圖像生成式AI的生存指南：以Stable Diffusion為例(電子書)

深入探索AIGC技術與應用，解析Stable Diffusion的核心原理與操作

「一本全面而深入的指南，專為想深入了解圖像生成式AI的你所寫。無論你是新手還是專家，這裡都有你需要的知識。」

全面涵蓋AIGC技術：深入解析AIGC的核心原理、特色與演進，讓讀者完整了解圖像生成式AI的基礎。

專注於Stable Diffusion：專章介紹Stable Diffusion的相關原理，包括其主要原理、Prompt Engineering、Embedding原理等，幫助讀者深入掌握該技術。

實用性指南：提供Stable Diffusion的應用指南，從安裝、模型訓練到評估等多個方面，具體指導讀者如何操作和應用。

技術詳解：涵蓋了AIGC相關技術的原理，包括VAE、GAN、PixelRNN、Flow、Transformer、NeRF等，幫助讀者建立完整的技術知識體系。

實際操作教學：除了技術原理外，還提供了生成式圖像工具的介紹、SD生成模式的使用方法等，使理論與實踐相結合。

未來展望與道德議題：不僅介紹了AIGC的技術走向，還探討了AIGC的道德議題，提供讀者更全面的視角。

業界操刀：由具備執業經驗的作者撰寫，內容深入、詳實，適合從初學者到專家的讀者。

豐富的圖像與表格：圖目錄和表目錄清晰列出，幫助讀者更直觀地理解和學習。

作者簡介

莊翔甯

中央大學資工所畢，曾任上市櫃公司部門技術負責人，現任承羽智慧技術長。

十年以上軟體開發經驗，橫跨前後端，主要聚焦於AI軟體開發與系統架構設計。

專長為容器虛擬化與編排、運算架構優化、及AI模型應用開發。曾參與多個「雲運算開源系統整合」、「私有雲系統建置」、「AI系統開發」專案，具有豐富的開發及管理經驗。

曾擔任NVIDIA DLI講師並與NVIDIA共同發表公開課，包含: 基於 NVIDIA A100 的膠囊網路訓練和 Covid-19 檢測實踐、新一代卷積網路 ConvNeXt 與 NVIDIA TAO 線上研討會。

更多詳細訊息，歡迎參考: https://www.linkedin.com/in/nick-zhuang-5342b3171/

生成式AI 圖像新時代

隨著生成式AI 的崛起，圖像領域方面的許多工具已蔚成顯學，不管是OpenAI 的DALL-E， 或是Midjourney， 甚至是Stability AI 的Stable Diffusion，都已逐步地進入我們的生活，了解這些工具的使用方式固然重要，但更關鍵的是掌握其中的原理，術與道是有所不同的，術與道的相比而言，很多時候來說更為重要，道可以更幫助我們理解其中的精隨，一旦理解了道，後面無論術如何變化都不會受到影響，意味著工具會變，但原理與技術總是那些，掌握了原理與技術，等於就掌握了關鍵。這本書起源於鐵人賽的30篇文章「關於我將AIGC 導入企業的那些坑- 以Stable Diffusion 為例」的後續，經過了將近4 個月的連續爆肝與血淚集結而成，期待能將深入淺出的內容帶給廣大讀者，能夠以0 到1 的方式學習圖像生成式AI 的內容。

本書第一章從專家系統開始切入，逐步講述什麼是AIGC 及有哪些特色？定義是什麼？以及相關的演進與發展；第二章進一步討論AIGC 相關的技術細節，包含: VAE、GAN、Diffusion；第三章講述關於Stable Diffusion相關的技術原理、提示詞、模型調優，並涵蓋了其後續的演進內容；第四章應用Stable Diffusion 相關的模型到開源工具上，展示了其特效及潛力；第五章擘劃了圖像生成式AI 的未來，分析了其中的道德議題及後續的技術走向，最後總結了全書的內容。理論的內容可參考一二三章節，實作與結論的內容可參考四五兩章節，每章節自成一體，可拆分也可結合看之，按讀者喜好即可，沒有太多限制。

本書筆者力求完善，希望能夠幫助到大家，但難免有不足之處，若有謬

誤或應補充之處，還望讀者多多包涵及不吝指正。

推薦序「以終為始 善性循環」-承啟科技董事長暨總經理 高樹榮

序「生成式AI 圖像新時代」

第一章　AI 元年

1.1 緣起

1.2 什麼是AIGC

1.3 AIGC 的特色與應用

1.4 AIGC 的演進

第二章　AIGC 的相關技術

2.1 VAE 原理

2.2 GAN 原理

2.3 PixelRNN 原理

2.4 Flow 原理

2.5 Diffusion 原理

2.6 Transformer 原理

2.7 NeRF 原理

2.8 CLIP 原理

第三章　Stable Diffusion 的相關原理

3.1 Stable Diffusion 原理

3.2 Prompt Engineering

3.3 PEFT - 效率調參的方法介紹

3.4 Embedding 原理

3.5 Dreambooth 原理

3.6 LoRA 原理

3.7 HyperNetwork 原理

3.8 ControlNet 原理

3.9 Super Resolution - SwinIR

3.10 SD XL 原理

3.11 圖像生成模型的優化

3.12 圖像生成模型的分析

第四章　Stable Diffusion 的應用

4.1 生成式圖像工具介紹

4.2 SD 的安裝教學，介面總覽

4.3 SD 生成模式介紹與使用

4.4 SD 生成方法的選擇

4.5 SD 模型訓練

4.6 評估SD 模型的方法

4.7 SD 模型下載站介紹

4.8 SD 生成模式介紹與使用之一

4.9 SD 生成模式介紹與使用之二

4.10 SD 生成模式介紹與使用之進階功能

4.11 ControlNet 應用

4.12 SD XL 應用

第五章　圖像生成式AI 的未來

5.1 AIGC 的道德議題

5.2 AIGC 的技術走向

5.3 全書總結