写在前面：如果想要直接上手，那么建议读完前言所有加粗项以后直接跳到方法2。打赏的百度网盘链接里面有Shark GUI。虽然本文的主要服务对象为A卡用户，N卡用户们也可以看一看，一起交流学习。
前言：
+人们早上/中午/晚上好，自从去年下半年OpenAI的Dall.E-2一鸣惊人之后，各类AI作画软件层出不穷、呈现了一片百家争鸣的盛景。然而，在大多数时间里面，像老夫这样的AMD显卡用户都只是这场盛宴的旁观者。虽然有许多在线作图的选项，也有利用Google Colab这样可以在云端搭建的平台，但不得不说在本地进行还是性价比和效率最高的选项。而且从去年末开始每一天各国都在调整AI相关的法律，许多在线网站眼看着层层加码，已经到了完全没法自由做图的地步，唯有本地制图可以拜托这些限制。言归正传，英伟达在GPGPU (General-purpose Programming in GPU)方面的领先令无数A卡支持者望洋兴叹（甚至让坛友OkiKuma发出了AMD shit这样的感叹），但其实Stable Diffusion（或称SD）作为开源软件中的翘楚，和A卡的相性是不错的（因为ROCm也是开源的），同时也是A卡用户仅有几个可以简单上手使用的选项之一。
时至今日，A卡用户也不再需要再像去年那样依赖命令提示符，AMD又可以了！
鉴于就连B站上面都没有太好的AMD/Windows Stable Diffusion GUI教程，今天就开个先河，着重介绍和比较三种完全免费的GUI（图形界面）使用方法。其中，前两种可以在Windows环境中顺利运行，而第三种则需要Linux系统。话不多说，先介绍第一种GUI*所有教程里的事先准备工作都是硬性条件，缺一不可
**所有教程里面用到的文件都建议放在固态硬盘中，读写速度更快。注意所有路径上不要有中文
***教程里的方法最差也需要AMD RX 580和8G显存才能跑，老夫使用的是Radeon 6700 XT （12G显存）
****前两种方法所需要的两个程序、一个示范用的模型（Liberty, 非SD1.5)）和一个查看现有图片信息的工具（Diffusion Toolkit）都可以通过打赏解锁百度网盘链接里面找到，也算是个不太傻瓜的傻瓜包了。当然，诸位也可以自行看教程在官网下载。由于更新迭代过快加上不想大范围传播，所以设30天有效，过期不补。
方法一：NMDK Stable Diffusion GUI下载方式：
官网事先准备：
-确认你的AMD显卡有至少8G的显存，硬盘有至少10G的空间
使用方式：
-从官网一键下载含SD1.5模型包的exe程序
-双击exe启动程序，程序窗口最上方’No CUDA GPUs available’无时无刻不象征着A卡用户的卑微，无视他！找到界面右上角的Settings, 在Image Generation Implementation这一栏的下拉菜单中找到Stable Diffusion (ONNX-Direct ML-For AMD GPUs)
-点击右上角的扳手标志，在弹出的开发者选项中选择Convert Models
-根据现有的模型类型在第一栏中进行选择。一键下载所包含的SD1.5模型是Checkpoint（.ckpt）文件，而我比较常用的模型都是Safetensor文件。二者的使用方式是一样的，只不过要在这里进行区分选择
-在第二栏中选择现有的模型。一键下载包含的是sd-v1-5-fp16.ckpt，我们在这儿用
Liberty（我知道很多+人们喜欢用Chillout, 但是我更喜欢欧美文艺写实风的Liberty/s1d/protogen）
-在第三栏中选择Diffusers ONNX (Folder)。
注意，记得先把原来的ckpt/safetensor文件复制粘贴到另一个文件夹，勾选项不管用，我们在方法2和3中还需要用这些模型，千万记得保存一个备份。如上图所示
-点击convert，这个过程比较花时间，可以去吃个饭、跑个步或者刷个手机。
-当模型转换完以后，按ctrl+M唤出模型菜单，选择刚刚转换完的onnx模型。或者也可以打开右上角的设置菜单进行调整，正确的步骤大概会产生这样的效果：
-输入你想要的提示和参数，注意如果你的显存不够大，只有8G，那么分辨率就放在512*512。分辨率越高，对显存要求越高，会炸的。点击Generate！生成图片。
-结果如上，虽然脸有点崩但是考虑到模特的姿势并不是普通正面站姿，所以情有可原。这里让我们记住一个关键的参数：生成这张40步的图片花费了NMKD 60秒出头的时间，也就是1.5s/it (1.5秒一步/一次迭代）
也就是0.67 it/s （每秒进行0.67次迭代）。这其实是个很慢的速度，为什么这么说？让我们跟后面两个选项比较一下就知道了
方法二 Shark GUI by Nod.ai下载方式：
Github事先准备：
-硬件方面同上-下载并安装python 3.10
-根据你自己的显卡，下载适配的最新
AMD驱动使用方式：
-从github下载较为稳定的版本，目前是539(网盘里也是这个)，我使用的是昨天的535版本，二者界面完全没有区别，所以教程可以短时间内通用。
-在SSD硬盘中创建一个新文件夹，我们就叫它SD_Shark, 把下载好的.exe文件拖进去
-双击程序运行，第一次运行要等一段时间，然后你的默认浏览器当中应该会弹出这样一个页面：
-左上角的Models里面可以选择要使用的模型。
注意，在没有下载其他模型的情况下，你的下拉菜单里只会有最下面的这六个模型，这并不代表你已经安装了他们，只是在选择他们以后会自动从huggingface（Stable Diffusion的创始人）的官网下载而已。如果你选择这六个预设定模型之一，那么在开始生成图片之后，程序会先花一段时间下载选中的模型，这些模型一般都好几个G大，所以我建议直接把之前我们备份的ckpt/safetensor文件复制到SD_Shark这个文件夹下的子文件夹Models中。 
-如果你按照我的建议将模型文件下载放到了Models文件夹中，那么你现在需要重新启动这个程序。记得网页和命令提示符都要关闭重启，因为其实命令提示符才是本体。重启以后，左上角的模型菜单就会出现之前那张图片里那样带路径的模型，选择它，在这里我们还是用Liberty作为例子。
-选择完模型以后，照例输入你想要的提示和参数。
注意大部分参数在Advanced Options中，点击右边的箭头扩展
-熟悉Stable Diffusion的+人们可能会发现，Shark的参数比NMKD多了一个Scheduler选项。这其实是个很重要的选项，因为所有SD制成的图在复刻时Scheduler或者Sampler都是必要的参数，如果Scheduler完全不同，那么哪怕Seed相同也无法复刻。Shark的Scheduler参数已经包含一些市面上常见的选项，比如Euler A对应的就是EulerAncestralDiscrete。这也就是我倾向在Windows系统中使用Shark而不是NMKD的两个原因之一。至于另一个原因是什么，让我们点击Generate Image看一下结果就知道了。
注意，每一个模型的每种分辨率设定的第一次生成（比如用Liberty生成一张512*512的图片）都需要花很多时间，甚至会像下图一样出现很多的报错信息。第二次开始就会好很多（改分辨率需要重头来），这也是Shark的问题所在，因为程序本身更新迭代很快，所以经常会出现大量报错和历史遗留问题（比如从3*/4*版本就有的transformer问题），比起NMKD来说会有一点点风险，但效率会高很多，看这些报错就知道了。
-看下图的结果，脸还是有点崩，但是意思到了。细心的+人们可能已经发现了，这张图生成只花了10秒的时间，准确的说，从下图中来看，10秒都没到，
平均4.11 it/s。也就是说在参数大致相同、模型一致的情况下，Shark代表的Vulkan方法速度是NMKD代表的ONNX方法的6倍，这还是在不计算VRAM显存消耗的情况下。这里不谈一些太技术性的东西，但是NMKD在我同样的硬件、参数条件下生成512*768分辨率的图片（也就是下图的小姐姐）是会因为VRAM占用过高而使得电脑宕机的，
而Shark生成512*768的速度则在1.8it/s（分辨率越高越慢），几乎是NMKD的三倍。
方法三 Linux系统下的Automatic 1111 GUI
下载方式：
通过git clone指令事先准备：AMD显卡，至少8G显存，10G空间
（注意，最新的7000系列并不支持此法）主流Linux系统 (Ubuntu, Mint, etc…)
使用方式：全在Automatic 1111的github页上，都会装Linux了所以我就简单讲了（其实是太懒了不想切环境去截图了）：
注意，这一步是Automatic1111的安装步骤里面没讲的，但是不做可能会有问题，在terminal里面跑一下
sudo usermod -a -G render 你的linux用户名
sudo usermod -a -G video 你的linux用户名
假设你的linux用户名是yaoyaoqi，那么就
sudo usermod -a -G render yaoyaoqi，以此类推
-安装python 3.10.6 (先用 python3 — version看有没有装，再用sudo apt-get update和sudo apt-get install python 3.10来装）
-还是在命令提示符里，git clone [
https://github.com/AUTOMATIC1111/stable-diffusion-webui]
-上一条跑完以后，把模型放在models/Stable-diffusion这个文件夹里面（比如我们之前下载的Liberty或者sd-1-5）
-输入cd Stable-diffusion，再输入./webui.sh跑程序，建议在这个阶段加入—precision full 和 —no-half保证a卡跑得顺利，如果显存只有8G那么还建议加入—medvram降低显存消耗
-选择模型、输入参数等等，跟上面两种方法一样
啊对了，Ubuntu系统用Automatic 1111，同样的512*768尺寸图片，同样的参数和模型，速度是平均速度是3.11 it/s，也就是Shark GUI的1.7倍左右。写到这里，教程的部分大致讲完了，这里再简单讲一下怎么找模型、熟悉提示（Prompt）和参数。
huggingface官网和
Civitai是现在主要的两个模型下载网站。前者就像个github，注重模型的训练、调试、反馈和相关插件的开发等等，用户多半为开发者；后者像是个模型的网店，虽然都是免费的但是下面有很多以生成出来的图片为主的买家秀，网站还贴心地提供了一键复制功能，可以让用户直接在automatic 1111这类GUI里面复刻生成图片，用户多半为使用者（比如我）而非开发者。
如果你在论坛或者网上看到好的图片想要复刻，可以尝试把它们下载下来然后扔到这个软件里面（网盘链接里有，下载在这），只要没有在后续的图像处理/上传过程中丢掉关键信息，这个软件可以把用到的提示、参数和模型读取出来。提示方面，大多数模型都是适用以逗号分开的关键词，但是少数模型（比如作为教程案例的Liberty）则更适用自然语言（natural language），和他们的训练方法有关，不在此赘述。然后所有模型都只会赋予一定数量的关键词以权重（一般是75个词），所以不要滥用，尤其是在负面提示方面，用得越多越会限制AI的想象力。
参数方面，Step越多，出来的图片往往越精美，但是有时候20/30步也能出来很不错的图片，我个人就常用30-50步，很少拉满120步之类的。CFG scale/guidance数值越高你的命令越强，反之AI就更加自由。分辨率越高对硬件要求越大，并且默认每512个横向像素就有一个人物，也就是说如果使用768*768作为分辨率但是只要一个人物，那么就需要在关键词中加以限定。Batch size是指有多少张图同时生成，Batch count是每次安排几个batch一起生成。我建议Batch Size一直放在1，但是count调整到多一点（比如4），这样AI就会使用同一套参数一张一张生成，总共生成4张。基本上复杂的动作和构图我都是4张起做，经常10张一做，然后在里面挑出1-2张效果不错的。
生成图片前高喊AMD, YES! 有奇效！假的啦下期预告：如何通过调整/融合AI作画的模型和提示制作出电影一般的叙事效果，如下图所示。这些可都是直接生成、没有经过inpaint或者img2img处理过的
大概就先写到这里，有问题再改。如果觉得有用，欢迎在下面打赏几个SP，谢谢！ 
