在探索AI绘画工具Stable Diffusion（SD）的旅程中，我们不可避免地会遇到各种模型文件，而这些文件往往带有各种不同的后缀名。这些后缀名不仅仅是文件格式的外衣，它们背后隐藏着模型的不同特性和用途。本文将深入解析SD大模型中常见的后缀名，帮助读者解锁这些神秘图片后缀名的秘密。
1. ckpt：pickle序列化的模型
.ckpt是Stable Diffusion中最常见的模型文件后缀之一。它代表的是使用Python的pickle模块进行序列化的模型。pickle是一种Python特定的序列化格式，可以保存和恢复Python对象的状态。
- 安全性：需要注意的是，由于pickle可能会包含恶意代码，直接加载
.ckpt模型可能存在安全风险。因此，在加载此类模型时，应确保来源的可靠性。
2. safetensors：安全的张量数据
.safetensors是另一种常见的模型文件后缀。它使用numpy数组保存张量数据，与pickle相比，它更安全，因为不包含Python对象序列化的复杂性和潜在的安全风险。
- 安全性：
.safetensors模型是安全的，因为它只包含张量数据，不包含任何额外的Python代码或结构。
3. pt和pth：PyTorch模型
在PyTorch框架中，模型文件通常以.pt或.pth结尾。这些文件包含了PyTorch模型的结构和参数。
- 使用：这些模型可以在PyTorch环境中直接加载和使用。
4. 大模型文件后缀
Stable Diffusion的大模型文件通常带有base前缀，例如base-model.ckpt或base-model.safetensors。此外，可能还会带有其他描述性的后缀，如pure（完整版）、pruned（剪枝版）、emaonly（仅EMA修改版）等。
- 版本差异：这些后缀反映了模型的版本和特性。例如，
pruned模型可能经过了剪枝，以减少计算量而不显著影响性能。
5. VAE模型和CLIP层数
除了上述模型，Stable Diffusion还使用VAE模型和CLIP层数来优化图像质量和控制提示词与生成图像的关联性。
VAE模型：VAE（变分自编码器）用于给画面去灰度，增加饱和度，类似于滤镜功能。
CLIP层数：CLIP层数（语言与图片对比预训练）用于控制关键词（prompt）和生成图片的关联性。较高的数值会减弱关联性，让SD发挥更多，而较低的数值则会增强关联性。
6. 总结
理解Stable Diffusion中的各种模型文件后缀对于有效使用AI绘画工具至关重要。通过了解这些后缀名所代表的含义和用途，用户可以更好地选择和使用适合自己需求的模型，从而创作出更加个性化的艺术作品。