onnx web

onnx-web

onnx-web 旨在简化运行稳定扩散和其他 ONNX 模型的过程，以便您可以专注于制作高质量、高分辨率的艺术作品。凭借 AMD 和 Nvidia GPU 上的硬件加速效率，并提供可靠的 CPU 软件回退，它可以在台式机、笔记本电脑和多 GPU 服务器上提供完整的功能集，并提供无缝的用户体验。

您可以通过用户友好的 Web UI 进行导航，该 UI 托管在 Github Pages 上，并且可以通过所有主要浏览器（包括您的首选移动设备）进行访问。在这里，您可以灵活地为每个图像管道选择扩散模型和加速器，并轻松访问定义每个模式的图像参数。无论您是上传图像还是通过修复和修复来表达您的艺术风格，onnx-web 都提供了一个用户友好且功能强大的环境。最近的输出图像整齐地呈现在控件下方，作为重新访问以前的参数或重新混合以前的输出的方便的视觉参考。

通过其 API 深入了解 onnx-web 体验，该 API 与 Linux 和 Windows 兼容。这个 RESTful 界面无缝集成了 HuggingFace 扩散器库中的各种管道，提供有关模型和加速器的宝贵元数据，以及创意运行的详细输出。

使用 onnx-web 踏上您的生成艺术之旅，并通过我们详细的文档网站探索其功能。查找全面的入门指南、设置指南和用户指南，为您的创意事业提供支持！

请查看文档网站以获取更多信息：

• 入门指南
• 设置指南
• 用户指南

特征

这是新的和有趣的功能的不完整列表：

• 支持 SDXL 和 SDXL Turbo
• 各种调度程序：DDIM、DEIS、DPM SDE、Euler Ancestral、LCM、UniPC 等
• AMD 和 Nvidia 的硬件加速
  • 在 CUDA、DirectML 和 ROCm 上进行了测试
  • AMD 和 Nvidia 上对低内存 GPU 的半精度支持
  • 仅 CPU 系统的软件回退
• 用于生成和查看图像的 Web 应用程序
  • 托管在 Github Pages、CDN 或本地
  • 当您更改选项卡时保留您最近的图像和进度
  • 将多个图像排队并重试错误
  • 提供英语、法语、德语和西班牙语翻译（请打开一个问题以获取更多信息）
• 支持许多diffusers管道
  • txt2img
  • 图像2图像
  • 修复，带遮罩绘制并上传
  • 全景，适用于 SD v1.5 和 SDXL
  • 通过 ONNX 加速进行升级
• 添加并使用您自己的模型
  • 从扩散器和 SD 检查点转换模型
  • 从 HuggingFace hub、Civita 和 HTTPS 源下载模型
• 融入额外的网络
  • 永久和基于提示的混合
  • 支持 LoRA 和 LyCORIS 权重
  • 支持文本倒置概念和嵌入
    • 每层嵌入都可以单独控制和使用
• 控制网
  • 用于边缘检测和其他方法的图像滤波器
  • 具有 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 图像及更大的图像
• 多阶段和区域提示
  • 在同一张图像中无缝组合多个提示
  • 为图像中的不同区域提供提示并将它们混合在一起
  • 更改高分辨率模式的提示并细化细节而无需递归
• 无限提示长度
  • 具有长提示权重
• 图像混合模式
  • 结合历史图像
• 放大和校正
  • 使用 Real ESRGAN、SwinIR 和稳定扩散进行升级
  • 使用 CodeFormer 和 GFPGAN 进行面部校正
• 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
  • 对于所有支持的硬件加速器
  • 将 API 和 GUI 包包含在一个容器中
  • 在 RunPod、Vast.ai 和其他 GPU 容器托管服务上运行良好

内容

• onnx-web
  • 特征
  • 内容
  • 设置
    • 添加您自己的模型
  • 用法
    • 已知错误及解决方案
    • 运行容器
  • 制作人员

设置

运行 onnx-web 有几种方法：

• 跨平台：
  • 克隆此存储库，创建虚拟环境，然后运行pip install
  • 拉取并运行 OCI 容器
• 在 Windows 上：
  • 克隆此存储库并运行setup-*.bat脚本之一
  • 下载并运行实验性一体化捆绑包

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 一体化捆绑包中。

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 下载或从本地文件转换它们来添加自己的模型，而无需进行任何代码更改。您还可以使用提示中的标记下载并混合其他网络，例如 LoRA 和文本反转。

用法

已知错误及解决方案

请参阅用户指南的已知错误部分。

运行容器

这已移至服务器管理指南。

制作人员

一些转换和管道代码是从以下代码复制或派生的：

• Amblyopius/Stable-Diffusion-ONNX-FP16
  • GPL v3：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
  • 非商业许可证：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：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：https://github.com/uchiusen/onnx_stable_diffusion_controlnet/blob/main/LICENSE
• uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix
  • Apache v2：https://github.com/uchuusen/pipeline_onnx_stable_diffusion_instruct_pix2pix/blob/main/LICENSE

这些部分有自己的许可证，并对商业使用、修改和重新分发有附加限制。该项目的其余部分是在 MIT 许可证下提供的，我正在努力将这些组件隔离到一个库中。

将稳定扩散与硬件加速结合使用还有许多其他不错的选择，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

如果没有以下人员的指导，就不可能在 AMD 上进行此设置并运行：

• 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