共计 2413 个字符，预计需要花费 7 分钟才能阅读完成。
Stable Diffusion 是一个弱小的图像生成 AI 模型，但它通常须要大量调整和提醒工程。Fooocus 的指标是扭转这种情况。
Fooocus 的创始人 Lvmin Zhang（也是 ControlNet 论文的作者）将这个我的项目形容为对“Stable Diffusion”和“Midjourney”设计的从新设计。Fooocus 就像是 Midjourney 的收费离线版本，然而它应用 SDXL 模型。或者说它将 Stable Diffusion 的出图过程做了十分好的优化，没有那么多繁琐的配置。
Fooocus 内置和自动化了许多优化和品质改良，将其余页面的手动设置变为了主动配置，这样就和 Midjourney 一样，这将在每次尝试中取得良好的后果。如果你想做更多，你能够应用 Fooocus 的 Advanced 选项卡。比如说设置清晰度过滤器或自定义 lora。
在这篇文章中，咱们将介绍如何在本地和 Colab 上应用 Fooocus
在 Windows 上运行
只须要在下载文件，解压缩，而后运行 run.bat, 就是这么简略
在第一次运行时，它会主动下载模型，如果你曾经有这些文件，你能够把它们复制到下面的地位，以放慢装置速度。
- sd_xl_base_1.0_0.9vae.safetensors
- sd_xl_refiner_1.0_0.9vae.safetensors
Fooocus 能够在 16gb RAM 和 6GB VRAM 的零碎上运行，性能十分好，上面图片来自的 Github。
最低要求是 4GB Nvidia GPU 内存 (4GB VRAM) 和 8GB 零碎内存(8GB RAM)。
在 Linux 上运行
Linux 上会更加简略：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt与 Windows 相似下载模型以放慢过程，然而他的启动命令变为:
python launch.py或者如果想关上近程端口，须要应用 listen 参数
python launch.py --listen在 Google Colab 上运行
因为须要应用 GPU，所以咱们这里抉择 T4 GPU，因为它曾经够用了
而后应用上面命令，因为下载和装置，该操作可能须要一些工夫能力实现，然而 Colab 的下载速度很快，咱们不须要传输模型了
%cd /content
!git clone https://github.com/lllyasviel/Fooocus
!apt -y update -qq
!wget https://github.com/camenduru/gperftools/releases/download/v1.0/libtcmalloc_minimal.so.4 -O /content/libtcmalloc_minimal.so.4
%env LD_PRELOAD=/content/libtcmalloc_minimal.so.4
!pip install torchsde==0.2.5 einops==0.4.1 transformers==4.30.2 safetensors==0.3.1 accelerate==0.21.0
!pip install pytorch_lightning==1.9.4 omegaconf==2.2.3 gradio==3.39.0 xformers==0.0.20 triton==2.0.0 pygit2==1.12.2
!apt -y install -qq aria2
!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/ckpt/sd_xl_base_1.0/resolve/main/sd_xl_base_1.0_0.9vae.safetensors -d /content/Fooocus/models/checkpoints -o sd_xl_base_1.0_0.9vae.safetensors
!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/ckpt/sd_xl_refiner_1.0/resolve/main/sd_xl_refiner_1.0_0.9vae.safetensors -d /content/Fooocus/models/checkpoints -o sd_xl_refiner_1.0_0.9vae.safetensors
!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_offset_example-lora_1.0.safetensors -d /content/Fooocus/models/loras -o sd_xl_offset_example-lora_1.0.safetensors
%cd /content/Fooocus
!git pull
!python launch.py --share当它实现时，会看到一个连贯，相似下图
点击左边的 gradio.live 链接，就能够看到界面了，如果要进行高级设置，能够在 advanced 选项中看到更多的高级设置
总结
Fooocus 的操作要比 AUTOMATIC1111 不便很多，并且装置也简略，看看我生成的后果
最初 Github 更详细信息能够看这里
https://avoid.overfit.cn/post/7428cf29b9bd438e9948178252bf9ee5
