常用采样器、目前有20个采样步骤越多每个步之间的降噪越小，减少采样过程中的截断误差，结果越好
学微分方程求解器
Euler（最简单的采样器，采样过程中不加随机噪声，根据采样计划来执行每个步骤中的噪声，并使用欧拉方法减少适当数量的噪声以适应噪声计划，到最后一步为0）、Heun（是对 Euler 的更精确的改进，但需要在每个步骤中预算两次噪声，处理速度相对会更慢一些）、LMS（解决学微分方程的标准方法，采样速度与Euler 相同）
祖先采样器.
随机采样，采样过程具一定的随机性，缺点是图像不收敛
Euler a（在每个步骤中减去比『应该』更多的噪声并添加一些随机的噪声以接近于噪声计划，去噪图像取决于前面步骤添加的特定噪声）、DPM2
a、DPM++2s a、DPM2 a Karras、DPM++ 2S a Karras
官方采样器,最早的采样器算法
DDIM、（使用去噪后的图像来近似最终图像，并使用噪声预测估计的噪声来近似图像方向）PLMS （是 DDIM 的新版且更快速的替代品）DPM 和
DPM++，DPM2（是 katherine Crowson 在 k-diffusion 项目中自创的，灵感来源 DPM-Solever-2 和算法
2，受采样器设置中的 sigma 参数影响） 、DPM2 a（祖先采样器的一种，受采样器的 ETA 参数影响）、DPM++ 2s
a（祖先采样器的一种，受采样器的 ETA 参数影响） 、DPM++ SDE（受采样器的 ETA 参数影响）、DPM fast （用于 steps 小于 20
的情况，受采样器的 ETA 参数影响 ）、DPM++ 2M（在速度和质量的平衡最好，代表 m 的多步比上面的 s
单步在采样时会参考更多步，而非当前步所以能有更好的质量）、DPM adaptive （2022 年发布的扩散模型的新采样器，DPM2 比 DPM
更准确但速度较慢，DPM++是对 DPM 的改进，可以自适应的调整步长，但会很慢，不能保证在规定的采样步骤内完成.）
带有 Karras 字样的采样器
使用了噪声时间表，控制每个步骤的噪声水平，随着采样步骤的增加，减少了截断误差
UNiPC
是 2023 年发布的，目前最快速的最新的采样方法 UNiPC sampling steps 10、UNiPC sampling steps
20、UNiPC sampling steps 30受 ODE 求解器中预测校正方法启发 可以在很少的步骤就可以实现高质量图像生成
常用的采样器
DPM++ 2M karras(20-30 步)、unpic（15-25 步）、如果想要高质量的图，不收敛可以选择 DPM++ SED
Karras,DDIM (10-15 步，较快) ，如果要简单的图可以选 Euler,heun 可以减少步骤以节省时间，如果想要稳定可复线的图（Euler
a、DPM2 a、DPM++ 2s a、DPM2 a karras、DPM2 ++ 2s a karras,避免采用任何祖先采样器）
常用模型
二次元代表 ：Anything v5、Counterfeit v2.5、Dreamlike Diffusion、
标签与风格关键词：
illustration,painting,sketch,drawing,painting,comic,anime,catoon
可以使用这些词语为关键词搜索对应的风格模型，也可以使用它们在 Prompt 中激活模型风格特性。
写实代表：Deliberate、Realistic Vision、LOFI(L.O.F.I)
标签与风格关键词：
photography,photo,realistic,photorealistic,RAW photo
可以使用这些词语为关键词搜索对应的风格模型，也可以使用它们在 Prompt 中激活模型风格特性。
2.5D 风代表 ：NeverEnding Dream(NED)、Protogen (Realistic) 、国风 V3(GuoFeng3)
、lora 卡通证件照（底模：DreamShaper，06-0.9）
风格关键词：
3D、render、chibi、digital art、concept art、{realistic}
可以使用这些词语为关键词搜索对应的风格模型，也可以使用它们在 Prompt 中激活模型风格特性。
模型扩展名的区分
模型的类型（是装着各种图片的容器）官方模型网站：https://huggingface.co
Stable Diffusion 大模型（*.ckpt) 文件是用 pickle
序例化的。这意味着它有可能会包含恶意代码。加载这类型的模型应该确认可靠的来源。
.safetensors 文件是用 numpy 保存的，这意味着它们只是包含张量数据。没有任何代码。加载.safetensors 文件更安全快捷。
emb 模型 嵌入式模型是一种用于生成图片语言理解组件，它可以接受文本提示并产生 token embeddings，模型有多种不同的训练方法，例如
Textual Inversion，Hypernetwork,Dreambooth 和 LoRA,这几种各有优劣势和应用场景。
VAE
模型，具有颜色的校正功能，可以让生成的图像更加鲜艳或者柔和，初化的图像，可能在这个图像的基础上进行细化和改进。低维的隐空间，可以在这个空间中控制图像的风格和特征。
超网络模型（hypernetworks) 可以用来对 Stable-diffusion 的模型进行风格迁移（style transfer)。
LoRA 模型 体积小，适合性能不足的电脑使用，可以用少量的图片训练，训练时间较短，一般用于固定的人物，服装，动作。
模型的安装
官方模型网站 https://huggingface.co
将下载的模型文件放入 stable-diffusion-webui/models/下对应模型类型的文件目录中，在 web UI
的模型选择后面重载，即可看到新加入的模型，models 目录下包含模型，算法，采样器。
关注我，后继会更新更多有趣有用的关于AI相关的课程！
AI绘画商业应用，个人变现项目本人正在试验中，感兴趣的朋友可以下方扫码咨询我。
写在最后
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。
