Skip to main content

Installer Stable Diffusion 2.1 sur votre machine locale : un guide étape par étape

Cherchez-vous à explorer les capacités de Stable Diffusion 2.1 sur votre ordinateur local ? L'exécution du logiciel localement peut vous offrir une plus grande flexibilité et un meilleur contrôle sur vos expériences, mais il peut être intimidant de le configurer pour la première fois. Dans ce guide étape par étape, nous vous guiderons tout au long du processus d'installation et d'exécution de Stable Diffusion 2.1 sur votre bureau. Vous serez opérationnel en un rien de temps, prêt à libérer la puissance de ce puissant logiciel de simulation. Alors, commençons! Avant de commencer, il est important de noter que Stable Diffusion 2.1 a des exigences matérielles et logicielles minimales. Assurez-vous que votre PC répond aux exigences suivantes avant de continuer : Système d'exploitation : Windows 7, 8 ou 10 ou Linux Processeur : Processeur double cœur ou supérieur RAM : 8 Go Go ou plus Carte graphique : NVIDIA ou AMD avec 8 Go de VRAM ou plus

Étape 1 : Télécharger le fichier du projet

Vous avez la possibilité de télécharger le fichier du projet sous forme d'archive ZIP ou de cloner le projet via Git. Dans cet exemple, nous allons télécharger le projet sous forme d'archive ZIP. Voici le lien pour télécharger le projet :

Projet Stable Diffusion WebUI

Une fois le fichier téléchargé, extrayez-le localement, de préférence à la racine du disque C:\, afin d'éviter les problèmes de chemin d'accès.

Étape 2 : Télécharger le fichier de contrôle

Le projet Stable Diffusion 2.1 est hébergé sur Hugging Face à l'adresse suivante : https://huggingface.co/stabilityai/stable-diffusion-2-1. Téléchargez le fichier de contrôle "v2-1_768-ema-pruned.ckpt" depuis Hugging Face et collez-le dans le dossier "Stable-diffusion" sous le dossier "models" dans le répertoire de votre projet. Vous devez également télécharger le fichier de configuration YAML correspondant et le renommer de la même manière que le fichier de contrôle. Les deux fichiers doivent se trouver dans le même dossier, comme indiqué dans l'image fournie. Assurez-vous également que l'extension de fichier du fichier YAML n'est pas ".txt". Voici le lien pour télécharger le fichier de contrôle :

Fichier de contrôle Stable Diffusion 2.0

Étape 3 : Générer des images

Double-cliquez sur le fichier "webui-user.bat" pour lancer l'installation de toutes les dépendances. Attendez que l'installation soit terminée et vous devriez voir le lien "localhost" affiché. Ouvrez ce lien dans votre navigateur pour accéder à l'interface utilisateur Web UI. Saisissez la commande de texte pour générer l'image souhaitée et appuyez sur le bouton "Generate". N'oubliez pas d'ajuster la résolution en fonction des capacités de votre carte graphique. Vous pouvez jouer avec les paramètres pour obtenir l'image souhaitée.

Labels:

Popular posts from this blog

Prompts to generate icons with midjourney

In today's digital age, icons have become an essential part of our visual language. Whether it's navigating a website, using a mobile app, or browsing social media, icons are used to convey meaning quickly and efficiently. With the rise of artificial intelligence (AI), creating custom icons has become easier than ever before. AI can generate icons on different styles, ranging from flat and minimalistic to detailed and realistic. In this article, we will explore how to generate icons using AI and provide prompts for generating icons on different styles. Flat icons with a colorful, geometric design These icons are designed to be simple and visually appealing, using bold colors and geometric shapes to create a clean, modern look. Line icons with a minimalistic, modern look These icons use simple lines and shapes to create a minimalistic, modern design that is easy to read and visually striking. Glyph icons with a classic, timeless design These icons are designed to be ...
Read more

Understanding OMNIPARSER: Revolutionizing GUI Interaction with Vision-Based Agents

Understanding OMNIPARSER: Revolutionizing GUI Interaction with Vision-Based Agents Introduction What is OMNIPARSER? Why OMNIPARSER is Innovative Methodology Interactable Region Detection Incorporating Local Semantics Training and Datasets Performance on Benchmarks ScreenSpot Benchmark Mind2Web Benchmark AITW Benchmark Real-World Applications and Future Potential Conclusion Introduction As artificial intelligence advances, multimodal models like GPT-4V have opened doors to creating agents capable of interacting with graphical user interfaces (GUIs) in innovative ways. However, one significant barrier to the widespread adoption of these agents i...
Read more