Stable diffusion model也可以叫做checkpoint model，是预先训练好的Stable diffusion权重，用于生成特定风格的图像。模型生成的图像类型取决于训练图像。
如果训练数据中从未出现过猫的图像，模型就无法生成猫的图像。同样，如果只用猫的图像来训练模型，它也只会生成猫的图像。
这里我们将介绍什么是模型，一些流行的模型，以及如何安装、使用和合并它们。
在计算机视觉和自然语言处理领域，微调模型是指使用预训练模型，并在特定任务上进行进一步的训练，以使其适应特定的数据集或问题。通过微调，模型可以更好地理解和处理特定领域的信息，从而提高其性能和准确性。
微调模型在各种领域都有广泛的应用，包括情感分析、图像分类、语义分割等。通过微调，模型可以适应不同领域的特定数据分布，从而提高其泛化能力和适应性。
微调模型是一种有效的方法，可以帮助我们利用预训练模型的知识，快速构建并优化适用于特定任务的模型。通过合理的微调策略，我们可以更好地利用现有的模型和数据，从而取得更好的效果。
Stable diffusion base模型非常出色，但并不是万能的。例如，它可以生成带有“动漫”关键词的动漫风格图片。然而，它可能很难生成特定子类型的动漫图片。
所以，通过微调可以生成不同风格的stable diffusion模型。下面是我们使用相同的提示词和设置，但是用不同模型生成的图片。
提示词如下：
a girl,0lg4kury,
其中0lg4kury是一个embedding。
我们分别使用了AnythingV5,dreamshaper_8和majicmixRealistic_v7这三个checkpoint来生成最终的图片。
大家可以看到，同样的提示词最后的图片效果是不同的。
其中AnythingV5是卡通风格，dreamshaper是真实绘画风格，而majicmixRealistic是真实照片风格。
使用模型是实现特定风格的简单方式。
checkpoint模型是一种通过额外训练和Dreambooth技术创建的模型，它们基于稳定扩散v1.5或XL等基础模型进行改进。这些方法允许用户根据自己的特定需求和兴趣来定制AI模型，从而生成更加个性化和专业化的图像内容。
额外训练： 额外训练是指使用特定的数据集对基础模型进行进一步的训练。这种方法可以让你专注于某个特定的主题或领域，例如cat。通过使用相关的数据集，你可以调整模型的输出，使其更倾向于生成具有cat特征的图像。这种方法的关键在于选择合适的数据集，并确保其与你的生成目标相匹配。
Dreambooth： Dreambooth是由谷歌开发的一种技术，它允许用户通过少量的自定义图片（通常是3-5张）将特定的主题或对象注入到文本到图像模型中。例如，如果你想要在生成的图像中包含自己的形象，你可以拍摄几张照片，并通过Dreambooth将这些图片与模型结合。这样，当你在生成图像时使用特定的关键词，模型就会根据这些图片生成包含你形象的图像。Dreambooth训练的模型依赖于这个关键词来触发特定的生成效果。
除了checkpoint模型，还有其他的模型类型，如embedding、LoRA、LyCORIS和超网络，它们各自有不同的特点和应用场景。文本反演通过定义新的关键字来描述特定的对象或风格，而LoRA和LyCORIS则提供了更快速和灵活的训练选项。超网络则是一种在原有模型基础上添加附加网络的方法，用于学习新的生成特征。
在本文中，我们将重点关注checkpoint模型。
你可以在C站上找到成千上万的模型，这里我来列举几个比较常用的模型，供大家参考：
这是Stability AI于2022年8月发布的v1.4版本, 是首个公开可用的稳定扩散模型。
这是一个通用模型，能够产生各种风格的作品,但是现在已经很少有人使用了，现在大多数人已经转向了v1.5模型。
stable diffusion v1.5 是由 Stability AI 的合作伙伴 Runway ML 于 2022 年 10 月发布。该模型基于 v1.2 并进行了进一步的训练。
模型页面未提及改进之处。与 v1.4 相比，它产生了稍微不同的结果，但尚不清楚它们是否更好。
与 v1.4 一样，您可以将 v1.5 视为通用模型。根据我的经验，v1.5 是作为初始模型的不错选择，并且可以与 v1.4 互换使用。
Realistic Vision 非常适合生成任何逼真的内容，无论是人物、物体还是场景。
DreamShaper模型经过微调，适用于介于照片逼真和计算机图形之间的肖像插画风格。
majicMIX是一个很棒的写实模型。
SDXL模型是备受赞誉的v1.5和被遗忘的v2模型的升级版本。
使用SDXL模型的好处包括：
更高的原生分辨率- 1024像素，而v1.5只有512像素
更高的图像质量（与v1.5基础模型相比）
能够生成可读的文本
更容易生成较暗的图像
Anything 是一个专门训练的模型，用于生成高质量的动漫风格图片。它对于将名人形象转换为动漫风格非常有用，然后可以与插画元素无缝融合。
当然还有其他的一些非常不错的模型，大家可以多逛逛C站，那里有你所要的一切。
Deliberate v2 是可以呈现逼真的插图。其结果可能会出乎意料地好。每当你有一个好的提示时，切换到这个模型，你会得到惊喜的结果。
F222模型在生成具有正确身体部位关系的美丽女性肖像方面非常棒。
ChilloutMix是一个专门用于生成亚洲女性照片模型。它就像是F222的亚洲版。
要在web GUI中安装模型，可以从C站或者其他的网站上下载对应的模型，并将checkpoint模型文件放在以下文件夹中：
stable-diffusion-webui/models/Stable-diffusion/
然后点击左侧顶部checkpoint下拉框旁边的刷新按钮。
在这个下拉列表中，你可以看到刚刚下载并安装好的模型。
还有一种方法，就是在txt2img或img2img页面中，选择Checkpoints标签页，也可以看到对应的模型。
CLIP Skip是Stable Diffusion中用于图像生成的CLIP文本嵌入网络的一项功能，它表示跳过最后的几层。
CLIP是Stable Diffusion v1.5模型中使用的语言模型，它将提示中的文本标记转换为embedding。它是一个包含许多层的深度神经网络模型。CLIP Skip指的是要跳过多少个最后的层。在AUTOMATIC1111和许多Stable Diffusion软件中，CLIP Skip为1时不跳过任何层。CLIP Skip为2时跳过最后一层，依此类推。
为什么要跳过一些CLIP层？因为神经网络在通过层时会总结信息。层越早，包含的信息就越丰富。
跳过CLIP层对图像可能会产生显著影响。许多动漫模型都是用CLIP Skip为2进行训练的。
在C站上，有些模型会专门标出对应的clip skip是多少，比如这个hellokid2d模型，他的clip skip就是2:
我们用这个模型为例，来尝试一下不同clip skip的效果：
正常情况下在文生图或者图生图界面上是看不到clip Skip选项的。 你需要去到 Settings > User Interface > User Interface页面， 在Quicksettings list中添加 CLIP_stop_at_last_layer. 然后点击 Apply Settings 最后 Reload UI.
clip skip 滑动按钮就会显示在webUI界面上了。
在webUI中合并两个models是非常简单的事情，我们导航到checkpoint Merger页面，选择好对应的两个模型,并调整乘数（M）以调整两个模型的相对权重。将其设置为0.5将以相等的权重合并两个模型。
按下Run后，就会把两个模型合并成一个新的模型。
你可以根据自己的爱好来尝试合并不同的模型，通过调整对应的权重，你可以得到意想不到的结果。
在模型下载页面上，您可能会看到几种模型文件格式。
这很令人困惑！您应该下载哪一个？
一些 Stable Diffusion checkpoint模型由两组权重组成：最后训练步骤后的权重和过去几个训练步骤的平均权重，称为 EMA（指数移动平均）。
如果您只对使用模型感兴趣，可以下载 EMA-only。这些是您在使用模型时使用的权重。它们有时被称为 Pruned模型。
如果您想要用额外的训练对模型进行微调，那么只需要 Full模型（即由两组权重组成的检查点文件）。
因此，如果您想要用它来生成图像，请下载 Pruned 或 EMA-only。这可以节省一些磁盘空间，哦，不对，是非常多非常多的空间。
FP 代表浮点。它是计算机存储十进制数的方式。这里的十进制数是模型权重。FP16 每个数字占用 16 位，称为半精度。FP32 占用 32 位，称为全精度。
深度学习模型（如 Stable Diffusion）的训练数据非常嘈杂。您很少需要全精度模型。额外的精度只是存储噪音！
因此，如果有可用的话，请下载 FP16 模型。它们大约是大小的一半。这可以节省几个 GB 的空间！
原始的 pytorch 模型格式是 .pt。这种格式的缺点是不安全。如果有人在其中打包恶意代码。当您使用模型时，恶意代码就可以在您的计算机上运行。
Safetensors 是 PT 模型格式的改进版本。它执行与存储权重相同的功能，但不会执行任何代码。因此，如果可能的话，请下载 safetensors 版本。如果没有这个版本，那么请从可信赖的来源下载 PT 文件。
在stable diffusion中，有四种主要类型的文件可以称为“模型”。
Checkpoint 模型 是真正的 Stable Diffusion 模型。它们包含生成图像所需的所有内容。不需要额外的文件。它们很大，通常为 2 - 7 GB。
文本反转（也称为embedding）是定义生成新对象或样式的新关键词的小文件。它们很小，通常为 10 - 100 KB。必须与 Checkpoint 模型一起使用。
LoRA 模型是用于修改样式的 Checkpoint 模型的小补丁文件。它们通常为 10-200 MB。必须与 Checkpoint 模型一起使用。
超网络是添加到 Checkpoint 模型的附加网络模块。它们通常为 5 - 300 MB。必须与 Checkpoint 模型一起使用。
在这篇文章，我介绍了 Stable Diffusion 模型，它们是如何制作的，一些常见的模型以及如何合并它们。欢迎大家自行尝试。