basic usage

## Load Checkpoint 

 

- 模型存放位置：`models\checkpoints`

## CLIP (Prompt) 输入提示词


- 正向提示词

- 反向提示词

## Empty Latent Image


- 设置图像大小

## KSmapler 采样器设置


- seed

    - 种子：相同的种子值每次都会产生相同的图像集

- CONTROL after generated

    - 控制生存后种子的值，变化还是不变

- steps

    - 步数

- cfg

 - 生成的图像和文本相关性，值和相关性正比

 - 参考： [Stable Diffusion 的 CFG Scale 参数 - 蝈蝈俊 - 博客园](https://www.cnblogs.com/ghj1976/p/stable-diffusion-de-cfg-scale-can-shu.html)

- sampler_name

    - 采样算法

 - 参考：[彻底搞定ComfyUI中的采样器和调度器 - 技术栈](https://jishuzhan.net/article/1777525178465521666)

    - 参考：[全面理解Stable Diffusion采样器 - 知乎](https://zhuanlan.zhihu.com/p/673899723)

     - 在对比了各个采样器在多个维度的表现之后，推荐如下：

   - 如果想要速度快、收敛性好、质量也不错，且想试试新东西的话，最好选择：

    - DPM++ 2M Karras、20-30 步

    - UniPC、20-30 步

   - 如果想要比较好的质量，同时不在意是否收敛的话，可以选择：

    - DPM++ SDE Karras、10-15 步 （注意该采样器比较慢）

    - DDIM、10-15 步

    - 如果想要稳定、可复现的结果，不要用任何带有随机性的采样器，比如祖先采样器

    - 如果想生成一些简单的结果，可以用 Euler 或 Heun。在使用 Heun 时，可以调低一些步数来节省时间。

- scheduler

    - 调度算法

  - normal：

  - karras：

- denoise

    - 初始噪声值

## Vae 


- 变分自编码器

- 图像编码和解码

## Save Image


_以上就是出一张图的基本操作流程，后面是案例实践_