大家好！我是程序员晓晓
最近AI绘画开源社区又开始发力了，lllyasviel（敏神）——ControlNet的作者刚才发布了一款Flux1-dev-bnb-nf4-v2模型，这个版本最大的优势就是能让低显存的设备也能运行，这个低到底有多低呢？
实测下来3070ti笔记本（8G VRAM）在跑NF4-V2模型每次迭代只需要2.15秒（这只是该笔记本计算的时间，并不代表所有8GVRAM都是这个时间，其他硬件设备不同计算结果也不一致）。
接下来，我们用秋叶大佬的绘世启动器StableDiffusion实现打开SDwebui-Foge。
绘世，启动！
模型作者说明：如果您的设备支持 CUDA 11.7 以上版本，那么您可以使用 NF4。（大多数 RTX 3XXX/4XXX GPU 都支持此功能。）如果您的设备是 GTX 10XX/20XX 的 GPU，那么您的设备可能不支持 NF4，请用flux1-dev-fp8模型
打开绘世启动器：
导航栏选择版本管理模块默认进入内核页面；
点击切换分支按钮；
下拉菜单选择stable-diffusion-webui-forge版本；
点击切换分支，这里会弹出一个提示，让你备份重要文件，点击确定就好。
tips：由于每台设备所安装的环境不一样，建议先备份一版再切换。
切换后跳出这个弹窗说明切换成功，并不是已经安装成功，后面一键启动还要下载依赖。
选择扩展页面，禁用不必要的插件（第一次启动建议全部取消），因为很多插件和forge并不兼容；
好，这些步骤执行完之后重启启动器，再点击一键启动，开始下载forge的依赖已经安装部分插件，这一步通常会出现两种错误，一种错误是网络连接问题（也就是需要魔法，因为需要到抱抱脸拉取依赖），还有一种错误就是前面提到的插件兼容问题，如果看到插件问题，就需要返回前面的步骤警用相关的插件。
一切就绪后，即可打开webui-forge版本
我们需要把UI模板切换成Flux模式，所有的参数都会调整成Flux预设，根据模型版本的不同可以自行手动调整。
参数说明：
Diffusion with Low Bits：模型的量化格式，一般情况下选自动就行，这次用的模型是flux1-dev-bnb-nf4-v2，所以可以选nf4。
Swap Method：Queue/Async：队列加载计算/并行加载计算
Swap Location：CPU/Shared：根据设备CPU内存和GPU显存选择一种模式，当CPU内存高于GPU显存那就选择CPU，当GPU显存高于CPU内存就选择GPU。这里的原理就是把一个存储容量高于你显存的模型分为两半，一半给GPU一半给共享内存。
通俗地说就是哪种内存大选哪种。
模型下拉菜单选择加载flux1-dev-bnb-nf4-v2模型，调节相关参数即可开启你的创作之旅啦！如果还是不太懂这些参数有啥用，让它默认即可（虽然本文已经提了）。
tips：注意，这次的flux1-dev-bnb-nf4-v2模型是放到stable diffusion目录下，并不是放到unet目录下，模型链接在网盘，需要的小伙伴可以看文末扫描免费获取哦
示例图
常见的报错
RuntimeError: The expanded size of the tensor (1) must match the existing size (64) at non-singleton dimension 0. Target sizes: [1, 256, 256]. Tensor sizes: [64, 256, 256]``The expanded size of the tensor (1) must match the existing size (64) at non-singleton dimension 0. Target sizes: [1, 256, 256]. Tensor sizes: [64, 256, 256]
报错的主要原因是张量（tensor）的维度不匹配。
解决方法：关闭xFormers
绘世启动器>高级选项>交叉注意力优化方案之类选择非xFormers，我选的是缩放点积。
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
文章概述：文章由程序员晓晓撰写，主要介绍了AI绘画开源社区的新进展，特别是ControlNet作者发布的Flux1-dev-bnb-nf4-v2模型，该模型优化后可在低显存设备上运行，如3070ti笔记本（8G VRAM）在每次迭代中仅需2.15秒。进一步，文章详细指导了如何使用秋叶大佬的绘世启动器StableDiffusion来安装和打开SDwebui-Foge版本，特别强调了NF4模型的兼容性、版本管理操作、插件禁用以解决兼容性问题，以及启动过程中的注意点。
文章还详细解释了模型参数的设置，包括量化格式、加载计算方式及存储设备选择等，帮助用户根据自己的设备特性调整参数。此外，文章还提供了模型文件和示例图的链接，并分享了解决常见错误（如维度不匹配的张量错误）的方法。
展望部分，晓晓对AIGC技术的未来发展表示乐观，指出其在游戏和计算等领域的广泛应用前景，并提到该技术将与人工智能技术深度融合。最后，晓晓为对AIGC领域感兴趣的读者提供了学习路线、必备工具、学习笔记、视频教程和实战案例等资源，助力其深入学习和实践。
总结：
文章不仅分享了AI绘画开源社区的新成果及其在实操中的详细应用指南，还展望了AIGC技术的广阔前景，并提供了丰富的学习资源，是面向AI绘画爱好者和开发者的详实指南。