Stable Diffusion XL1.0正式发布了，赶紧来尝鲜吧

经过SDXL0.9和SDXL Beta的迭代，终于SDXL1.0正式版发布了！

之前使用AIGC生成图片，一般都是生成512*512的图，然后再进行放大，以达到高清出图的要求。但是这里有个问题是底模其实都是海量的512*512图片训练出来的，所以出图效果上经常不如人意，在细节上会差一些。这次SDXL1.0直接使用1024*1024的海量图片训练底模，而且分为了文生图用的base模型和图生图进行优化和放大的refiner模型，从而在开源免费的文生图软件上实现了不输于Midjourney的出图效果。

一、SDXL1.0简介

1. SDXL和SD1.5模型有什么差别

SDXL与原来的SD1.5模型除了大小不同外，最大区别是SDXL由base基础模型和refiner优化模型两组模型构成。您需要先运行基础模型，然后再运行细化模型。基础模型设置全局组成，而细化模型则添加更细节的细节。您也可以选择仅运行基础模型。

语言模型（理解您Prompt提示的模块）是最大的OpenClip模型（ViT-G/14）和OpenAI专有的CLIP ViT-L的组合。这是一个聪明的选择，因为Stable Diffusion v2仅使用OpenClip，很难提示成功。重新引入OpenAI的CLIP可以使提示更容易。在v1.5上有效的提示在SDXL上也有很好的甚至更佳的效果。

扩散模型中最重要的部分U-Net现在大了3倍。加上更大的语言模型，SDXL模型可以生成与提示紧密匹配的高质量图像。

因为底模是1024*1024训练的，比原来的512*512大了4倍，所以底模base基础模型大小也达到接近7GB，refiner也是差不多7GB，对硬件（GPU显存）的要求更高了！如果只有8G以下的显存，建议还是别碰SDXL了。

2.图片的真实感更强

因为对提示词的语义理解更准确，加上底模的分辨率更高，所以对光线、画质、镜头、角度、焦点等等的渲染更到位，以下是我使用提示直接基于XL base模型产生的图片。

如果基于这个图再进行图生图，并使用refiner模型，那么可以得到更好的效果。

base+refiner

3.对文字的渲染更可靠

之前在SD1.5时，是无法在提示词中提升图片中有哪些文字的，现在在SDXL中，可以比较好的实现对英文单词的渲染，不过有时候也要看运气，经常也会渲染的有些瑕疵，不过瑕不掩瑜，聊胜于无，总是一个不小的进步。这是提示词：

这是文生图的一个图片：

另外在二次元、场景渲染上SDXL都有不俗的表现，这里就不一一举例了，大家赶紧去体验一下吧！

下面我们就来看看怎么在Linux服务器上安装和使用SDXL1.0吧。

二、安装SDXL

1.环境准备

1.1 安装Git等基础软件

这个就看是Ubuntu还是CentOS，命令可能有所不同，不用纠结，直接按照官方源安装即可，不再赘述。

1.2 安装 Anaconda

Anaconda是一个Python发行版，它包含了Python解释器以及许多常用的Python库和工具。Anaconda的目标是使Python环境的安装和管理变得更加容易，特别是对于数据科学和机器学习等领域的工作。Anaconda中包含了许多用于数据处理、分析和可视化的库，如NumPy、Pandas、Matplotlib等，以及用于机器学习和深度学习的库，如Scikit-learn、TensorFlow和PyTorch等。Anaconda还提供了一个包管理器Conda，可以方便地安装、更新和管理Python库和工具。

进入网站：https://repo.anaconda.com/archive/ 直接下载最新版的Anaconda，比如：

curl -O https://repo.anaconda.com/archive/Anaconda3-2023.07-1-Linux-x86_64.sh

下载完成后，执行：

bash Anaconda3-2023.07-1-Linux-x86_64.sh

然后一路回车，该yes的时候yes一下，最终安装完成。

安装完成后需要添加环境变量到~/.bashrc中：

export PATH=$PATH:/root/anaconda3/bin

然后source ~/.bashrc，载入环境变量，接下来查看版本，确定是否安装成功：

 conda -V

正确显示就说明安装成功了。

1.3 创建并进入 conda 环境

接着我们需要通过 Anaconda 创建 conda 环境，并基于该环境部署相应服务。

conda create -n sdwebui python=3.10

然后

conda init bash

执行完成后需要重启终端。然后

conda activate sdwebui

进入了为SD WebUI准备的环境中。

(sdwebui) [root@localhost]

2.Stable Diffusion WebUI的安装

2.1 克隆Stable Diffusion WebUI源码到本地

执行命令：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

将代码从GitHub克隆到本地。然后记得切换到支持SDXL的版本，比如v1.5.1，当然更高的版本也可以!

git checkout v1.5.1

2.2 修改配置并下载安装依赖启动服务

当然由于我们是在服务器上运行，所以我们需要开启远程访问，而不能是127.0.0.1来访问，另外也需要开启一些优化之类的。我们需要修改webui-user.sh中的

export COMMANDLINE_ARGS="--disable-nan-check --no-half-vae --api --xformers --listen --share --enable-insecure-extension-access --medvram --opt-split-attention"

这里参数是我经过使用总结出来的，建议开启的，当然如果不想通过API来编程访问，可以去掉--api，不过强烈建议开启的是xformers，有了这个可以极大的节约GPU显存的消耗。

修改好后运行./webui.sh 系统在第一次运行的时候会发现少了很多依赖的库，所以会自动下载，这里我们保持网络通畅即可。

如果依赖下载完成，可以从控制台日志中看到启动成功。我们在自己的电脑浏览器中访问GPU服务器的IP：

http://192.168.100.100:7860/

即可看到SD WebUI了！

3.SDXL1.0大模型和vae下载

当前我们并没有下载SDXL1.0的底模，需要手动从HuggingFace下载，具体URL：

https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors

这两个文件是底模，大约7个G每个文件，下载到GPU服务器后，需要放到stable-diffusion-webui/models/Stable-diffusion文件夹中。另外还有一个VAE文件，是可选的，下载地址：

https://huggingface.co/stabilityai/sdxl-vae/resolve/main/sdxl_vae.safetensors

下载后放到stable-diffusion-webui/models/VAE 文件夹中。

然后我们来SD WebUI，刷新底模列表，即可看到XL的base和refiner模型。

至于VAE，默认是不显示在UI中的，可以在设置的用户界面选项中添加。接下来就可以在SD WebUI中享受SDXL带来的新体验吧！

三、总结

1.之前在SDXL1.0发布之前，需要给sd-webui安装Demo扩展才能使用SDXL，现在不需要了，所以如果之前已经安装了Demo扩展的可以删除掉了。

2.直接出尺寸在1024或者之上的图，不要出512*512的图。

3.之前下载的Lora和底模、Embedding等都不能在SDXL1.0上使用，所以需要重新从C站下载专门的SDXL版。很多Lora都没有出XL版Lora，所以大家还是等等生态丰富了再作为生产工具吧。

4.Lora训练工具也更新了，有对应的SDXL版本分支，所以要搞Lora训练的同学，记得切换训练工具的版本，重新训练属于自己的XL Lora。