RTX 4070本地部署Stable Diffusion保姆级教程:从环境搭建到4K写实人像实战

RTX 4070本地部署Stable Diffusion保姆级教程:从环境搭建到4K写实人像实战

前言

最近换了一台 RTX 4070 (8G显存) 的笔记本,想着算力不能浪费,就折腾了一下本地部署 AI 绘画(Stable Diffusion)。

网上很多教程要么太老,要么就是让你装 Python、配 Git,环境报错能劝退 90% 的人。其实现在早就有“一键启动”的整合包了。

这篇文章不讲虚的理论,只记录我跑通的这套最稳的工作流。如果你也是 N 卡用户(推荐 3060 以上),照着做,半小时内就能画出超写实的 4K 美女图。 上效果

为了方便大家,我把文中用到的“启动器整合包”和“核心模型”都打包好了,链接放在文末,需要的自取。

一、 准备工作

1. 硬件要求

  • 显卡: 最好是 NVIDIA 显卡(N卡),显存建议 8G 起步。我的 4070 跑高清修复完全没压力。
  • 内存: 建议 16G 以上。
  • 硬盘: 至少预留 100G 空间(模型文件很大)。

2. 软件工具

千万别自己去 GitHub 下原版 WebUI,国内网络环境很难配置。 我使用的是 “秋叶(Aki)启动器”,它集成了运行环境,解压即用,非常适合新手。


二、 部署步骤(关键!)

很多朋友下载了软件却画不出好图,通常是模型没放对位置。请严格按照我的路径来放文件。

第一步:解压启动器

下载我提供的 sd-webui-aki-v4.10.7z 压缩包,解压到一个空间充足的盘符(不要有中文路径)。点击 A绘世启动器.exe 即可运行。

第二步:放置“大模型” (Checkpoint)

大模型决定了画风。如果你想画真人,千万别用软件自带的模型。 我测试下来效果最好的是 MajicMix Realistic (麦橘写实)

  • 文件后缀:.safetensors (通常 2G-4G 大小)
  • 存放路径:\sd-webui-aki-v4.10\models\Stable-diffusion(注意:是放在 Stable-diffusion 文件夹里,不要放错了)

第三步:放置 ControlNet 模型

这是用来控制人物动作的神器(可选,但建议装上)。

  • 文件特征: 文件名带 canny, openpose 等。
  • 存放路径:\sd-webui-aki-v4.10\models\ControlNet

三、 参数配置(作业直接抄)

打开 WebUI 界面后,不要用默认参数。这是我用 4070 测出来的最佳写实人像配置

1. 基础设置

  • 模型选择(左上角): 选中 majicMIX realistic
  • 采样方法 (Sampler):DPM++ 2M
  • 调度类型:Karras
  • 迭代步数 (Steps):30 (步数太低脸会崩)
  • 宽高设置:512 x 768 (竖屏构图,适合手机看)
  • 提示词引导系数 (CFG):7

2. 进阶:如何画出 4K 高清图?

默认生成的 512x768 图片放大看细节是不够的。一定要开启 Hires. fix (高清修复)

  • 勾选Hires. fix
  • 放大算法 (Upscaler):R-ESRGAN 4x+ (这个对皮肤纹理优化最好)
  • 高分迭代步数:13
  • 重绘幅度 (Denoising):0.4 (核心参数!超过 0.5 脸会变形,低于 0.3 没效果)
  • 放大倍率:2


四、 实测效果与提示词

不管是新手还是老手,Prompt(提示词)都很重要。分享一套我自用的“纯欲居家风”通用公式。

正向提示词 (Prompt): 直接复制进框里:

Plaintext

(masterpiece, best quality, 8k, highres, photo-realistic:1.4),raw photo,1girl,young,beautiful detailed face,(pure skin:1.2),soft smile,looking at viewer,wearing loose oversized white boyfriend shirt,(collarbone:1.1),messy tied hair,sitting on bed,cozy bedroom,morning light,sun rays,cinematic lighting,depth of field.,

反向提示词 (Negative Prompt): (防止画崩的通用词)

Plaintext

(worst quality:2, low quality:2, normal quality:2), lowres, bad anatomy, bad hands, missing fingers, extra digit, blurry, ugly, text, watermark. 

点击“生成”,你就能得到一张 1024x1536 的超高清写实人像。


五、 资源下载

为了防止大家找模型版本找错,我把**“秋叶启动器整合包”以及文中用到的“MajicMix 麦橘写实模型”**都打包放网盘了。

只要你电脑配置带得动,下载解压就能直接跑出文中的效果。

📂百度网盘链接

打开不开可以私信我,我会及时回复

Read more

LLMs:2024-2025 年旗舰 LLM 架构演进解读—大模型的“稀疏革命”与设计哲学:从 DeepSeek 到 Mistral(以及 Gemma、Llama、Qwen、Kimi)的 —— 探索

LLMs:2024-2025 年旗舰 LLM 架构演进解读—大模型的“稀疏革命”与设计哲学:从 DeepSeek 到 Mistral(以及 Gemma、Llama、Qwen、Kimi)的 —— 探索

LLMs:2024-2025 年旗舰 LLM 架构演进解读—大模型的“稀疏革命”与设计哲学:从 DeepSeek 到 Mistral(以及 Gemma、Llama、Qwen、Kimi)的 —— 探索 MoE 的“稀疏革命”、MLA 与 GQA 的 KV-cache 优化、sliding-window 与归一化放置的工程利弊—模型容量、推理成本与实战部署(tokenizer、FlashAttention、移动端 PLE)之间的权衡建议与实践指导 导读:这篇文章是一篇面向工程实践与研究者的综合性综述,横向比较了 2024–2025 年期间若干代表性开源与工业级大语言模型(如 DeepSeek 系列、Mistral、Gemma、Llama、Qwen、

(使用24GB显存运行Llama-3.1-8B大模型)Python程序使用modelscope和huggingface的transformers导入调用Llama-3.1-8B-Instruct模型

文章目录 * 正常导入Llama * 使用modelscope下载 * 使用transformers导入 * 24GB显存导入 * 拓展 正常导入Llama 正常情况下,使用如下代码导入meta-llama/Llama-3.1-8B-Instruct #需要安装transformers库,pip install即可。from transformers import AutoModelForCausalLM, AutoTokenizer model_name ="meta-llama/Llama-3.1-8B-Instruct"#要导入的大模型名称。 model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype="auto", device_map="auto") tokenizer = AutoTokenizer.from_pretrained(model_name) 但是书接上文,

扩散模型详解:从DDPM到Stable Diffusion再到DiT的技术演进

扩散模型详解:从DDPM到Stable Diffusion再到DiT的技术演进

1.摘要 扩散模型(Diffusion Models)作为当前最热门的生成模型之一,已彻底改变图像生成领域,本文从DDPM开始,逐步深入到Stable Diffusion和DiT架构。 扩散模型就像是一个"破坏-修复"的过程,想象一下你有一张美丽的图片,然后一点点地给它加上噪声,直到完全看不清原来的图片,然后让AI学会如何一步步把噪声去掉,重新还原出原始图片。这就是扩散模型的基本思路。 2. DDPM:扩散模型的奠基之作(2020年) 2.1 什么是DDPM? DDPM(Denoising Diffusion Probabilistic Models)是扩散模型的开山鼻祖,由OpenAI团队在2020年提出,它的工作原理: 前向过程(加噪声):从一张清晰的图片开始,逐步添加噪声,最终变成完全随机的噪声图。 反向过程(去噪声):训练AI学会如何一步步去除噪声,从随机噪声中重建出原始图片。 2.2 DDPM的模型结构详解 DDPM的核心是一个U-Net网络结构,U-Net详细架构如下图:

Solarized for Notepad++:打造Windows平台舒适编程体验的终极色彩方案

Solarized for Notepad++:打造Windows平台舒适编程体验的终极色彩方案 【免费下载链接】solarizedprecision color scheme for multiple applications (terminal, vim, etc.) with both dark/light modes 项目地址: https://gitcode.com/gh_mirrors/so/solarized Solarized是一款备受赞誉的精准色彩方案,专为多种应用程序(包括终端、Vim等)设计,同时支持深色和浅色模式。本文将详细介绍如何在Windows平台的Notepad++中实现这一广受好评的色彩方案,让你的代码编辑体验更上一层楼。 为什么选择Solarized色彩方案? Solarized色彩方案由Ethan Schoonover精心设计,以其卓越的可读性和视觉舒适度而闻名。它采用了科学的配色原理,确保长时间使用也不会导致眼睛疲劳。无论是在明亮的白天还是昏暗的夜晚,Solarized都能提供一致且舒适的视觉体验。 Solarized色彩方案展示