2023年9月份了，技术日新月异。从10月开始跟着我一直在玩AI的应该什么都会了，但是后来加入的朋友们总是会漏掉一些技术、一些知识。
我的视频虽然基本上是按顺序更新的，但是也免不了会有一些曲折，不是很适合萌新入门。所以就有了这个教程。它总结了我的全部教程。
这个教程旨在带你从零快速入门AI绘画，他是一个类似速查表、一个引言、一个导论。通过这篇文章，你会迅速的认识到 AI是什么、摸清他的技术结构、以及迅速的跟上最新内容。
我会尽可能的将这篇文章写的简洁，他会为你指导大致的方向以及去哪里学习。（都在我这学！！！！）
所用到的全部软件皆为开源软件： webui。
AI 效果
既然是来看这个教程应该都知道AI绘画什么效果了，从二刺螈到真人，只要是能画出来的都能画。（我不赞同画真人，本篇教程也完全不会涉及到任何相关内容。）
AI 做得到的
通过文字描述凭空生成一张图片（文生图功能），在基础图片上重新绘制或修改一幅图片（图生图功能）
AI 做不到的
AI 是无法做到你给他一张图片就直接会照着画出来无数张这个物体或人物的图片的。
就比如说，我这里有一个立绘，你想让AI只根据这一个立绘就完美画出来各种动作角度，抱歉，做不到或者说是技术限制，目前根本就做不好（这有个专业术语叫one shot）。想法是美好的，现实是残酷的。目前局限性很大。
AI 经过一定调教可以做到的（训练模型）
继续上文，AI 虽然无法根据单一张图片就完美复刻物体，但是在拥有足够的素材进行训练以后，就可以学习到一个人物或者画师的画风。
通常来说，要拥有较好的效果，人物学习最低需要10张以上。画风学习需要50张以上。
初探门径
所需配置
推荐配置：拥有独立显卡、RTX20系以后的显卡。仅生成图片推荐8G显存（4G是最低保障配置）训练推荐大于12G（越大越好）
内存推荐16G及以上。硬盘推荐使用固态硬盘，否则你开软件要等个5-10分钟。
CPU不做太多要求。
A卡能不能用？能，但是性能损耗很大。可以在Linux系统上获得最佳效果，但是由于我本人没有A卡，所以我也不会做相关的教程
开始：下载安装整合包
2023.7月更新了最新的整合包，无需任何操作即可达到最佳速度，解压打开即用，内置启动器。
如果你自己没使用整合包，从零部署，那么也可以在这里下载启动器放进去用。
开始：遇到问题了？
启动器内拥有 “疑难解答” 功能，可以自动扫描绝大部分问题。同时我也写了答疑专栏，会定期更新一些常见问题
入门基础
文生图基础使用
由文字描述直接生成图片
为生成的图片进行放大
生成的图片又糊，细节又不好看？直接拉大分辨率又出鬼图？正确的做法是下面的
AI 基本上无法生成超级大图，想要生成高清图片正确的做法是分辨率调小，比如，然后开启 “高清修复”。
如果你不会用，照抄我的参数就可以了。放大倍数请考虑自己的显存大小调整，太大会爆显存
按照这样，基本上就已经非常高清了。如果你还想继续放大，可以等到出图后点击这里的发送到后期处理，再选择放大算法进行放大。
图生图基础使用
（待更新参数讲解）在某一图片上进行修改（全部修改、部分修改、指定颜色修改）
查询图片参数
AI生成图片会自动保存全部参数到原图中，可以在WebUI的 “图片信息” 一栏内通过解析原图查看到。也可以使用我写的这个工具：
非AI生成图片或经过压缩的图片推荐使用 来尝试反推tag。
是一个插件，在新版的整合包内也帮你装好了，可以在顶栏找到。打开后拖入图片，AI会识别出一些tag。如果没有这个插件的话需要你自行安装，安装教程参考下面的插件管理部分。
使用精细控制画面
1.1 版本更新
使用X/Y图表
在生成图片时候，可以使用x/y图表快速生成不同参数的图片进行对比。
一个图表示例，常用做对比图
（待更新专栏，可以先看看下面这个网站）
#x-y-z-图表
使用图库浏览器
使用图库浏览器插件管理生成的图片。新版整合包内置了 “无边图像浏览” 的插件，可以快速查看图片以及生成信息
安装/管理/更新插件
通过 WebUI 自带的插件管理系统安装插件，并且及时更新。推荐使用启动器进行更新插件，更为快捷。
进阶使用
更换模型来达到不同的画风/认识不同人物、物体
参考以下文章。
目前可以见到的模型有：大模型、模型、模型、LoRA模型
常用：大模型、LoRA模型。
大模型推荐
用模型合并来混合风格
（待更新：mbw等新型合并）
模型剪裁
网上下载到的别人融合的模型经常会有非常多的垃圾，请使用我写的“模型转换”插件，按照如下操作修剪模型
（详细解释）
使用高级提示词语法
提示词权重、分步渲染相关内容
#提示词语法
带师级别使用
自己进行训练模型
( )
不更新了
LoRA
在今年的5月份，我制作了LoRA训练的界面+一键包。推荐使用这个新视频下载的一键包，打开就可以训练，不需要安装不需要安装不需要安装。训练调参仍然参考下方的旧教程，只是把编辑脚本的东西变成了界面。
/ Train （）
训练模型理论基础（涉及部分专业知识）
更加深入理解原理
前沿探索
都前沿了还需要我引路？自己看去吧。学无止境我也自己在学习。
简单说一下：arXiv翻论文，翻最新代码实现。关注关注CVPR等
