注意：
本文讲解的用的是用“整合包”来本地部署 安装及使用Stable Diffusion
WebUI，你不需要懂太多的计算机知识，而且用整合包对新手也是比较友好的，磁盘需要预留100G~200G空间才能玩。
整合包我会放在文末
前言
本文将基于最新的SD整合包，结合笔者整合的资源，为大家介绍最基础的概念和安装方式。
可以说，从这一天开始，AI绘画，尤其是SD的普及，又得到了更进一步的推动。
Stable Diffusion（SD）是什么
Stable Diffusion是2022年发布的深度学习文本到图像生成模型，它是一种潜在扩散模型，它由创业公司Stability
AI与多个学术研究者和非营利组织合作开发。目前的SD的源代码和模型都已经开源，在Github上由AUTOMATIC1111维护了一个完整的项目，正在由全世界的开发者共同维护。由于完整版对网络有一些众所周知的需求，国内有多位开发者维护着一些不同版本的封装包。开源社区为SD的普及做出了难以磨灭的贡献。
SD最大的特征，就是由于其开源的特性，可以在电脑本地上离线运行。可以在大多数配备至少8GB显存的适度GPU的消费级硬件上运行。笔者推荐显存线是12G。
由于AI训练和产出的本质是软硬件结合了的深度学习原理，因此常常会用到英伟达
公司的显卡（NVIDIA显卡
），以及相关的诸如CUDA、CUDNN，乃至python相关的深度学习组件如xformer、pytorch等，学习AI想要进阶的话非常容易碰到这些需要大量额外学习编程知识的内容，所以非常容易让小伙伴们感到困难。
本文以及整合包都不会涉及到这些内容，会比原版相对来说容易理解，也容易部署得多得多得多。
SD基本概念
大模型
：用素材+SD低模（如SD1.5/SD1.4/SD2.1），深度学习之后炼制出的大模型，可以直接用来生图。大模型决定了最终出图的大方向，可以说是一切的底料。多为CKPT/SAFETENSORS扩展名。
VAE ：类似滤镜，是对大模型的补充，稳定画面的色彩范围。多为CKPT/SAFETENSORS扩展名。
LoRA
：模型插件，是在基于某个大模型的基础上，深度学习之后炼制出的小模型。需要搭配大模型使用，可以在中小范围内影响出图的风格，或是增加大模型所没有的东西。炼制的时候如果基于SD底模，在不同大模型之间更换使用时的通用性会较好。但如果基于特定的大模型，可能会在和该大模型配合时得到针对性的极佳效果。
ControlNet ：神级插件，让SD有了眼睛，能够基于现有图片得到诸如线条或景深的信息，再反推用于处理图片。
Stable Diffusion Web-UI （SD-WEBUI）：开源大神AUTOMATIC1111基于Stability
AI算法制作的开源软件，能够展开浏览器，用图形界面操控SD。
秋叶包
：中国大神秋叶开发的整合包。由于WEBUI本身基于GitHub的特性，绝大多数时候的部署都需要极高的网络需求，以及Python环境的需求。使用秋叶整合包，内置了和电脑本身系统隔离的Python环境，以及内置了Git，不需要了解这两个软件就可以运行。可以几乎忽视这样的门槛，让更多人能够享受AI出图。
一、Stable Diffusion 安装
我们可以先安装启动器的运行依赖，并解压秋叶包本体。
第一步：打开“启动器运行依赖-dotnet-6.0.11.exe ”来安装。
第二步：解压“sd-webui-aki-v4.zip ”。
注意：
当我们解压好启动器本体的时候，暂时还不要启动，先一起把模型安装了。
第三步：导入核心数据。
1、下载“推荐大模型 ”文件夹中的模型。
2、并把文件夹里的所有模型放在这个目录下：
\sd-webui-aki-v4\models\Stable-diffusion
* 1
3、同时，还要下载ControlNet模型 。
4、ControlNet模型文件夹里的所有内容，放在这个目录下：
\sd-webui-aki-v4\models\ControlNet
* 1
5、最后，需要单独下载推荐LoRA 。
6、这些LoRA是笔者为了方便小伙伴们取用改了名的，需要全部放在这个目录下：
sd-webui-aki-v4\extensions\sd-webui-additional-networks\models\lora
* 1
7、当大家上手之后就可以参考末尾处这一篇文章，并在【大量模型·LoRA 】文件夹中寻找自己想要的LoRA了。
二、Stable Diffusion 使用教程
开启软件运行。
解压并导入完毕上述数据之后，就可以点开启动器了。
1、在安装目录下往下拉，找到这个“A启动器.exe "，双击。
2、再点击右下角的一键启动 。
3、再让这个界面多跑一会儿。
4、就可以看到它自动在浏览器中打开了一个新的网页，就算是启动成功了。
注意：
有时候会出现警告错误或缺少模块，但是又不会影响正常运行。
如果它没自动打开，可以手工去浏览器输入网址：http://127.0.0.1:7860
5、最终的效果。
例如：输入一个关键词“一个美女”，点击“生成”，结果效果图如下：
总结：
这是Stable Diffusion WebUI 2.0 离线版的，没网也能用，也可以做18+的，这里就不展示了，哈哈哈！
不过这玩意10G，我加了一些lora，controNet，大模型，一下子就70个G，效果还不错，不过大部分都是civitai中直接下载别人训练好的模型。
整合包下载
上面用到的安装文件和整合包已经上传CSDN，朋友们如果需要可以点击下方微信扫描CSDN官方认证二维码免费下载。
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结本文详细介绍了如何使用整合包来本地部署、安装及使用Stable Diffusion WebUI，旨在帮助初学者通过简单的步骤轻松上手AI绘画。以下是文章的主要内容总结：
#### 1. 前提概述
- **目标**：使用整合包来简化Stable Diffusion WebUI的本地安装过程，对计算机知识要求不高，但需预留100G~200G磁盘空间。
- **资源整合**：提供了详细的安装教程及整合包下载链接。
#### 2. Stable Diffusion（SD）概述
- **定义**：Stable Diffusion是一个2022年发布的深度学习文本到图像生成模型，由Stability AI与多方合作开发，现已开源并由全球开发者共同维护。
- **特性**：可在本地离线运行，支持配备至少有8GB（推荐12GB）显存的GPU。
- **技术栈**：虽然涉及英伟达显卡、CUDA、CUDNN等高级技术，但本文及整合包不涉及这些，简化了操作难度。
#### 3. 基本概念
- **大模型**：用作生图的基础，决定了出图的大方向，多为CKPT/SAFETENSORS扩展名。
- **VAE**：类似滤镜，稳定画面色彩，格式同上。
- **LoRA**：模型插件，基于大模型深度学习的小模型，影响或增加风格特性，需与大模型配合使用。
- **ControlNet**：神级插件，可从现有图片中提取信息用于反推处理图片。
- **SD-WEBUI**：由AUTOMATIC1111基于Stability AI算法制作的图形界面操作软件。
- **秋叶包**：国内开发者的整合包，内置隔离Python环境和Git，降低门槛。
#### 4. 安装步骤
1. **安装依赖**：运行安装程序“dotnet-6.0.11.exe”。
2. **解压整合包**：解压“sd-webui-aki-v4.zip”文件。
3. **导入数据**：下载并放置推荐的大模型、ControlNet模型、LoRA至指定目录。
#### 5. 使用教程
1. **启动软件**：双击“A启动器.exe”，点击右下角“一键启动”，等待界面在浏览器中自动打开新网页（若未自动打开，可输入网址：http://127.0.0.1:7860）。
2. **操作界面**：输入关键词并点击“生成”查看结果。
#### 6. 总结与展望
- **版本特点**：当前Stable Diffusion WebUI 2.0离线版，可生成18+内容但未展示。
- **未来发展**：AIGC技术前景广阔，将在游戏与计算领域得到更广泛应用，并与人工智能技术深度融合。
#### 7. 额外资源
- **AIGC学习资料**：提供了学习路线、必备工具、学习笔记、视频教程合集及实战案例，助力深入学习AIGC技术。
文章通过详细的步骤和资源整合，旨在帮助初学者快速上手Stable Diffusion WebUI的本地部署与使用，同时展望了AIGC技术的广阔前景和非凡潜力。