随着大语言模型的阶段性爆发以及图片生成的扩散模型惊艳表现，裹挟而来了一阵巨大的，史无前例的AIGC狂风骤雨，并随之而来的产业变革，职业焦虑，专业普及等等一系列的“灾难性”变化，处在风暴外的人很难独善其身，处在风暴中心的设计师们又该如何应对呢？
这篇SD防灾指南将尝试从图片生成模型stable diffusion和ta的生态切入，系统的指引我们从零到一的了解AIGC，熟悉ta，并驾驭ta，成为一个优秀的“災害對策精英”。
怎么开始？？
防災指南会根据一个图片生产者从“小白”到成为“對策精英”的学习周期来分步讲述如何生图，并针对不同角色不同阶段单独有针对性更细致的文章攻略。所以指南更像是一个目录，wiki，和指南本身。但文章仍然有些长有点干，需要点耐心。
开始之前
所有文章都会尽量避免晦涩难懂，但因为行业起源，以及更有利于彼此交流和深入学习，大家还是需要对一些基本知识有一点了解，包括后续会出现的一些专业名词，就不再一一解释。可以先通过下面这两篇做一个了解，包括扩散模型的工作原理，决定了我们后续理解我们的图是怎么变出来的。
为什么是从SD开始？
当前主流的图片AIGC就是SD和Midjourney之争了，甚至在某些维度上让我想到iOS和Android。MJ做得很好，但我仍然希望你的入门和进阶都从SD入手。
可控性。AI出图最大的阻力就是可控性，包括图片质量的可控和图片内容的可控。图片生成得完整，好看是MJ的强项，普通人大概只需要这个需求发发朋友圈吹牛打屁，换换头像。而真正要做到心有所想，生而所得，MJ和它的用户都在努力，但把这一部分只交给关键词来控制很难。这里有更多控制变量的SD有巨大的优势。
开源性，战未来。并不是说闭源不好，提供良好的使用体验，黑盒去噪，是MJ努力降低图片AIGC的门槛的产品思路，但拥有越来越成熟丰富的开源生态的SD，也意味着会有越来越多的神级插件，越来越厉害的技术融合，进一步提高美术生产效率和精度。
灵活私密性，SD可以像MJ一样云端部署，随时随地可以访问。也可以本地部署，调用本地的算力，灵活的调整配置所需的生产环境。隐私性也是很多像游戏、影视等商业项目只考虑SD本地部署的重要原因。
MJ很贵。呸，MJ很简单没挑战。呸，SD的知识体系很碎片，更需要一个开始。
有个不恰当的比如：MJ是自动挡的车，而SD就像手动挡的车。掌握后者大概率能轻松驾驭前者。也更容易二者兼修打组合拳。
准备工作
在决定使用SD来解决我们所需的生图需求后，也初步了解了AI和扩散模型的工作原理后我们需要开始准备第一部分了。
这里有三个比较重要的部分需要提前准备，并且这三部分决定了后面我们在生图能达到的质量高度和效率高度，他们分别是算力，工具和模型。
硬件
算力这个词听起来就很厌烦的，又是什么互联网黑话生造出来的破烂词，当然它和AI本就密不可分，我们的生产又本身离不开计算机，索性将这部分叫硬件部分。
也就是你需要准备一台电脑，这台电脑最好有一个独立的英伟达的显卡，显存最好是12G以上的。操作系统最好是windows的。
如果很遗憾，上面这些词语参数听起来像天书一样，你可能需要先看看这篇文章了解一下算力和显卡以及你当下手上的设备可不可以加入“防灾”。
你看我这算力如何（硬件篇）
如果，你对计算机的基础常识都不能理解，你只会用开关机，那我大概率还得出一篇：
攒一台AI跑图打游戏两不误的小钢炮（硬件篇）（挖坑1）
工具
准备好了硬件就要准备软件工具，与很多只能在云服务上使用的工具不同，SD借助开源工具，可以云端部署，也可以本地部署，使用上面提到的本地硬件来运行，这样更“私有”，也更灵活可控。
当然，你可能也需要忍受他们糟糕的用户体验和凌乱的界面。大概长这样。
目前主流的开源工具主要有２个。
Web
