武汉seo百度seo关键词优化推广哪家好
目录
0.本章讲解
1.提示词矩阵(prompt matrix)
1.2.提示词矩阵功能选项
1.2.1.把可变部分放在提示词文本的开头
1.2.2.为每张图片使用不同随机种子
1.2.3.选择提示词
1.2.4.选择分割符
1.2.5.宫格图边框（像素）
2.从文本框或文件载入提示词(Prompts from file or textbox)
2.1.语法
2.2.常用参数
3.XYZ图表
3.1.数值类的语法
3.2.XYZ的实际应用
0.本章讲解
1.提示词矩阵(prompt matrix)
提示词矩阵用于比较不同提示词交替使用对于绘制图片的影响,多个提示词以|为分割点
正向提示词：
masterpiece, best quality,t-shirt, 1girl, |Mountain|blue hair,
选中提示词矩阵脚本，此时四张图片，对应也会生成四种提示词
①masterpiece,best quality,t-shirt,1girl
②masterpiece,best quality,t-shirt,1girl,Mountain
③masterpiece,best quality,t-shirt,1girl,blue hair,
④masterpiece,best quality,t-shirt,1girl,Mountain,blue hair,
这个脚本会重组需要分割的提示词，组合最大数为N^2, N为|的数量
1.2.提示词矩阵功能选项
1.2.1.把可变部分放在提示词文本的开头
由于sd的提示词越在前面权重越重，勾选这个选项，则生成对应提示词时，提示词会默认在前面
1.2.2.为每张图片使用不同随机种子
勾选这个时，每次生成都会生成不一样的图片，但是一般不勾选，因为这样就没有对比性了
1.2.3.选择提示词
脚本提示词作用域是在正向提示词区域还是反向提示词区域
1.2.4.选择分割符
sd在最终生成提示词的时候，是以逗号分割还是以空格进行分割，就是|替换成逗号还是空格，一般默认为逗号即可
1.2.5.宫格图边框（像素）
图片之间的边框像素大小，调大一点，容易区分图片
2.从文本框或文件载入提示词(Prompts from file or textbox)
这个脚本就是从文本中指定各种参数用于生成图片，这样就可以进行批量处理
2.1.语法
参数前面加--，多个参数之间用空格分开，以换行进行区分生成多少张图片，如果参数对应的值为文本则需要添加双引号，为数字则不需要
--prompt "city"--prompt "snow mountain"--prompt "steppe"--prompt "steppe" --sampler_name "DPM++ SDE Karras" --seed 2740754650
这会生成四张图片
分别是
城市
雪山
大草原
大草原，指定采样方法为：DPM++ SDE Karras ，随机种子是：2740754650
2.2.常用参数
“sd_model”：模型名称
“outpath_samples”：样本输出路径
“outpath_grids”：网格输出路径
“prompt_for_display”：用于展示的提示词
“prompt”：正向提示词
“negative_prompt”：负面提示词
“styles”：提示词模板（你自己设置的提示词模板）
“seed”：随机种子
“subseed_strength”：次级种子强度
“subseed”：次级种子
“seed_resize_from_h”：次级种子高度
“seed_resize_from_w”：次级种子宽度
“sampler_index”：采样器索引
“sampler_name”：采样器名称
“batch_size”：生成批次
“n_iter”：每批数量
“steps”：采样迭代步数
“cfg_scale”：提词相关性
“width”：宽度
“height”：高度
“restore_faces”：面部修复
“tiling”：平铺
“do_not_save_samples”：不保存样本
“do_not_save_grid”：不保存网格
3.XYZ图表
XYZ图表可以比较直观的生成两个参数在不同值下的对比图，主要是用于调试对比
X轴展示时 会固定Y轴的参数，展示X轴数值变化对于Y轴的影响
Y轴展示时 会固定X轴的参数，展示Y轴数值变化对于X轴的影响
Z轴则会将X轴和Y轴组合展示的图片再分组展示
3.1.数值类的语法
当轴值为数字时有以下常用语法
3.2.XYZ的实际应用
1.我们想进行不同的模型在不同的迭代步数下的表现情况
X轴选中迭代步数，Y轴选中模型名
正向提示词
masterpiece, best quality,t-shirt, 1girl,
当然也可以只固定一个模型，查看某个模型在不同的迭代步数下情况下的生成。
2.不同的提示词在同一随机种子下的表现情况
当我们想知道 运动服 t恤 西装 毛衣 在图片的表现形式，那我们就应该选用 提示词搜索/替换（这里不能使用提示词矩阵，因为提示词矩阵是交替应用的方式）
sports wear 需要在正向提示词中 不然会报错：
RuntimeError: Prompt S/R did not find sports wear in prompt or negative prompt.这是因为 "提示词搜索/替换" 中 第一个词语是需要在提示词区域进行搜索，后面的词语会进行替换第一个词语
正向提示词
masterpiece, best quality,1Man, sports wear,
当用完脚本之后，记得关闭脚本，不然会出现各种奇怪的问题导致无法出图。