandBytes (BnB)
Flux NF4 与 BitsandBytes（BnB）集成，BnB 是一种低比特加速器，通常用于诸如 LLaMA 和 Phi 等大型语言模型中。BnB 通过减少计算的位宽，实现更快的处理速度和更低的内存占用。在图像扩散的背景下，这意味着更快的生成时间和在性能较低的硬件上处理更复杂模型的能力。
支持 Flux 检查点
Flux 支持不同的检查点，具体取决于您的硬件配置：
Flux NF4检查点：这些检查点已针对速度和效率进行了优化，尤其是在具有6GB至16GB VRAM的GPU上。 Flux FP8 检查点：这些是为不支持 NF4 的设备设计的，如旧版 GPU。对于大多数用户，推荐的检查点是`flux1-dev-bnb-nf4-v2.safetensors`，它能在各种设备上提供最佳性能。
在Stable Diffusion中安装Flux NF4
现在您已经了解了 Flux 是什么，让我们来了解一下安装流程：
下载Flux检查点：根据您的设备功能，下载Flux NF4或Flux FP8检查点。对于大多数用户，推荐选项为`flux1-dev-bnb-nf4-v2.safetensors`。 放置检查点：将下载的检查点文件移动到您的Stable Diffusion安装中的适当目录，通常位于`models/ldm/stable-diffusion-v1/`下。 配置用户界面：如果您使用的是Forge这样的图形用户界面，请确保在设置中选择正确的精度（NF4或FP8）。Forge允许您强制加载特定类型的权重，或者选择自动以使用检查点的默认精度。使用Flux NF4搭配Stable Diffusion可以增强您的渲染能力，尤其是当您使用的硬件较为有限时（图片来源：Furkan Demirkaya使用Flux制作）
在Stable Diffusion中使用Flux NF4
安装 Flux 后，您现在可以利用它的速度和效率。这是使用它的方法：
设置您的提示：像平常一样准备您的文本提示。例如：python scripts/txt2img.py –prompt “宇航员在丛林中，冷色调，柔和色彩，非常详细，清晰对焦” –plms –n_samples 1 –n_iter 1 –scale 7.5 –ddim_steps 50 –ckpt flux1-dev-bnb-nf4-v2.safetensors
Optimize performance: Depending on your GPU’s VRAM, you may need to adjust the UI settings: GPU权重：较大的值会加快处理速度，但如果过大可能会导致问题。 交换方法：在`Queue`和`ASYNC`之间选择。后者通常更快，但可能会在某些设备上引起稳定性问题。 监控结果：运行命令并观察输出。如果您注意到速度或质量方面有任何问题，请尝试调整交换位置（CPU与共享）或内存设置。使用Flux NF4结合Stable Diffusion可以增强你的渲染能力，尤其是当你使用有限的硬件时。按照上面概述的步骤，你可以安装并配置Flux，以充分利用其低比特率加速功能，并优化你的工作流程，以实现更快、更高效的图像扩散。
精选图片来源：Furkan Demirkaya 使用 Flux 制作
标签： Flux NF4how toStable Diffusion
这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》，相信大家会对AIGC有着更深入、更系统的理解。
有需要的朋友，可以点击下方免费领取！
AIGC所有方向的学习路线思维导图
这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。如果下面这个学习路线能帮助大家将AI利用到自身工作上去，那么我的使命也就完成了：
AIGC工具库
AIGC工具库是一个利用人工智能技术来生成应用程序的代码和内容的工具集合，通过使用AIGC工具库，能更加快速，准确的辅助我们学习AIGC
有需要的朋友，可以点击下方卡片免费领取！
精品AIGC学习书籍手册
书籍阅读永不过时，阅读AIGC经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验，结合自身案例融会贯通。
AI绘画视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才能更方便的学习下去。
总结
**总结文章**：本文详细指导了如何在Stable Diffusion中安装并使用Flux NF4这一高级扩展，以加强图像生成能力。Stable Diffusion是一个非常流行的AI图像生成工具，能够基于文本提示创建高质量图像。Flux NF4则通过集成低比特加速器BitsandBytes（BnB），优化了资源利用效率，特别是在GPU内存有限的系统上。
文章首先介绍了Stable Diffusion的基本概念和安装步骤，包括安装Python、设置虚拟环境、安装必要包、下载Stable Diffusion及其预训练模型。随后，重点讲解了Flux NF4的特性及其与BnB的低比特技术如何提升图像生成性能。
在安装Flux NF4部分，文章建议下载适合您设备的配置的检查点文件（如`flux1-dev-bnb-nf4-v2.safetensors`），并将其放置在Stable Diffusion的安装目录中。同时，对于使用图形用户界面的用户，应确保正确设置了精度和加载了适当的权重。
最后，文章展示了如何在运行Stable Diffusion时通过指定`--ckpt`参数来使用Flux NF4检查点，并且提供了优化性能的建议，如调整GPU权重和交换方法以适应不同的硬件配置。使用Flux NF4，用户可以在不牺牲图像质量的同时，实现更快速的生成速度和更低的内存占用，特别是在硬件资源受限的场景下。
文章末尾还推荐了一系列学习资源，包括AIGC学习路线、AI绘画视频合集等，帮助用户深入学习AI图像生成技术并提升实践能力。