当前位置: 首页 > news >正文

使用stable diffussion插件StableSR将图片高清放大

一:需要安装的插件

1、StableSR,项目地址:https://github.com/pkuliyi2015/sd-webui-stablesr

不过国内没什么用,访问不了,可以用下面的国内镜像:

https://gitee.com/han51535/sd-webui-stablesr.git

这个试过,还是可以用的。

2、安装“Multidiffusion”插件

项目地址:https://github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111

当然同样访问不了,我们还是用国内的镜像替代

https://gitee.com/stable_diffusion/multidiffusion-upscaler-for-automatic1111.git

二:需要下载的模型

1、StabilityAI”的官方大模型(5.21GB)

名称:v2-1_768-ema-pruned.ckpt

下载地址:https://huggingface.co/stabilityai/stable-diffusion-2-1/tree/main

安装位置:stable-diffusion-webui/models/Stable-Diffusion/ 文件夹中

2、“VAE”模型。(745MB)

名称:vqgan_cfw_00011_vae_only.ckpt(约750MB大小)

下载地址:https://drive.google.com/file/d/1ARtDMia3_CbwNsGxxGcZ5UP75W4PeIEI/view

放在你的 stable-diffusion-webui/models/VAE

3、“StableSR”脚本模型。(400MB)

名称:webui_768v_139.ckpt

下载地址:https://huggingface.co/Iceclear/StableSR/blob/main/webui_768v_139.ckpt

放置位置:/stable-diffusion-webui/extensions/sd-webui-stablesr/models

虽然都访问不到,但是还是列出名称和链接,万一有会魔法的小伙伴能用到呢。

这里我上传了这些模型,找了整整一个晚上,算是东拼西凑的弄完整了。实在找不到的小伙伴可以从这里下载。

百度网盘下载:https://pan.baidu.com/s/1HH9RQihfFOa6kiIBguvpyg?pwd=lgpk 提取码:lgpk 

三:开始工作

1、打开SD WEBUI,转到图生图,打开测试的图片(下载包里有一张),也可以自己找。

2、Tiled Diffusion设置

首先要启动VAE切片,前要要打勾

编码和解码切片大小不要设置太大,会占用较大的内存。我这台机器的是P40,24G的GPU,目前设置的值仅供参考。

3、脚 本设置

拉到页面最下面,脚本处。 

选择StableSR脚本模型

SR Model:选择webui_768_139.ckpt,缩放比,这里选的是2,就是放大两倍。

其他可选默认值

点击生成

四:问题解答:

生成过程中内存溢出的解决方法,打开stable diffusion项目目录

vim webui.py

if__name__=="__main__":
#在这句的下面加上下面这句话
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

然后再执行启动stable diffusion

python webui.py

如果你是使用launch.py启动的,也一样,把这句加到那里。只是你需要在launch.py最前面加上

import torchdevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

相关文章:

使用stable diffussion插件StableSR将图片高清放大

一:需要安装的插件 1、StableSR,项目地址:https://github.com/pkuliyi2015/sd-webui-stablesr 不过国内没什么用,访问不了,可以用下面的国内镜像: https://gitee.com/han51535/sd-webui-stablesr.git 这…...

ActiveMQ:专注消息传递,助您构建高效稳定的系统

在数字化世界的今天,应用程序和系统之间的通信变得日益重要,为了确保数据能够在不同的服务和组件之间高效、可靠地传输,消息队列技术应运而生。 Apache ActiveMQ 作为一种流行的开源消息队列技术,为企业级应用提供了强大的支持&am…...

小程序样例1:简单待办列表

基本功能: 显示所有待办列表(点击不同的文本进行显示) 没完成的待办 已完成的待办 新建待办test 清除待办foo 代码js文件: //index.js //获取应用实例 const app getApp(); Page({data: {todo: ,todos: [{"id": 1474…...

Jvm相关知识(面试高级必备)

类的实例化顺序 先静态、先父后子 先静态:父静态>子静态 优先级:父类>子类 静态代码块>非静态代码块>构造函数 一个类的实例化过程: ①.父类的static代码块,当前类的static; ②.顺序执行…...

android 常规log的查看与抓取

ProtoLog开关 在代码中我们经常看见ProtoLog打印的log,如下: ProtoLog.i(WM_DEBUG_ANIM, "Animation start delayed for %s", mAnimatable);这种log正常情况不会显示,因此我们需要打开开关,其格式为: adb …...

【SpringBoot】—— 如何创建SpringBoot工程

SpringBoot简化了Spring应用的初始搭建和开发过程。 工程创建 新建模块 出现java: 错误: 无效的源发行版:18这样的错误, 修改pom.xml文件 出现以下信息,即运行成功 修改默认端口 创建application.yml文件 内容: server:port:…...

2018年认证杯SPSSPRO杯数学建模A题(第二阶段)海豚与沙丁鱼全过程文档及程序

2018年认证杯SPSSPRO杯数学建模 基于聚类分析的海豚捕食合作策略 A题 海豚与沙丁鱼 原题再现: 沙丁鱼以聚成大群的方式来对抗海豚的捕食。由于水下光线很暗,所以在距离较远时,海豚只能使用回声定位方法来判断鱼群的整体位置,难…...

C# tcp客户端字符串(图片名称)+ 图片数据打包,发送到服务端;服务端接收到数据后解析数据包

在C#中,要将字符串和图片数据打包发送到服务端,并在服务端解析这些数据,可以按照以下步骤进行: 客户端打包数据 1、创建一个自定义的数据结构来保存字符串和图片数据。 2、将字符串转换为字节数组。 3、将图片数据转换为字节数组。…...

【机组】算术逻辑单元带进位运算实验的解密与实战

​🌈个人主页:Sarapines Programmer🔥 系列专栏:《机组 | 模块单元实验》⏰诗赋清音:云生高巅梦远游, 星光点缀碧海愁。 山川深邃情难晤, 剑气凌云志自修。 ​ 目录 🌺一、 实验目…...

axios query传数组参数的格式

在 Axios 中,当你需要传递数组参数时,可以使用以下几种方式进行格式化: 使用 paramsSerializer 将数组转换为逗号分隔的字符串: import axios from axios;import qs from qs;const arrayParams [param1, param2, param3];axios.…...

2018年认证杯SPSSPRO杯数学建模B题(第一阶段)动态模糊图像全过程文档及程序

2018年认证杯SPSSPRO杯数学建模 B题 动态模糊图像 原题再现: 人眼由于存在视觉暂留效应,所以看运动的物体时,看到的每一帧画面都包含了一段时间内 (大约 1/24 秒) 的运动过程,所以这帧画面事实上是模糊的。对电影的截图来说&…...

qt学习:Qfile文件类

目录 功能 读接口 参数说明 返回值 例子 写接口 参数说明 QString转为QByteArray 其他接口 功能 该类是一个用户读写文件io口,它继承于QFileDevice 读接口 qint64 read(char *data,qint64 maxSize)// 一次读取maxSize大小的数据存放在以data…...

从 GPT1 - GPT4 拆解

从 GPT1 - GPT4 拆解 从 GPT1 - GPT4GPT1:更适用于文本生成领域GPT2:扩展数据集、模型参数,实现一脑多用(多个任务)GPT3:元学习 大力出奇迹InstructGPT:指示和提示学习 人工反馈强化学习 RLHF…...

Python项目——计算器(PySide6+Pyinstaller)

1、介绍 使用python编写一个计算器,可以实现基本的运算。【注】该项目最终还有一些细小的bug没有完善,例如符号可以一直输入。 2、实现 使用pyCharm创建一个新的项目。 2.1、设计UI 使用Qt designer设计一个UI界面,保存ui文件&#xff0…...

ChatGPT 和文心一言哪个更好用?

根据提供的搜索结果,ChatGPT和文心一言各有特点和优势,选择哪一个更好用取决于具体的应用场景和个人需求。以下是两者的对比: ChatGPT: 适用场景:适合需要生成大量知识性文本的任务,如问答系统、知识图谱…...

数据备份与恢复

备份概述 一、备份方式 按照数据库服务状态分为: 冷备份:在备份时暂停数据库运行和服务,将整个数据库复制到备份设备中 热备份:在备份时不停止数据库的运行和服务 按照备份的数据分为: 物理备份:备份…...

数据库原理及数据库的优化

1、数据库的原理 数据库:持久化存储,存到硬盘 性能:oracl>db2>sqlserver>mysql oracl,db2,sqlserver性能差不多,几十万次每秒,myslq性能差很多,几千次每秒,都…...

C语言第三弹---数据类型和变量

✨个人主页: 熬夜学编程的小林 💗系列专栏: 【C语言详解】 【数据结构详解】 数据类型和变量 1、数据类型介绍1.1、整型1.2、浮点型1.3、字符型1.4、布尔类型1.5、各种数据类型的长度1.5.1、sizeof操作符1.5.2、数据类型的长度1.5.3、sizeo…...

[通知]rust跟我学:文件时间属性获得方法文章已上线

大家好,我是带剑书生,开源库get_local_info的作者。目前我的付费专栏已经上线第七篇文章,用于介绍在实现get_local_info过程中,遇到该问题所使用的解决方法,喜欢的朋友可以去订阅了,19.9元,非常…...

基于嵌入式的智能智能通风系统

基于嵌入式的智能智能通风系统 功能说明 通过微信小程序控制窗户的开关状体以及倒计时开关和定时开关,小程序上实时显示当前温度湿度和光照强度。 功能展示 02智能通风系统 Mqtt服务器 http://www.yoyolife.fun/iot:Mqtt服务器,我是在这里注…...

Wan2.1 VAE入门:Ubuntu 20.04系统下的保姆级环境配置教程

Wan2.1 VAE入门:Ubuntu 20.04系统下的保姆级环境配置教程 你是不是也对那些能生成逼真图像的AI模型感到好奇,想自己动手试试,却被“环境配置”这道门槛给拦住了?特别是看到需要安装CUDA、cuDNN、PyTorch这些名字,头都…...

BALM2深度解析 | 港大MARS实验室如何用点簇革新激光BA?

1. 激光BA的痛点与BALM2的突破 激光SLAM领域一直面临一个核心难题:如何高效处理海量点云数据的同时保证位姿估计的精度?传统激光BA(Bundle Adjustment)方法在处理大规模场景时,往往陷入计算资源的泥潭。我曾在实际项目…...

非原生微信小程序逆向:H5页面调试与授权劫持技巧

非原生微信小程序逆向工程实战:H5调试与授权机制深度解析 微信生态中存在着大量采用H5页面套壳实现的"伪原生"小程序,这类应用往往隐藏着更灵活的技术实现和潜在的安全风险。本文将深入探讨这类特殊小程序的逆向分析方法,从技术原理…...

Transformer模型中的Self-Attention机制:从理论到代码实现(PyTorch版)

Transformer模型中的Self-Attention机制:从理论到代码实现(PyTorch版) 在自然语言处理领域,Transformer架构彻底改变了序列建模的范式。2017年那篇开创性论文提出的Self-Attention机制,不仅解决了传统RNN的长期依赖问题…...

从原始数据到三维点云:TI毫米波雷达信号处理全链路拆解

1. 毫米波雷达基础与TI设备特性 毫米波雷达作为现代感知技术的核心组件,其工作原理类似于蝙蝠的生物声呐系统,只不过使用的是电磁波而非声波。TI(德州仪器)的AWR系列雷达设备因其高性价比和完整开发生态,成为工业界的热…...

大学生专属福利:手把手教你用阿里云ECS免费搭建个人Linux服务器(附7个月白嫖攻略)

大学生零成本玩转云服务器:阿里云ECS实战指南 第一次接触云服务器时,我盯着控制台密密麻麻的选项发懵——地域、实例规格、安全组…这些术语对计算机系大二的我来说,就像天书。直到用学生身份白嫖了阿里云ECS,才真正理解了云计算的…...

格密码学入门:从基础定义到核心困难问题解析

1. 格密码学:当数学遇上信息安全 第一次听说"格密码学"这个词时,我正盯着电脑屏幕上一堆三维点阵图发呆。那是我在密码学实验室实习的第三天,导师随手画了两个相交的菱形,说:"这就是未来可能取代RSA的数…...

Reset Windows Update Tool终极指南:3步快速修复Windows更新所有问题

Reset Windows Update Tool终极指南:3步快速修复Windows更新所有问题 【免费下载链接】Reset-Windows-Update-Tool Troubleshooting Tool with Windows Updates (Developed in Dev-C). 项目地址: https://gitcode.com/gh_mirrors/re/Reset-Windows-Update-Tool …...

GEO数据整合实战:跨越批次效应的多队列联合分析

1. GEO数据整合的核心挑战 当你手头有多个GEO数据集时,就像收集了来自不同实验室的实验笔记。我处理过GSE83521和GSE89143的联合分析,发现最大的障碍就是批次效应——就像不同厨师用相同菜谱做菜,味道总会有些差异。这种差异可能来自实验时间…...

ESLint-Plugin-React 终极配置指南:如何创建适合不同团队的个性化规则组合

ESLint-Plugin-React 终极配置指南:如何创建适合不同团队的个性化规则组合 【免费下载链接】eslint-plugin-react React-specific linting rules for ESLint 项目地址: https://gitcode.com/gh_mirrors/es/eslint-plugin-react ESLint-Plugin-React 是一个专…...