stable-diffusion-pytorch
看懂Stable Diffusion内部原理，从零手写扩散模型
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 596
使用教程
环境要求
- GPU 显存 8G 以上
- PyTorch
- 官方权重
安装与启动步骤
-
1先看它与其他实现的差别
同作者还有别的版本，这个是最小可读的那套。
-
2装依赖
按仓库说明装，框架版本敏感。
-
3转换权重
它提供脚本把官方权重转成自己的格式。
-
4跑推理出图
先出一张图确认链路通。
-
5当教材读
代码组织清晰，适合理解扩散模型的结构。
如何确认成功
转换权重后能生成与原实现质量接近的图，且中间步骤可逐层检查
注意事项
- 它的定位是能读懂的实现，不是追求最快。
- 权重格式与官方不同，必须走转换脚本。
- 功能面比完整方案少，缺很多采样器。
- 同作者的其他版本功能更全，按需选。
核心亮点
- 代码极简，模块解耦清晰，适合逐行阅读学习
- 支持CIFAR-10等小数据集训练，快速验证模型
- 自带DDPM/DDIM采样器，方便对比不同采样策略
不足之处
- 仅支持小尺寸图像，未适配高分辨率生成
- 缺少预训练权重，无法直接生成高质量图片
- 文档/社区待观察
适用场景
- 学习扩散模型和Stable Diffusion原理
- 教学演示或论文复现的参考实现
- 在资源受限环境下的轻量级实验
替代项目
lucidrains/DALLE2-pytorch、CompVis/stable-diffusion、huggingface/diffusers
同类项目推荐
NanoBananaEditor
开源
用 Gemini 2.5 轻松生成和编辑图像，一站式搞定。
The most advanced Nano Banana image generator and editor application. Your central h···
CartoonGan-tensorflow
开源
一键将照片变成动漫风格，体验 CartoonGAN 的魔法
Generate your own cartoon-style images with CartoonGAN (CVPR 2018), powered by Tenso···
ComfyUI-TBG-ETUR
开源
把图放大到2亿像素，还能逐块控制细节和创意
TBG Enhanced Tiled Upscaler and Refiner upscales up to 200MP with precise control. I···
PicPilot
开源
输入文字，快速生成品牌专属视觉故事
Generate Stunning Images and Craft Visual Stories for your Brand
dalle2_outpaint
开源
用 DALL·E 2 轻松扩展图像画布，生成无缝外绘效果
Scripts/tools for dalle2 outpainting
nQuantCpp
开源
六种减色抖动算法一站集成，C++ 出图更小更保真
nQuantCpp includes top 6 color quantization algorithms for visual c++ producing high···
astrbot_plugin_gemini_image_gene···
开源
聊天里一句话，AI 帮你生图改图，还能用头像当参考。
图像生成插件，支持生图和改图，可以自动获取头像作为参考等。
DiffUTE
开源
改图里的字，像改文档一样自然，背景和字体都不违和
This repository is the code of our paper "DiffUTE: Universal Text Editing Diffusion ···
Canvas
开源
在 Mac 上原生玩转 DALL·E，输入文字秒出图
DALL·E playground for the Mac