sd-webui-bayesian-merger

自动调参合并模型,告别手动试错

sd-webui-bayesian-merger 是一个用于 Stable Diffusion WebUI 的扩展插件,它利用贝叶斯优化算法自动搜索模型块合并的最佳权重组合。在 Stable Diffusion 模型合并中,用户通常需要手动调整多个模型的块权重,以期望获得风格或质量上的提升,但这个过程高度依赖经验和反复试错。该插件将这一过程自动化,通过定义目标函数(如特定提示词下的 CLIP 评分或用户自定义评分),使用贝叶斯优化在权重空间中高效采样,找到更优的合并参数。它解决了模型合并中参数搜索效率低、结果不稳定、难以复现的问题。核心能力包括:支持对多个模型块进行权重优化、提供可视化进度与结果、可自定义优化目标和搜索空间,并能直接生成合并后的模型文件。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 120
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队s1dlx
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型bayesian-optimization,stable-diffusion,stable-diffusion-library,stable-diffusion-webui
GitHub 星标★ 120
30天Star增速
HF 下载量
上线时间2023-03-01 00:00:00
最近更新2026-08-01 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 自动化搜索模型合并权重,大幅提升调参效率
  • 基于贝叶斯优化,比随机搜索或网格搜索更高效
  • 与 Stable Diffusion WebUI 深度集成,使用方便

不足之处

  • 文档/社区待观察
  • 优化过程依赖用户定义的目标函数,主观性强
  • 贝叶斯优化在权重维度高时可能收敛较慢

适用场景

  • 寻找特定风格或概念的最优模型合并参数
  • 在多个基础模型间自动平衡质量和多样性
  • 批量生成多个候选合并模型并筛选最佳结果

替代项目

sd-webui-supermerger、stable-diffusion-webui-automatic-merge、sd-webui-model-merger

项目介绍

sd-webui-bayesian-merger 是模型训练领域的开源项目,由 s1dlx 开发,2023 年首次发布。

它收录于模型训练分类,该分类目前共有 522 个项目,GitHub 星标数为 120。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-08-01。MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:寻找特定风格或概念的最优模型合并参数。同类可对比的替代方案包括 sd-webui-supermerger、stable-diffusion-webui-automatic-merge、sd-webui-model-merge…。

上一篇:Fizgig

下一篇:kohya_ss-docker

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13