11| 基础参数

1. 采样方法（Sampler）

指生成图像过程中所使用的算法或技术。它决定了如何从模型的潜在空间中提取出最终的图像。SD模型采用了一系列高级的采样策略，以确保生成的图像既具有高质量又能够准确反映输入的文本描述

常用的有：

DPM++ 2M

Euler

Restart

DDIM等

2. 调度器（Scheduler）

调度器负责控制生成过程中的噪声添加和去除节奏，影响图像生成的平滑度和质量。不同的调度策略（如DDIM、DPMSolverMultistep等）可以带来不同的生成效果。

采样和调度是一起使用的，不同的模型和参数使用的采样方法也不一样，在选择模型的时候，可以查看它生成的比较好的图片所使用的采样方法作为参考

3. 迭代步数（Steps）

指生成一张图像所需的迭代次数。步数越多，模型有更多机会细化图像细节，但也会消耗更多时间。

步数过低，图片没生成完成；

步数过高，可能导致图片生成过渡，导致画面效果不佳。通常在10-40之间。

4. 高分辨率修复（High Resolution Fix）

用于提升生成图像的分辨率。先生成低分辨率图像，再通过模型放大并细化细节，以达到高分辨率的效果。

放大算法：对图片进行放大所使用的模型，写实类的通常选择R-ESRGAN 4x+，动漫类的选择R-ESRGAN 4x+ Anime6B。

高分迭代步数：与迭代步数一样，图片生成的步数，数值越高变化或增加的细节会越多；

重绘幅度：数值越高变化越多，只是做高清修复通常设置在0.3以下；

放大倍数：把图片之间放大多少倍

宽度和高度调整：直接调整图片比例

5. Refiner（精修器）

在初步生成图像后，使用另一个模型或技术对图像进行精细化调整，以提高图像质量或修正细节。

类似于高清放大，适用于XL，但是不是很常用

6. 总批次数（Total Batches）

在训练或生成过程中，数据集被分成多个批次，总批次数指的是整个过程中的批次总数。

7. 单批数量（Batch Size）

每一批次中处理的数据量。较大的批次数量可以加快训练速度，但也需要更多的计算资源。

8. 提示词引导系数（Prompt Guidance Scale）

控制生成图像与输入文本描述的匹配程度。系数越高，生成的图像越倾向于严格遵循提示词的描述。过高会使图片过拟合

9. 随机种子（Random Seed）

一个数值，用于初始化随机数生成器，确保在相同的参数下，多次生成的图像一致。通过设定种子，可以复现特定的生成结果。

在生成的图片下方的参数版块可以看到生成这张图片的seed值（随机种子），我们将这个数值键入到随机数种子输入框

其他参数不变的情况下，我们又可以完美的还原之前生成的图片

10.高度和宽度

【高度】与【宽度】共同定义了生成图片的分辨率，即图片的清晰度和大小。这两个数值通常在64至2048像素之间可调，为用户提供了从低到高不同等级的图像质量选择。

常用预设分辨率：512×512像素是最常用的分辨率设置，平衡了图像质量和生成效率，适合多数常规用途。

分辨率的影响：

• 存储空间：更高的分辨率意味着更大的文件尺寸，占用更多存储空间。
• 生成时间：高分辨率图像需要更长时间来生成，对计算资源的要求也更高。
• 图像细节：高分辨率可以呈现更丰富的细节，但过度追求高分辨率可能导致生成时间过长，甚至图像质量下降（如出现伪影或模糊）。