SDXL1.0发布与部署教学，以及与SD1.5的优劣比较

欢迎来到剑心的AIGC频道，今天我们将共同探讨SDXL1.0的发布，并学习如何在本机部署这个环境。我们将使用Automatic1111 webUI以及comfyUI，并且我们将让两者共存于你的本机里，共享同一份环境和模型。这样，我们就可以随意切换，而且能大大节省我们的硬盘空间。切换之后，两个WebUI都可以共享你更新后的模型。

SDXL1.0与SD 1.5的优劣对比

本次SDXL1.0相对于我们平时常用的SD 1.5有许多优势和劣势。首先，它的一个主要优势就是可以用更短的提示词来生成图片，人脸和手的问题也有很大的改进，训练图片的分辨率升级到了1024*1024，训练模型所需的图片也比之前更少，更容易训练出一些风格化的模型，照片生成的质感也比之前会更强。而它的一个劣势就是，目前1.5的扩展生态和模型生态其实是比SDXL好的，会有一段时间的一个共存。不过我相信很快SDXL的一些玩家训练的模型和它的扩展就会跟上，这个劣势就会慢慢抚平。

如何安装环境

首先，我们需要下载并安装Python和Git。Git的安装过程非常简单，只需访问对应的网站，选择64位版本下载并安装即可。对于Python，我们实际上要用的是3.10系列的版本。在安装过程中，我们需要勾选上"Add Python to PATH"的选项，这样Python就会被设置为我们的默认版本。接下来，我们需要安装WebUI。首先，我们新建一个文件夹，比如我这里用的是SDXLtest，然后在这个文件夹中打开终端，复制一条命令将WebUI的代码拉到本地。代码拉好后，我们就可以运行webUI-user的一个批处理文件了。

WebUI会帮我们创建一个Python的虚拟环境，主要的目的是为了我们不去影响其他的Python环境，提供一个沙盒环境。当我们要迁移文件夹时，比如从E盘可能空间满了，我要换一个盘，我们需要修改虚拟环境的激活路径。在Venv文件夹中的Scripts文件夹下有一个activate的批处理文件，我们需要打开它，并修改上面的路径，然后保存，再运行一遍这个activate的批处理文件，就可以使用了。

WebUI安装好了之后，我们还需要修改一些参数，比如自动启动xformers，这是必须要加的，然后SDXL我们也需要加这个参数，不要让他用半精的VAE。如果我们的显存在4-8 g之间，我们就可以加上这个中等显存的参数，如果我们的显存在4G以下，我们就需要加上另一个参数。如果我们的显存非常大，比如12G，24G，我们就可以不用加这些参数。我们需要下载三个模型，第一个是基础模型，基础模型是必然需要下载的，下载完之后我们会放在model下的stable diffusion下。第二个是精炼模型，精炼模型的主要作用是在做放大图片或者是图生图的时候，重绘时可以用到这个精修模型。第三个是VAE模型，主要是用来做编码和解码的，我们需要将它放在model下的VAE文件夹里。

一旦这些步骤都完成，我们就可以通过运行webUI user的BAT批处理文件来启动这个WebUI。一旦WebUI启动，我们就可以看到我们的模型列表了。WebUI目前支持我们同时使用1.5的一些模型和插件，我们只需要选择对应的模型使用即可。不过要注意，目前有三个采样器不支持SDXL，而外挂VAE建议选择自动模式，因为如果你选择我们以前常用的那种VAE模型，可能会出现错误。

安装comfyUI

接下来，我们将安装comfyUI，并让它与前面安装好的Automatic1111和模型共享同样的环境。我们需要复制一串命令行，然后在我们之前的SDXL test目录中打开终端，并执行复制的命令行。代码拉好了之后，我们需要修改命令行中的一部分，将它替换成我们之前的Automatic1111的目录。然后我们回到comfyUI的目录，打开终端，复制修改后的命令行并执行。执行完这一步之后，我们需要修改一个文件来共享Automatic1111的模型。我们需要找到一个文件，把里面的example去掉，然后用记事本打开。我们只需要把这个base path改成我们之前的Automatic1111的目录就可以。

启动comfyUI需要直接在终端里输入命令，我们可以复制一个命令，然后在终端中输入它。但是，如果我们不希望每次都用终端输入命令来启动comfyUI，我们可以制作一个批处理文件。我们只需要创建一个新的文本文档，把命令复制进去，然后保存为.bat文件。然后我们就可以通过双击这个.bat文件来启动comfyUI了。

现在我们已经设置完毕，可以随意切换使用comfyUI和Automatic1111的UI了。目前的WebUI刚更新1.5版本去支持SDXL，虽然有些地方不完善，比如control net不能用，但comfyUI在这一块支持的比较好。它还有自己的一些优势，比如可以像乐高一样自由组合我们自己的工作流，直接拖动图片上去，它就会自动帮我们选择好所有的参数以及模型。相比之下，WebUI目前只能帮你填好参数，模型还需要你自己手动去选择。

SDXL1.0的性能测试与评价

我们通过一些批量的案例来观察SDXL1.0的性能。我们选择了几种模型，包括最原始的1.5的模型，0.9的基础模型，1.0的基础模型，以及使用SDXL训练出的Dreamshaper模型。这些模型我们以30步为基准进行了测试，并且只调整了宽度和高度为1024，种子则随机选择。

结果显示，1.5的模型效果不佳，几乎不能看。0.9的模型表现较好，但颜色和整体感较弱。而1.0的模型表现最佳，颜色和整体感都较强。此外，如果我们的显存足够大，我们甚至可以不用加这些参数。因此，我认为在未来，基于SDXL训练出的模型，包括checkpoint和lora模型，都会有非常好的发展，效

果也会非常出色。虽然目前1.5的模型因为生态问题还可以继续使用一段时间，但我相信它很快就会被淘汰。

结论

总的来说，SDXL1.0的发布给我们带来了一种全新的生成图片的方式，它的优势在于可以用更短的提示词生成图片，人脸和手的问题得到了很大的改进，训练图片的分辨率也升级到了1024*1024。另外，通过在本机部署Automatic1111和comfyUI，我们可以随意切换两者，共享同一份环境和模型，这大大节省了我们的硬盘空间。

然而，SDXL1.0也有它的劣势，目前1.5的扩展生态和模型生态还是比SDXL好的，但我相信随着时间的推移，这个劣势将会被慢慢抚平。而在安装过程中，我们需要注意的是，安装Python和Git时需要选择正确的版本，同时在安装WebUI时，我们需要修改一些参数，下载并安装必要的模型。

在使用过程中，comfyUI和Automatic1111的UI都有其各自的优势，我们可以根据自己的需要随意切换。同时，通过对多种模型的测试，我们可以看出SDXL1.0的性能优于1.5的模型，甚至优于0.9的模型。

总的来说，SDXL1.0的发布和我们对它的学习都是一次有价值的经历，它提供了一种新的、更优的生成图片的方式，我相信它将在未来有更好的发展。