DPM++ 2M alt Karras [采样器]

这是 DPM++ 2M Karras 采样器的替代版本。

我不认为这个采样器是终极的或最好的，但我经常使用它，因为我真的很喜欢这个采样器生成的图像的清洁度和柔和的色彩。

乍一看，结果可能并不明显，以全分辨率检查细节以查看差异（尤其是在暗区、背景和眼睛）。

github 页面。

方法一

如何试用

1. 打开 stable-diffusion-webui\repositories\k-diffusion\k_diffusion\sampling.py

2. 在底部添加以下代码

@torch.no_grad()def sample_dpmpp_2m_test(model, x, sigmas, extra_args=None, callback=None, disable=None):    """DPM-Solver++(2M)."""
    extra_args = {} if extra_args is None else extra_args
    s_in = x.new_ones([x.shape[0]])    sigma_fn = lambda t: t.neg().exp()    t_fn = lambda sigma: sigma.log().neg()    old_denoised = None

    for i in trange(len(sigmas) - 1, disable=disable):        denoised = model(x, sigmas[i] * s_in, **extra_args)        if callback is not None:            callback({'x': x, 'i': i, 'sigma': sigmas[i], 'sigma_hat': sigmas[i], 'denoised': denoised})        t, t_next = t_fn(sigmas[i]), t_fn(sigmas[i + 1])        h = t_next - t
        
        t_min = min(sigma_fn(t_next), sigma_fn(t))        t_max = max(sigma_fn(t_next), sigma_fn(t))        if old_denoised is None or sigmas[i + 1] == 0:            x = (t_min / t_max) * x - (-h).expm1() * denoised
        else:            h_last = t - t_fn(sigmas[i - 1])            h_min = min(h_last, h)            h_max = max(h_last, h)            r = h_max / h_min

            h_d = (h_max + h_min) / 2
            denoised_d = (1 + 1 / (2 * r)) * denoised - (1 / (2 * r)) * old_denoised
            x = (t_min / t_max) * x - (-h_d).expm1() * denoised_d

        old_denoised = denoised
    return x

1. 打开 stable-diffusion-webui\modules\sd_samplers_kdiffusion.py

2. 在 DPM++ 2M 和 DPM++ 2M Karras 旁边添加以下代码

samplers_k_diffusion = [
    ...
    ('DPM++ 2M Test', 'sample_dpmpp_2m_test', ['k_dpmpp_2m'], {}),
    ('DPM++ 2M Karras Test', 'sample_dpmpp_2m_test', ['k_dpmpp_2m_ka'], {'scheduler': 'karras'}),

重要的！安装前请备份原文件。

要安装此采样器，请下载文件，将其解压缩并将其放在文件夹stable-diffusion-webui/modules/中，并在必要时重命名为sd_samplers_kdiffusion.py 。

然后你应该重新加载（整个 SD 而不仅仅是 UI）你会看到这个：