onnx-web

onnx-web旨在简化运行Stable Diffusion和其他ONNX模型的过程，让您能够专注于创作高质量、高分辨率的艺术作品。借助AMD和Nvidia GPU的硬件加速效率，并提供可靠的CPU软件后备方案，它在台式机、笔记本电脑和多GPU服务器上提供完整的功能集，带来无缝的用户体验。

您可以通过托管在Github Pages上的用户友好的网页界面进行操作，该界面可在所有主流浏览器中访问，包括您常用的移动设备。在这里，您可以灵活选择每个图像管道的扩散模型和加速器，并轻松访问定义每种模式的图像参数。无论您是上传图像还是通过内部绘制和外部绘制表达艺术创意，onnx-web都提供了一个既用户友好又功能强大的环境。最近生成的输出图像整齐地呈现在控制面板下方，作为方便的视觉参考，可以重新查看之前的参数或重新混合您之前的输出。

通过其API，您可以更深入地体验onnx-web，该API兼容Linux和Windows。这个RESTful接口无缝集成了来自HuggingFace diffusers库的各种管道，提供有关模型和加速器的有价值元数据，以及您创意运行的详细输出。

开始您的生成艺术之旅，使用onnx-web并通过我们详细的文档网站探索其功能。您会发现全面的入门指南、设置指南和用户指南，它们将助力您的创意endeavor！

更多信息请查看文档网站：

• 入门指南
• 设置指南
• 用户指南

功能

以下是一些新的和有趣的功能的不完整列表：

• 支持SDXL和SDXL Turbo
• 多种调度器：DDIM、DEIS、DPM SDE、Euler Ancestral、LCM、UniPC等
• AMD和Nvidia上的硬件加速
  • 已在CUDA、DirectML和ROCm上测试
  • AMD和Nvidia上低内存GPU的半精度支持
  • 仅CPU系统的软件后备方案
• 用于生成和查看图像的网页应用
  • 托管在Github Pages上，从您的CDN或本地访问
  • 在切换标签页时保留最近的图像和进度
  • 可排队多个图像并重试错误
  • 提供英语、法语、德语和西班牙语翻译（如需更多语言请提出问题）
• 支持多种diffusers管道
  • txt2img
  • img2img
  • 内部绘制，支持遮罩绘制和上传
  • 全景图，适用于SD v1.5和SDXL
  • 放大，使用ONNX加速
• 添加和使用您自己的模型
  • 从diffusers和SD检查点转换模型
  • 从HuggingFace hub、Civitai和HTTPS源下载模型
• 融合额外网络
  • 永久和基于提示的融合
  • 支持LoRA和LyCORIS权重
  • 支持文本反转概念和嵌入
    • 可以单独控制和使用嵌入的每一层
• ControlNet
  • 用于边缘检测和其他方法的图像滤镜
  • 使用ONNX加速
• 高分辨率模式
  • 对其他管道的结果运行img2img
  • 多次迭代可以生成8k及更大的图像
• 多阶段和区域提示
  • 在同一图像中无缝组合多个提示
  • 为图像的不同区域提供提示并将它们融合在一起
  • 更改高分辨率模式的提示并细化细节，无需递归
• 无限提示长度
  • 带有长提示加权
• 图像融合模式
  • 合并历史记录中的图像
• 放大和修正
  • 使用Real ESRGAN、SwinIR和Stable Diffusion进行放大
  • 使用CodeFormer和GFPGAN进行面部修正
• API服务器可以远程运行
  • REST API可以通过HTTPS或HTTP提供服务
  • 所有图像管道的后台处理
  • 轮询图像状态，与负载均衡器配合良好
• 提供OCI容器
  • 适用于所有支持的硬件加速器
  • 在单个容器中包含API和GUI捆绑包
  • 在RunPod、Vast.ai和其他GPU容器托管服务上运行良好

目录

• onnx-web
  • 功能
  • 目录
  • 设置
    • 添加您自己的模型
  • 使用方法
    • 已知错误及解决方案
    • 运行容器
  • 致谢

设置

有几种方法可以运行onnx-web：

• 跨平台：
  • 克隆此仓库，创建虚拟环境，并运行pip install
  • 拉取并运行OCI容器
• 在Windows上：
  • 克隆此仓库并运行其中一个setup-*.bat脚本
  • 下载并运行实验性的一体化软件包

您只需要运行服务器，不需要编译任何东西。客户端GUI托管在Github Pages上，并包含在Windows一体化软件包中。

扩展设置文档已移至设置指南。

添加您自己的模型

您可以通过从HuggingFace Hub或Civitai下载模型，或从本地文件转换模型来添加您自己的模型，无需进行任何代码更改。您还可以使用提示中的令牌下载和融合额外网络，如LoRA和文本反转。

使用方法

已知错误及解决方案

请参阅用户指南中的已知错误部分。

运行容器

这部分内容已移至服务器管理员指南。

致谢

部分转换和管道代码复制或衍生自以下项目：

• Amblyopius/Stable-Diffusion-ONNX-FP16
  • GPL v3协议：https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/LICENSE
  • https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/pipeline_onnx_stable_diffusion_controlnet.py
  • https://github.com/Amblyopius/Stable-Diffusion-ONNX-FP16/blob/main/pipeline_onnx_stable_diffusion_instruct_pix2pix.py
• d8ahazard/sd_dreambooth_extension
  • 非商业许可：https://github.com/d8ahazard/sd_dreambooth_extension/blob/main/license.md
  • https://github.com/d8ahazard/sd_dreambooth_extension/blob/main/dreambooth/sd_to_diff.py
• huggingface/diffusers
  • Apache v2协议：https://github.com/huggingface/diffusers/blob/main/LICENSE
  • https://github.com/huggingface/diffusers/blob/main/scripts/convert_stable_diffusion_checkpoint_to_onnx.py
• uchuusen/onnx_stable_diffusion_controlnet
  • GPL v3协议：https://github.com/uchuusen/onnx_stable_diffusion_controlnet/blob/main/LICENSE
• uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix
  • Apache v2协议：https://github.com/uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix/blob/main/LICENSE

这些部分有各自的许可证，对商业使用、修改和再分发有额外限制。项目的其余部分采用MIT许可证提供，我正在努力将这些组件隔离到一个库中。

还有许多其他优秀的选择可以利用硬件加速来使用Stable Diffusion，包括：

• https://github.com/Amblyopius/AMD-Stable-Diffusion-ONNX-FP16
• https://github.com/azuritecoin/OnnxDiffusersUI
• https://github.com/ForserX/StableDiffusionUI
• https://github.com/pingzing/stable-diffusion-playground
• https://github.com/quickwick/stable-diffusion-win-amd-ui

在AMD上设置和运行这个项目离不开以下指南的帮助：

• https://gist.github.com/harishanand95/75f4515e6187a6aa3261af6ac6f61269
• https://gist.github.com/averad/256c507baa3dcc9464203dc14610d674
• https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-AMD-GPUs
• https://www.travelneil.com/stable-diffusion-updates.html