NMKD Stable Diffusion GUI 技术指南：从安装到精通

准备工作：环境配置与依赖检查

系统配置检测三步法

在开始安装前，请确认你的系统满足以下要求。使用快捷键 Win + R 输入 dxdiag 可快速查看硬件信息：

配置类型	基础要求	推荐配置
操作系统	Windows 10 64位	Windows 11 64位专业版
GPU	Nvidia GPU 4GB VRAM (Maxwell架构)	Nvidia GPU 8GB VRAM (Ampere架构)
内存	8GB RAM + 启用页面文件	16GB RAM
存储	10GB 可用空间 (HDD)	12GB SSD + 5GB 临时空间

⚠️ 注意：AMD显卡用户需额外安装ONNX运行时支持组件

---

开发环境快速部署

1. 获取代码仓库
   打开终端执行以下命令克隆项目（需提前安装Git）：

   git clone https://gitcode.com/gh_mirrors/te/text2image-gui
   cd text2image-gui  # 进入项目目录
   

2. 依赖安装命令生成器
   根据你的Python环境选择对应命令：

   # 基础安装（推荐）
   pip install -r requirements.txt --upgrade
   
   # 带ONNX支持的完整安装
   pip install -r requirements.txt[onnx] --upgrade
   

3. 环境验证
   执行环境检查脚本确认配置正确性：

   python -m StableDiffusionGui.Installation.Setup --check
   

快速上手：5分钟启动秘籍

项目架构速览

NMKD Stable Diffusion GUI采用模块化设计，核心文件结构如下：

text2image-gui/
├── StableDiffusionGui/       # 主程序目录
│   ├── Forms/                # 界面组件（含MainForm.cs主窗口）
│   ├── Implementations/      # 后端实现（InvokeAI/ComfyUI支持）
│   ├── Io/                   # 输入输出模块（配置/路径管理）
│   └── Main/                 # 核心逻辑（Constants.cs定义关键参数）
└── builds/                   # 预编译版本

📌 关键文件：MainForm.cs 包含GUI交互逻辑，Constants.cs定义系统常量

---

启动参数全解析

通过命令行参数可实现高级启动选项，常用参数示例：

# 标准启动（带安装检查）
python -m StableDiffusionGui --install

# 带ONNX支持的启动
python -m StableDiffusionGui --install-onnx

# 更新依赖并启动
python -m StableDiffusionGui --update-deps

💡 提示：按住Shift点击可执行文件可打开带参数的启动对话框

---

首次运行配置向导

1. 初始设置
   首次启动会自动打开配置向导，推荐保留默认设置：

   • 模型存储路径：默认./Data/Models
   • 输出目录：默认./Images
   • 缓存位置：建议设置在SSD分区

2. 模型快速加载
   通过模型管理界面（Models标签页）执行：

   • 点击"Download"按钮
   • 选择模型类型（如SDXL 1.0 Base）
   • 等待下载完成后自动加载

3. 生成第一张图像
   在主界面填入：

   • 提示词：a beautiful sunset over mountains
   • 迭代步数：20
   • 采样器：Euler a
   • 点击"Generate"按钮开始生成

进阶探索：核心功能与脚本应用

高级参数调优指南

通过修改配置文件StableDiffusionGui/Io/config.json实现精细化控制：

{
  "Implementation": "InvokeAi",  // 后端选择（InvokeAi/Comfy）
  "Sampler": "k_euler_a",        // 默认采样器
  "Steps": 30,                   // 默认步数
  "Ui": {
    "ControlnetSlots": 5,        // 控制网插槽数量
    "DefaultLoraStrength": 0.8   // LoRA默认强度
  }
}

🛠️ 技巧：使用SettingsForm界面可实时调整大部分参数

---

核心脚本应用场景

1. 模型转换工具
   ConvertModelForm.cs提供模型格式转换功能：

   • 用途：将CKPT模型转换为Diffusers格式
   • 操作路径：菜单 Tools > Convert Model
   • 典型应用：优化模型加载速度

2. 批量处理脚本
   通过PromptListForm实现批量生成：

   // 代码片段：批量生成实现（MainForm.cs）
   private async void generateAllQueuedPromptsToolStripMenuItem_Click(object sender, EventArgs e)
   {
       await Run(true);  // 参数true表示处理队列中所有任务
   }
   

   应用场景：生成系列化图像、风格迁移测试

3. 后处理流水线
   支持链式图像处理：

   // 代码片段：图像修复流程（MainForm.cs）
   await InvokeAi.RunFix(imagePath, new[] { 
       InvokeAi.FixAction.Upscale,       //  upscale first
       InvokeAi.FixAction.FaceRestoration // then face fix
   }.ToList());
   

扩展开发入门

通过实现IImplementation接口添加新后端支持：

// 示例：自定义实现模板（Implementations/IImplementation.cs）
public interface IImplementation
{
    Task<TtiTaskInfo> Generate(TtiSettings settings);
    List<Model> GetModels();
    bool IsInstalled();
}

常见扩展方向：

• 自定义采样器集成
• 新型控制网支持
• 云渲染后端对接

环境配置示例

📚 扩展文档：查看docs/目录下的开发指南获取更多信息

问题排查与性能优化

常见错误解决方案

错误现象	可能原因	解决方法
启动时闪退	Python版本不兼容	需Python 3.9.x - 3.10.x版本
模型加载失败	路径包含中文	修改配置文件使用纯英文路径
显存溢出	图像分辨率过高	降低尺寸或启用分块处理

性能调优参数表

参数类别	优化建议	适用场景
推理精度	启用FP16模式	显存<8GB时
并行处理	设置num_workers=4	CPU核心数>4时
缓存策略	启用模型缓存	频繁切换模型时

通过修改StableDiffusionGui/Io/Paths.cs中的缓存路径设置，可将模型缓存迁移至高速存储设备提升加载速度。