目录

一、Google Colab的基本介绍

二、Google Colab 的使用

 2.1 利用Google 浏览器搜索Google drive

 2.2 注册一个Google 账号，点击转至账号登录  ​

2.3 进入Google drive，点击转至Google 云端硬盘

2.4 创建一个新的Google Colaboratory

2.5 Google Colaboratory基本操作方法。

基本操作1：修改文件名、添加代码和文本块、连接到服务器

基本操作2： 点击修改，笔记本设置，便可以选择你想要使用的硬件，点击保存

基本操作3：点击连接，重新连接colab

基本操作4：Goolge colab 与Google硬盘连接- 注意：你也可以利用代码来挂载Google

三、stable diffusion web ui 部署

四、模型导入

一、Google Colab的基本介绍

• Google colab是一个免费的 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。并且可以免费使用Google的GPU （Tesla K80）‘*

• 2、Google colab 可以将你的Jupyter 笔记本存储在Google的云端硬盘当中，借助 Google colab，可以在云端编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，所有这些都可通过浏览器免费使用。
• 注意：如果想使用Google colab 需要TZ。

二、Google Colab 的使用

 2.1 利用Google 浏览器搜索Google drive

 2.2 注册一个Google 账号，点击转至账号登录
  

2.3 进入Google drive，点击转至Google 云端硬盘

2.4 创建一个新的Google Colaboratory，打开

2.5 Google Colaboratory基本操作方法。

基本操作1：修改文件名、添加代码和文本块、连接到服务器

基本操作2： 点击修改，笔记本设置，便可以选择你想要使用的硬件，点击保存

基本操作3：点击连接，重新连接colab

基本操作4：Goolge colab 与Google硬盘连接- 注意：你也可以利用代码来挂载Google硬盘

代码如下：将代码输入到代码框中，然后点击下方出现的链接，跳转到验证码。然后将验证码输入到下方的框中。

from google.colab import drive
drive.mount('/content/drive')

三、stable diffusion web ui 部署

stable diffusion web ui地址

https://github.com/AUTOMATIC1111/stable-diffusion-webui

在项目readme里面找到 Installation and Running，可以用colab在线使用，无需配置环境**（前提是可以连上Google）**
点击List of Online Services

跳转到有多种不同人维护的colab在线仓库

Online Services · AUTOMATIC1111/stable-diffusion-webui Wiki · GitHubhttps://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Online-Services 

这里我们选择第二个maintained by camenduru

地址：GitHub – camenduru/stable-diffusion-webui-colab: stable diffusion webui colab

 下拉readme，可以看到如下表格，lite、stable、nightly三个版本的区别在上面有介绍，这里选择第一行stable版本的，点击后跳转进入colab

 可以看到如下代码，只有一个代码块，colab运行代码之前要先登录Google 账号，没有号用手机注册一个

登陆了先别急，要在代码执行程序里更改运行时类型，这样才能跑stable diffusion web ui 

改成GPU 

 更改了之后就可以运行了（会警告非本地文件，选择仍要运行即可）

等待几分钟后，可以看到输出了两个链接，点下面这个后缀是.com的，点击后会自动跳转，等一会才能加载出

 可以看到stable diffusion web ui界面显示在网页中了

下面就可以开始ai绘图了~
 

四、模型导入

 要载入lora模型绘图之前，要下载基础模型ChilloutMix。点击导航栏里的civitai

Stable Diffusion模型是一种基于随机微分方程的图像生成模型，它的核心思想是通过多个时间步长进行图像迭代，最终生成一个高分辨率的图像。这种模型具有很好的可扩展性和灵活性，能够生成出非常逼真的图像。

Chilloutmix模型是一种基于深度学习的图像生成模型，它能够生成出非常优美和细腻的图像。这种模型的核心思想是通过对图像特征的学习，结合多种不同的图像生成技术，生成出非常具有艺术价值的图像。

DreamBooth

扩散模型是一种基于生成对抗网络（GAN）的图像生成模型。这种模型能够利用生成器和判别器的竞争，生成出非常具有艺术感和审美价值的图像。这种模型可以训练出非常复杂和高度细节化的图像，使得生成的图像非常逼真和惊艳。

以上模型可能会互相依赖使用，最后再使用一个LORA训练模型进行二次训练。

LORA训练模型，LoRA（Low-Rank Adaptation of Large Language Models）。主要是基于以上模型的训练结果来进行二次训练，这个模型既保留了预训练模型的语言理解和生成能力，又更好地适应了目标领域或任务更倾向你想表达的内容。

其中一些少儿不宜的内容大部分出自chilloutmix 和 Lora[奸笑]。

 按照下面标的顺序填写信息，我们现在要下载的是ChilloutMix，ChilloutMix属于Checkpoint类型，勾选Search by term?，然后在Search Term里面输入ChilloutMix，然后点get list就会搜索到ChilloutMix这个模型，然后再选择需要的版本，然后再选择Model Filename。Trained Tags (if any)和Download Url都是自动填充的。

信息填写完毕后，点击4th – Download Model，后台就会下载模型，可以切回到colab页面里看下载进度。

等下载完后，刷新重新加载模型，页面的左上角就可以切换到刚才下载的ChilloutMix模型了。

后面下载lora模型一是一样的方法，类型改成lora就行，然后根据自己想要的模型搜索term即可。

在civitai看到合适的模型，可以在此处复制别人的prompt

civitai网站 https://civitai.com/

全部粘贴到1所在的框中，然后点击2就可以解析粘贴的文本，自动填充。填充好后了点击generate就可以生成想要的图片~