Fooocus项目自定义预设配置指南
2025-05-02 19:27:04作者:何举烈Damon
在AI图像生成领域,Fooocus作为一款优秀的开源工具,为用户提供了灵活的配置选项。本文将详细介绍如何为Fooocus创建自定义预设,以满足不同模型和工作流程的需求。
预设系统概述
Fooocus内置了三套预设配置:速度优先、极速模式和品质优先。这些预设针对标准模型进行了优化,但当用户使用Turbo或Lightning等特殊模型时,默认预设可能并不理想。预设系统允许用户保存特定的参数组合,包括采样步数、CFG值和采样器等关键设置。
创建自定义预设
预设文件结构
在Fooocus安装目录下的"presets"文件夹中,存放着所有预设配置文件。每个预设都是一个独立的JSON格式文件,包含完整的参数设置。用户可以通过复制现有预设文件并修改参数来创建新的预设。
关键参数配置
以下是为Turbo模型创建自定义预设时可能需要调整的核心参数:
{
"default_cfg_scale": 3.0,
"default_sampler": "dpmpp_2m_sde_gpu",
"default_overwrite_step": 1
}
其中:
default_cfg_scale:控制生成图像的创意自由度default_sampler:指定使用的采样算法default_overwrite_step:设置采样步数
预设应用方法
通过批处理文件调用
创建自定义批处理文件(.bat)是应用预设的便捷方式。使用文本编辑器创建新文件,内容如下:
.\python_embeded\python.exe -s Fooocus\entry_with_update.py --preset 预设名称
pause
将此文件保存为"run_预设名称.bat"格式,双击即可使用指定预设启动Fooocus。
多实例运行
Fooocus支持同时运行多个实例,每个实例可以使用不同的预设配置。这在需要同时使用不同工作流程(如标准生成和局部重绘)时特别有用。
高级配置建议
-
模型专用预设:为不同类型的模型(如Turbo、Lightning等)创建专用预设,确保参数与模型特性匹配
-
工作流程优化:针对不同任务(如人像生成、风景创作、局部修改)创建特定预设
-
参数实验:通过创建多个相似预设进行参数对比测试,找到最优配置
通过合理使用自定义预设系统,用户可以显著提升Fooocus的工作效率,避免重复设置参数的繁琐操作,同时确保不同工作流程都能获得最佳效果。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147