AI Toolkit 采样指南：3 个参数定出图质量

AI Toolkit 采样指南3 个参数定出图质量【免费下载链接】ai-toolkitThe ultimate training toolkit for finetuning diffusion models项目地址: https://gitcode.com/GitHub_Trending/ai/ai-toolkitAI Toolkit 采样这块多数人卡住不是模型不行而是 sampler、sample_steps、guidance_scale 三个字段没配合好。这篇 AI Toolkit 采样教程不按从入门到精通的顺序讲先把参数之间互相牵制的关系说透再按显存分档给出可以直接抄的配置最后补一张排查流程图。看完能做的第一件事打开自己项目的 generate 配置把下面三个值对一遍。采样器怎么选flowmatch、ddpm、schnell 各管一段在 ai-toolkit 里sampler 字段写在 generate/sample 段下作用本质是按哪套噪声日程去噪。常见路线就三条flowmatchFLUX、Wan2.2、Qwen 图像这类 flow matching 模型的主路线。模板里的注释很直白must match train.noise_scheduler训练端用什么调度器采样端就得跟着什么。ddpmSD1.5 / SDXL 一家的标准路线config/examples/generate.example.yaml 的默认值就是它。schnell先纠正一个常见误会它不是采样器名而是 FLUX.1-schnell 这个模型变体。采样段照样写 flowmatch只是把引导钉死在 1、步数压到 1~4。先认模型再填 sampler最常见的错配是手里拿着 FLUX 模型sampler 却留着 ddpm或者换了模型训练端 noise_scheduler 没跟着动。各训练模板里那行 sampler: flowmatch # must match train.noise_scheduler 就是在提醒你这件事。把 schnell 的 guidance 钉死在 1train_lora_flux_schnell_24gb.yaml 里写的是guidance_scale: 1 # schnell does not do guidancesample_steps: 4 # 1 - 4 works well。这个模型蒸馏时已经把去噪路径写进权重了再叠高引导只会把画面拧变形省不出多少时间还多挨一遍返工。三个参数互相牵制先认清再动 类比做菜sample_steps 是翻锅的次数guidance_scale 是放盐的手重不重时间步加权是火候在整个烹饪过程里怎么分布。三者咬在一起翻锅次数变多盐味会被稀释前端火压得猛后段就得防糊。采样步数多少合适翻锅次数4 步只配 schnell 模型用来快速看构图和风格对不对路。20 步日常默认值。SD 模板用 20FLUX.1-dev 模板也是 20。25 步要细粒度纹理发丝、皮肤、布料时用Wan2.2 和 Qwen 图像模板都是 25。从 20 提到 25时间成本不会刚好多出四分之一因为每一步的分量本来就不一样这就是下一节加权要解决的问题。guidance_scale 设置放盐的手按模板里的真实取值SD 系列7FLUX.1-dev4Wan2.2 14B3.5Qwen 图像3FLUX.1-schnell1取值低于模型的舒适区图就不太听提示词高于它开始扭脸、过饱和。SD 上引导开高了画面就扭曲多数时候是把数值顶过了这家模型的量程而不是引导机制本身的问题。时间步加权火候铺在哪flowmatch 采样里每一步对成图的贡献并不均等timestep weighting 就是管这个的linear默认火候均匀稳但没惊喜。weightedtoolkit/timestep_weighing/ 下的 default_weighing_scheme 是用 flex.1-alpha 预先算好的一套权重中段权重最高。FLUX 系走 flowmatch 时优先考虑这条曲线。flux_shift按分辨率动态平移时间步代码里还支持 lumina2_shift、shift 几个变体。构图复杂、分辨率偏高时再试这条。这套自定义调度器放在 toolkit/samplers/Wan2.2 模板里能看到timestep_type: linear这个字段想换火候曲线就改它。按显存分档配置直接抄显存档位建议跑的模型采样器步数引导尺度≥12GBFLUX.1-dev、Wan2.2 14Bflowmatch254 / 3.5≥12GBQwen 图像flowmatch2538–11GBSD1.5 / SDXLddpm2078–11GBFLUX 系列flowmatch2048GBFLUX.1-schnellflowmatch418–11GB 档跑 FLUX 模型时模板里给了两件套quantize: true # run 8bit mixed precision压精度显存还不够就解开low_vram: true那行注释代价是量化过程更慢。# SD 标准出图摘自 generate.example.yaml 的 generate 段 sampler: ddpm width: 1024 height: 1024 guidance_scale: 7 # 强文本引导 sample_steps: 20 # 速度与质量的平衡点模型对号入座各家配置差在哪FLUX 采样参数dev 20 步schnell 4 步# FLUX.1-dev 采样配置摘自 train_lora_flux_24gb.yaml sampler: flowmatch # 与 train.noise_scheduler 保持一致 width: 1024 height: 1024 guidance_scale: 4 # FLUX 通用引导值 sample_steps: 20 # 细节不够再上 25Wan2.2 与 Qwen 图像引导压低步数给足Wan2.2 14Bflowmatch 3.5 引导 25 步模板里默认timestep_type: linear想试 shift 曲线就改这一个字段。Qwen 图像flowmatch 3 引导 25 步noise_scheduler 同样写 flowmatch。各家模板都放在 config/examples/ 下一个模型家族一份 yaml参数直接对着抄不用自己拼。出图不对时先查这三处出图不满意时别乱改数值按固定顺序动才能定位是哪一层的问题。排查顺序模糊、跑偏、太慢模糊先确认不是分辨率背的锅8–11GB 档别硬追 1024 以上降回 1024 往往比加步数见效快。跑偏提示词太长时先砍到几个主关键词再谈 guidance。太慢25 步降到 20 步只是小头更稳的做法是用 schnell 4 步在 1024 内打样定方向定稿再跑高质量配置。出门前检查清单把 sampler 设为 flowmatch适用于所有 FLUX / Wan2.2 / Qwen 图像的出图并确认与训练端 noise_scheduler 一致。把 sample_steps 设为 20适用于日常 SD / FLUX 出图细纹理场景再升 25。把 guidance_scale 设为 7适用于 SD 系列FLUX.1-dev 设 4Wan2.2 设 3.5Qwen 图像设 3。把 timestep weighting 设为 weighted适用于 flowmatch 采样且追求中段细节的场景。把 sample_steps 设为 4、guidance_scale 设为 1仅适用于 schnell 快速打样定方向不要拿它出成品。【免费下载链接】ai-toolkitThe ultimate training toolkit for finetuning diffusion models项目地址: https://gitcode.com/GitHub_Trending/ai/ai-toolkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考