大家好，我是靈魂畫師向陽

今天給大家分享一個基于Stable Diffusion WebUI 構建的AI繪圖工具—sd-webui-forge，該工具的目標在于簡化插件開發，優化資源管理，加速推理。

Forge承諾永遠不會對Stable Diffusion WebUI用戶界面添加不必要的改變，對于熟悉Stable Diffusion WebUI的同學，能夠借助 WebUI經驗，快速上手Forge的操作使用。

題外話：Forge作者一直活躍在AIGC繪圖社區。先后開源了ControlNet、Foooucs社區優秀的開源軟件，最近他又投入到Forge的開發，目標簡化AIGC新手入門繪圖門檻。

---

在分辨率為1024px圖像質量下，Forge與原始WebUI在SDXL模型推理速率相比，可獲得極大的性能加速提升：

• 如果你使用常見的GPU，如8GB顯存，推理速度（it/s）可以提高約30~45%，GPU內存峰值（在任務管理器中）降低約700MB到1.3GB，最大擴散分辨率（不會OOM）提高約2倍到3倍，最大擴散批量大小（不會OOM）提高約4倍到6倍。

• 如果你使用性能較低的GPU，如6GB顯存，推理速度（it/s）可以提高約60~75%，GPU內存峰值（在任務管理器中）降低約800MB到1.5GB，最大擴散分辨率（不會OOM）提高約3倍，最大擴散批量大小（不會OOM）提高約4倍。

• 如果你使用性能強大的GPU，如4090，帶有24GB顯存，推理速度（it/s）可以 提高約3~6%，GPU內存峰值（在任務管理器中）降低約1GB到1.4GB，最大擴散分辨率（不會OOM）提高約1.6倍，最大擴散批量大小（不會OOM）提高約2倍。

• 如果你使用ControlNet來進行SDXL推理，最大ControlNet數量（不會OOM）提高約2倍，SDXL+ControlNet的速度提高約30~45%。

除此之外，Forge還增加了一些高效的采樣器，例如：DDPM、DDPM Karras、DPM++ 2M Turbo、DPM++ 2M SDE Turbo、LCM Karras、Euler A Turbo等。

sd-webui-forge安裝

安裝包安裝

對于不熟悉git操作同學，則可以掃描免費獲取一鍵安裝包。下載完成安裝包后，本地解壓縮文件，然后使用update.bat更新，再使用./webui.bat運行，便可啟動forge軟件。

注意：一定要運行update.bat命令，這個很重要的，因為forge代碼還在快速迭代開發中，確保及時更新最新代碼和環境，否則可能會遇見一些未知的潛在bug版本。與sd-web-ui共享繪圖模型的方式與git方案完全一致。

Git安裝

如果是熟悉Git有一定開發經驗的用戶，可以使用git clone下載最新版forge源碼本地安裝.

環境安裝：

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
cd ./stable-diffusion-webui-forge
# Linux
pip3 install torch torchvision torchaudio
# window
# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt -U

與sd-web-ui共享模型，節約磁盤浪費。如果是window用戶則修改webui-user.bat如下：

@echo offset PYTHON=
set GIT=
set VENV_DIR=
set COMMANDLINE_ARGS=@REM Uncomment following code to reference an existing A1111 checkout.
set A1111_HOME=[stable-diffusion-webui目錄]set VENV_DIR=%A1111_HOME%/venv
set COMMANDLINE_ARGS=%COMMANDLINE_ARGS% ^--ckpt-dir %A1111_HOME%/models/Stable-diffusion ^--hypernetwork-dir %A1111_HOME%/models/hypernetworks ^--embeddings-dir %A1111_HOME%/embeddings ^--lora-dir %A1111_HOME%/models/Loracall webui.bat

當看見啟動命令如下則設置共享成功:

Launching Web UI with arguments: --xformers --forge-ref-a1111-home=sd目錄/ --ckpt-dir sd目錄/models/Stable-diffusion --vae-dir sd目錄/models/VAE --hypernetwork-dir sd目錄/models/hypernetworks --embeddings-dir sd目錄/embeddings --lora-dir /models/lora --controlnet-dir sd目錄/models/ControlNet --controlnet-preprocessor-models-dir sd目錄/extensions/sd-webui-controlnet/annotator/downloads

Forge啟動

從啟動界面可以看到，Forge的用戶使用界面與sd-web-ui完美的保持WebUI不變。這對新手用戶上手門檻降低了極大的門檻。在啟動界面中，能夠看見新增的SVD、Z123兩個tab，這是前文說的Unet Patcher帶來的新特性。

另外作者提到，Forge在保持了前端界面一致性，并承諾永遠不增加任何不必要的改變。后端則移除了所有與資源管理相關的WebUI代碼，并重新構建了后端的全部基礎設施，是一個重大的重構過程。

Forge插件不會共享，和webui一樣，使用extension安裝或者手工從webui復制。

sd-webui-forge體驗

在本地rtx4090 24G顯存的Linux環境中，使用sd_xl_base_1.0模型繪圖，能夠看見對應性能提升。耗時3.2秒，平均7.18GB顯存使用，最高峰8.46GB，系統使用率42.1%。相信對于其他低顯存機器，有更顯著的推理提升。

使用圖像擴大算法R-ESRGAN 4x+，擴大2X體驗。工具設置參數如下：

耗時18.1秒，平均13.6GB顯存使用，最高峰17.72GB，系統使用率82.3%。

forge主要是對顯存使用做了有效優化，對30系顯卡提升比較明顯，40系顯卡提升空間不大。但是有一些新增插件支持會很好，比如：sd-forge-layerdiffusio，以及官方feature列表中的Playground v2.5支持也是期待的功能。

繪圖體驗

1girl, solo, portrait, dark hair, slicked back hair, simple background, shirt, parted lip, lips, expressionless

感興趣的小伙伴，贈送全套AIGC學習資料，包含AI繪畫、AI人工智能等前沿科技教程和軟件工具，具體看這里。

AIGC技術的未來發展前景廣闊，隨著人工智能技術的不斷發展，AIGC技術也將不斷提高。未來，AIGC技術將在游戲和計算領域得到更廣泛的應用，使游戲和計算系統具有更高效、更智能、更靈活的特性。同時，AIGC技術也將與人工智能技術緊密結合，在更多的領域得到廣泛應用，對程序員來說影響至關重要。未來，AIGC技術將繼續得到提高，同時也將與人工智能技術緊密結合，在更多的領域得到廣泛應用。
?

一、AIGC所有方向的學習路線

AIGC所有方向的技術點做的整理，形成各個領域的知識點匯總，它的用處就在于，你可以按照下面的知識點去找對應的學習資源，保證自己學得較為全面。

二、AIGC必備工具

工具都幫大家整理好了，安裝就可直接上手！

三、最新AIGC學習筆記

當我學到一定基礎，有自己的理解能力的時候，會去閱讀一些前輩整理的書籍或者手寫的筆記資料，這些筆記詳細記載了他們對一些技術點的理解，這些理解是比較獨到，可以學到不一樣的思路。

四、AIGC視頻教程合集

觀看全面零基礎學習視頻，看視頻學習是最快捷也是最有效果的方式，跟著視頻中老師的思路，從基礎到深入，還是很容易入門的。

五、實戰案例

紙上得來終覺淺，要學會跟著視頻一起敲，要動手實操，才能將自己的所學運用到實際當中去，這時候可以搞點實戰案例來學習。

若有侵權，請聯系刪除