1. 初识StableDiffusion与Lora：AI绘画的核心组件
第一次接触StableDiffusion时，我被那些以.ckpt或.safetensors结尾的文件搞得很困惑。后来才发现，这些就是所谓的"模型"文件，它们就像是AI画家的大脑，存储着生成图像所需的所有知识和技巧。而Lora（Low-Rank Adaptation）则像是给这个大脑安装的扩展包，能够在不改变原有模型结构的情况下，为特定风格或对象提供精细调整。
举个例子，基础模型可能擅长画风景，但如果你想画特定风格的动漫人物，就需要加载对应的Lora模型。这就像Photoshop中的图层叠加，可以在基础图像上添加特定效果。我刚开始使用时，最大的误区就是把所有模型都混在一起，结果生成的图片总是很奇怪。后来才明白，不同类型的模型需要放在不同的文件夹中。
2. 环境准备与基础安装
2.1 硬件与软件需求
在安装之前，得先确认你的电脑配置是否达标。我曾在老笔记本上尝试运行，结果直接卡死。建议至少要有8GB显存的NVIDIA显卡（GTX 1060以上），4GB显存虽然也能跑，但生成速度会慢很多。AMD显卡用户需要额外安装ROCm驱动，这个我后续会提到。
软件方面，推荐使用秋叶大佬的整合包，它已经集成了Python、Git等所有依赖项。我第一次尝试从源码安装时，光是解决各种依赖问题就花了两天时间。整合包解压后大约15GB空间，建议预留至少30GB的SSD空间，因为后续下载的模型会占用大量存储。
2.2 安装步骤详解
下载整合包后，解压到不含中文和特殊字符的路径（比如D:\StableDiffusion）。我刚开始放在"我的文档"里，结果各种报错。解压完成后，先运行"安装依赖.bat"，这个步骤会安装必要的运行环境。
首次启动时，建议使用启动器而不是直接运行webui.bat。启动器提供了更友好的界面，可以方便地管理模型和插件。我在启动器设置中将显存优化选项调整为"中等"，这样在6GB显存的笔记本上也能流畅运行。
3. 模型下载与管理实战
3.1 主流模型获取渠道
Civitai（俗称C站）是最受欢迎的模型分享平台，上面有数万个用户上传的模型。第一次打开时我被琳琅满目的模型震撼到了，建议新手先从热门排行榜开始浏览。国内用户也可以访问哩布哩布(liblib.ai)，下载速度会快很多。
下载模型时要特别注意文件类型。有次我误将VAE模型当成基础模型下载，结果完全无法使用。基础模型通常以.safetensors或.ckpt结尾，大小在2-8GB之间；Lora模型则小很多，一般在10-200MB左右。
3.2 模型安装路径详解
基础模型要放在models\Stable-diffusion目录下。我建议为不同类型的模型创建子文件夹，比如"写实"、"动漫"等，方便管理。Lora模型则根据使用的插件不同，可能需要在两个位置都放一份：
- extensions\sd-webui-additional-networks\models\lora
- models\Lora
安装后如果没显示，记得在WebUI界面点击刷新按钮。有次我重启了三次都没看到新模型，后来发现是文件名包含特殊符号导致的。
4. Lora模型的进阶应用
4.1 Lora与基础模型的配合使用
在提示词中输入lora:模型名:权重即可调用Lora模型。权重值通常在0-1之间，我习惯从0.7开始尝试。有个小技巧：同时使用多个Lora时，它们的总权重最好不要超过1.5，否则容易产生奇怪的畸变。
我曾用koreanDollLikeness_v15模型生成动漫人物，开始时直接设为1.0权重，结果五官比例失调。后来发现0.6-0.8的权重效果最自然。不同Lora之间还会相互影响，比如服装Lora和发型Lora就需要调整权重平衡。
4.2 常见问题排查
如果Lora不生效，首先检查控制台是否有红色错误提示。我遇到最多的问题是模型版本不兼容，这时需要到Civitai查看模型适用的基础模型版本。另外，文件名中的特殊字符和下划线也经常导致加载失败。
内存不足时，可以尝试在设置中将"Cross attention优化"改为"xFormers"。我的GTX 1660显卡通过这个调整，显存占用从5.8GB降到了4.3GB。如果还是崩溃，就需要降低图片分辨率或使用Tiled Diffusion插件了。
5. 实战案例：从零生成高质量图像
5.1 基础模型选择技巧
我常用的基础模型是RealESRGAN和AnythingV5，前者适合写实风格，后者擅长动漫。选择时要注意模型的训练数据说明，比如有的模型专门训练过亚洲人脸，有的则更适合欧美风格。
首次使用新模型时，建议先用官方提供的示例提示词测试。有次我直接用自己的提示词，结果生成的图片和模型示例差距很大，后来发现是采样方法设置不对。Euler a采样器适合创意性内容，DPM++ 2M Karras则更稳定。
5.2 参数调优心得
CFG Scale值控制着AI遵循提示词的程度，通常在7-12之间。我做过对比测试：低于7时AI太自由发挥，高于15则会导致图像僵硬。种子值固定可以复现结果，设为-1则每次随机生成。
高清修复(Hires.fix)能显著提升细节，但会大幅增加显存占用。我的经验是：先以512x512生成满意构图，再用0.5-0.7的重绘幅度进行高清修复。Denoising strength太高会导致图像完全改变，失去原有风格。
6. 性能优化与高级技巧
6.1 加速生成的方法
安装TensorRT插件可以将生成速度提升2-3倍，我在RTX 3060上测试，512x512图像从15秒降到了6秒。但配置过程比较复杂，需要为每个模型单独转换。更简单的方法是使用--medvram参数启动，虽然速度稍慢，但能有效降低显存占用。
对于低配设备，可以尝试使用Tiled Diffusion插件。它将大图分割成小块分别生成，最后再拼接起来。我用这个方法在4GB显存的笔记本上成功生成了2048x2048的高清图像，只是接缝处需要后期处理。
6.2 模型融合与自定义训练
通过Checkpoint Merger工具可以混合不同模型的特点。我尝试将写实模型和动漫模型按3:7比例融合，得到了独特的半写实风格。但要注意模型维度必须相同，否则会导致失败。
想制作专属Lora模型的话，需要准备20-50张统一风格的图片作为训练集。我首次训练用了100张自拍，结果过拟合严重，生成的图片都像我的克隆人。后来减少到30张并增加数据增强，效果就好多了。训练时学习率设为0.0001比较安全，太高会导致模型不稳定。
