AiDraw其他
xformers
xformers 分辨率越高加速效果越好。使用 xformers 会引入一些随机性，稍微影响生成的图像。
如果你使用 Pascal、Turing 或者 Ampere 架构的卡（包括 GTX 1000，RTX 2000、3000 系列），将 --xformers 参数添加到 webui-user.bat 中的 COMMANDLINE_ARGS。
TIP
有人说在 700 和 900 系列卡上使用 xformers 的性能明显较差，请注意这一点。 本人实测，2050 在启用 xformers 之后，速度慢了 50%
WARNING
注意使用 xformers 优化加速将使得同种子生成的图片存在细微差异。
通常不需要自行编译 xformers。如果需要编译，见 在 Windows 上编译 xformers
使用 CPU 进行绘画
根据此 PR
可以通过 --use-cpu all 尽可能的使用 CPU 进行生成，虽然慢 100 倍。
4GB 显卡支持
针对具有低 VRAM 的 GPU 的优化。这应该可以在具有 4GB 内存的视频卡上生成 512x512 图像。
--lowvram 是 basujindal 对优化思想的重新实现。模型被分成模块，GPU 内存中只保存一个模块；当另一个模块需要运行时，前一个模块将从 GPU 内存中卸载。这种优化的性质使处理速度变慢——与我的 RTX 3090 上的正常操作相比，速度慢了大约 10 倍。
--medvram 是另一个优化，通过不在同一批次中处理条件和无条件去噪，可以显着减少 VRAM 的使用。这种优化的实现不需要对原始的稳定扩散代码进行任何修改。
INFO
经过 10/10 的优化，RTX2050 的 4GB 显卡也可以使用 --medvram 。
当然也可以减半精度，或者生成一张 64x64 图片清理显存。
速度判定
注意区分 it/s 与 s/it。
终端的 it/s 速率是大致速率，在一秒钟可完成多次迭代时显示，代表每秒钟迭代次数。数字升高代表加速。
s/it 速率是上值的倒数，在一秒钟无法完成一次迭代时显示，代表每次迭代所需秒数。因此，数字降低代表加速。
在 WebUI 中使用 SD 2.0 模型
目前仅支持 Stable Diffusion 2.0-v 模型。
- 将 WebUI 更新为最新版。
- 下载 768-v-ema.ckpt 模型文件，放置在
models/Stable-Diffusion目录中。 - 下载 v2-inference-v.yaml，改名为
768-v-ema.yaml放置在models/Stable-Diffusion目录中。 - 选择使用新的模型。
在使用 2.0 模型时，训练面板可能无法使用。
在 Windows 上编译 xformers
确保 Python 版本为 3.10 或更高版本(使用 python --version 查看)，然后安装下述应用：
- 安装 VS Build Tools 2022，运行安装时只需要选择
Desktop development with C++ - 安装 CUDA Toolkit。可选择
Custom安装方式，删除一些如 Nsight、Visual Studio 集成等无用组件。
- 确认 nvcc 可用
cmd
nvcc --version
- 克隆
xFormers存储库，在环境中激活它
cmd
git clone https://github.com/facebookresearch/xformers.git
cd xformers
git submodule update --init --recursive
- 创建虚拟环境且激活环境
bash
python -m venv venv
#CMD
venv\Scripts\activate.bat
#Bash
source ./venv/bin/activate
#WindowsBash
source ./venv/Scripts/activate
- 为避免获取 CPU 版本时出现问题，请单独安装 pyTorch：
bash
pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu113
- 然后安装其余的依赖项
bash
pip install -r requirements.txt
pip install wheel
pip install ninja
- 如果使用 CUDA 11.6 之前的旧版本，需要强制启用它以在 MS Build Tools 2022 上构建。
在 CMD 设置
cmd
set NVCC_FLAGS=-allow-unsupported-compiler"
或在 Bash 设置
bash
export NVCC_FLAGS=-allow-unsupported-compiler
- 查看你自己的 GPU 架构
比如说，如果你的 GPU 是 GTX 1070，基于该表，架构是 6.1
CMD
cmd
set TORCH_CUDA_ARCH_LIST=6.1
BASH
bash
export TORCH_CUDA_ARCH_LIST=6.1
构建 xFormers，请注意构建将需要很长时间（可能需要 10-20 分钟），它最初可能会抱怨一些错误，但它仍然应该可以正确编译。
在环境中安装
bash
python setup.py build
python setup.py bdist_wheel
找到 dist 文件夹并将文件 *.whl 复制到 stable-diffusion-webui
在 stable-diffusion-webui 目录中安装.whl。
如果构建的 whl 名称不同，请在下面的安装命令中更改文件名
bash
#CMD
./venv/scripts/activate
#Bash
source ./venv/bin/activate
#WindowsBash
source ./venv/Scripts/activate
pip install xformers-0.0.14.dev0-cp310-cp310-win_amd64.whl
30 系显卡正常启动，在 COMMANDLINE_ARGS= 加 --xformers 参数, 其他显卡加 --force-enable-xformers 参数
Windows 编译错误自查
错误:
Filename too long和fatal error C1083: Cannot open compiler generated file: '': Invalid argument
说明你的路径太长了。
RuntimeError: CUDA error: no kernel image is available for execution on the device
现在更多 GPU 架构是自动支持的，尝试重新安装并使用 --xformers 参数。
如果你移动了 xformers，那么应该删除里面的 venv 目录。
Windows (30 系之外要自己编译)
自己编译指路 wiki/Xformers 还有 这个 Post
修剪模型
见 Voldy Retard Guide - Pruning a .CKPT。
将要修剪的 .ckpt 文件放在 /stable-diffusion-webui 文件夹，把 脚本 另存本地，删除第 6 行和 第 8 行。然后在 prune.py 中的最后一行编辑 ckpt 的名称。
比如，prune_it('wd-v1-2-full-emma.ckpt')
然后运行这个脚本，修剪过程可能需要几分钟。