注意：小弟這篇不會講任何Stable Diffusion的下載、安裝、中文化等等流程，重心會放在模型、提示詞、硬體實際耗用狀態等等。如果想接觸Stable Diffusion但是還沒有基礎的話，小弟推薦下面中文連結（都是自己看過查過的）給你參考：
店小二日記：由淺到深介紹Stable Diffusion跟相關應用，小弟大部分都看這邊學的。
電腦王 Stable Diffusion AI算圖使用手冊：章節很多，也蠻清楚好懂，撞牆的時候不妨看看。
↓完成Stable Diffusion安裝之後↓
如果有照著上面連結的一步一步在筆電安裝好Stable Diffusion（以下簡稱SD）的話，其實SD就是在Python上面跑的一支程式，透過安裝Web UI圖形化界面（Automatic1111）、下載相關支援檔案跟中文化之後，就可以進入實際的操作畫面。
不過到這一步，只是有了算圖的基礎骨架而已，想要算出好看、符合需求、甚至是特定畫風的圖，在SD上面會需要了解所謂「模型權重存檔點」（主要模型庫）跟LoRA（low-rank adaptation）風格的設定。「模型權重存檔點」英文叫「checkpoint」，就是將大量圖庫訓練出來的資料「模組化」，剛裝好的SD上面就預設提供了「v1-5-pruned-emaonly」的模型可供使用，但其實這個時候如果對Prompt提示詞沒有太多理解的話，生出來的圖通常都不太好看（其實不只是不好看，而是超醜而且完全沒邏輯可言…）。
經過一番折騰之後，小弟嘗試搜尋相關的資源，發現一個名為「Civitai」的開源AI生成網站，上面有蠻多人分享訓練好的模型跟LoRA風格的資料可供下載，模型本身檔案很大，檔案可能都在GB等級以上，LoRA的話則是檔案不大，看了幾個大約100MB上下而已，如果說模型是基礎的話，那LoRA就是畫風、風格的設定，只要下對參數，可以把算出來的圖限制在某個畫風、風格裡面，底下就試玩一下：
首先到Civitai網站上面尋寶一下，
https://civitai.com/ （原則上下載模型不需要費用，但系統是有點數設計的，初玩的話斟酌使用）
看到一個閃電相關特效的模型庫，是Checkpoint Merge可用的，立馬下載。
把檔案下載好之後，放到對應的SD資料夾位置，重新整理，就可以選擇使用這個訓練好的模型來算圖。
選好檔案庫之後，小弟自己學著跟人家一樣「唱法」，其中提示詞的部份下了「玻璃罐子」、「暴風雨中的燈塔」、「光影」、「廚房」、「專業的」、「得獎的」、「高度細節」等等的字眼，反向的部份則是下了「醜的」、「模糊的」、「不清楚的」、「長頸（玻璃瓶的關係）」、「不對稱」、「浮水印」等等，可以想見當初作者訓練模型的時候肯定在模型庫端吃了不少苦頭…
不過除此之外，我決定算一張比較大的圖，所以長寬比例我改成1024x1024，同時打開「高解析度」，算了3~4次之後，就得到了這張圖：
這圖看起來細節還不錯，不過認真說就是燈塔本身太過清楚（因為透過玻璃的話…應該是稍微會霧一點），但不管是閃電特效、還是廚房後面焦段的部份，看起來都蠻滿意的（甚至連廚房外面都在打雷哈哈哈），所以如果想要更好的話，就是在參數跟提示字之間要多加琢磨。
產生這樣的圖，大約只花了40-50秒左右，但硬體部份：
一邊算圖，一邊把工作管理員打開，看了一下RTX 4090的工作狀態，G16在接上電源、開「極速」模式之下，可以看到GPU的「專屬GPU記憶體」使用量幾乎一直都處在滿檔，如果只是一般大小算圖（512x512）之類，記憶體佔用還不是那麼明顯，但如果把SD的「高解析度修正」點開，整個顯示卡記憶體都幾乎會被吃滿，不過溫度上G16挺令人滿意的，大概就在67-70度之間徘徊而已，風扇聲音也不大。
玩完一個模型之後，小弟又物色到另外一個叫做「helloOjects」的模型，特色一樣是屬於Checkpoint Merge的形式，檔案2.24GB，一樣先下載再說。
每次要導入新的模型的時候，SD界面上會花一點時間讀取資料庫，這個時間有長有短，取決資料庫原本大小，像上一個閃電的檔案就有6.4GB，讀取起來就蠻花時間。
其實內建的v1-5模型也有4.1GB左右，三套模型放在一起，也已經13GB以上了，如果是在本機端玩AI的話，久而久之累積的檔案庫資料，假設有10-20個模型，容量肯定會破300-400GB以上，桌機也許還不擔心，但筆電的話，即使是現在主流的512GB SSD的筆電，感覺儲存空間一下就不夠用了，可能要一直刪檔案之類，之前256GB SSD的舊筆電可能就要考慮換新或是升級了。G16預設直接配2TB，應該可以撐一大段時間。
把檔案放在對應的資料夾之後，模型權重存檔點馬上可以選helloobjects了。
一樣學人家的提示詞跟反向提示詞，嘗試製作一個高解析的椅子圖，不過做出來一直很爆笑，所以恕小弟不放椅子的真實圖了（我的椅子一直會長燈在頭上 XDDDD），但這邊可以看到，其實算圖過程中，SD在背景程式裡面會有詳細的運算狀態圖可以參考，對照GPU記憶體耗用的狀態，就可以知道算圖正在進行當中。
嘗試一陣子之後改算蔬菜沙拉圖（笑死），照抄提示詞出來的圖不是很滿意，慢慢改不同的詞測試，GPU跟記憶體一樣很賣命的運作中，但GPU溫度大概就在70度以下而已。
最後獲得了一張看起來很厲害的沙拉圖（糟糕忘記下沙拉醬的提示…）
圖片結果非常精細，看起來就好像雜誌的插圖一樣。先不論蔬菜比例或是好不好吃（喂），可以算成這樣真的讓人體會到SD難怪這麼風靡的原因：透過不錯的本地端電腦硬體、加上網路跟社群訓練好的模型，只要發揮想像力多學一些提示字，真的能算出超乎想像、而且版權可任意使用的圖片（前提是使用的模型開源）。
不過實際使用，SD其實還有許多可玩的外掛跟功能可以選擇，隨便點到「設定」頁面，SD有非常大量的參數跟選項可以調整、也有很龐大的外部資源可以使用，像是SD/SDXL/VAE這些，網路上就有大量的討論跟社群提供資料，如果自己已經知道自己想玩什麼方面（譬如說動畫、人物、建築、主題等等），只要多利用社群資料，也許有一天訓練模型庫上傳、造福大眾的，就是你我這樣的普通人
在SD使用的過程中，深深感覺筆電的主記憶體、GPU記憶體、SSD容量都非常重要。因為在本機算圖的過程中，記憶體影響算圖的效率、SSD容量則是攸關主模型的下載與使用彈性，因為SD如果玩到很深入，其實有一種連續套用風格的「模型權重存檔點合併」的功能，也就是可以同時使用好幾種模型庫來做算圖，如果連續用3個6～8GB的模型庫合併運算，那就一次有20幾GB的資料在系統上流動，如果是舊筆電的話可能跑起來會比較吃力。這時可以升級更大SSD、或是有2組SSD插槽的筆電就蠻重要的，增加儲存的彈性跟效率在SD算圖上會比較有餘裕一點。
不過單純從GPU來看，G16搭4090算圖的效率蠻不錯的（對照組是我那礦潮撿來的3060…），4090跑高解析的圖，除了可以很快看到預覽、出圖速度快之外，整個系統溫度也保持的不錯。 偶爾會聽到風扇加速的聲音，但整個機身沒什麼熱量，建議在意的人可以帶SD去賣場在試用機上跑看看（？）
以上一點微心得。
