Stable Diffusion使用Google Colab安裝與使用

使用Google Colab執行stable diffusion就不需要使用具有GPU的電腦，由雲端的GPU執行，但免費帳號的Google Colab的GPU使用量，只能產出20圖片左右，超過就需要等待一天才能夠執行，如果要長期使用，需要改成付費帳號。如果自己有GPU的電腦，建議安裝stable diffusion到GPU電腦，請參考Stable Diffusion安裝在GPU的電腦與使用。

Step1)到GitHub專案camenduru(https://github.com/camenduru/stable-diffusion-webui-colab)選取腳本檔，在Google Colab執行腳本檔安裝Stable Diffusion。

搜尋想要的模型，目前網路推薦「chilloutmix 」，點選左側「stable」，開啟Google Colab，產生腳本檔。

Step2)點選左側的三角形圖示，就會在Google Colab執行此腳本檔，在Google Colab安裝Stable Diffusion。

Step3)最後出現以下畫面，點選任何一個網址就可以連線到Google Colab虛擬機器所產生的Stable Diffusion網站，筆者點選第一個網址「 http://7nlxahtop4qafuhzlbgrfcqle66axptewu7ccemtak7ccxt6k76q.remote.moe 」

Step4)點選後出現以下畫面，表示已經成功啟動Stable Diffusion

Step5)在prompt輸入文字，例如：「a man who play table tennis」，按下「Generate」就會產出圖片。

Step6)細節調整，重新產生圖片

Sampling method：可以選用各種方法試試，說明請參考Stable Diffusion Samplers: A Comprehensive Guide(https://stable-diffusion-art.com/samplers/)。

Sampling steps：建議設定為15-30，數值越大顏色越鮮豔

CFG Scale：建議設定為7-15，數值越大，越要符合使用者prompt的需求，設定為0則不管使用者的prompt的需求。

Batch count：一次產生幾張圖片

以下為ChatGPT的問答

問：Stable Diffusion的sampling steps 與CFG scale如何設定

答：

Sampling steps是指在生成圖像的過程中，擴散和逆擴散過程的迭代次數。通常，sampling steps越大，生成的圖像質量越高，但訓練時間也會相應增加。在實際應用中，通常需要根據生成圖像的要求和運算資源的限制來選擇sampling steps。一般來說，sampling steps的取值範圍在10到100之間。

CFG scale是指在訓練Stable Diffusion模型時，對損失函數中對比散度的懲罰項進行縮放的超參數。CFG scale越大，對比散度的懲罰項越強，生成的圖像質量也會相應提高。但是，如果CFG scale設置得太大，可能會導致訓練不穩定或過度擬合。一般來說，CFG scale的取值範圍在0.1到10之間。

需要注意的是，sampling steps和CFG scale是相互影響的，需要在兩者之間進行平衡。通常，可以先選擇一個較小的sampling steps和一個較大的CFG scale進行訓練，然後根據生成圖像的質量和訓練時間進行調整，直到得到滿意的結果為止。此外，還可以使用交叉驗證等技術來進一步優化sampling steps和CFG scale的設置。