v1-5-pruned-emaonly-fp16介绍

Posted on Views:

v1-5-pruned-emaonly-fp16.safetensors 是基于 Stable Diffusion v1.5 的精简推理模型，常用于 ComfyUI、Automatic1111 等推理框架。

从命名可以拆解出其关键特性：

组件 含义 说明
v1-5 模型版本 SD 1.5 主干模型
pruned 剪枝 去除无用权重，降低体积
emaonly 指数滑动平均权重 提高推理稳定性
fp16 半精度浮点 减少显存占用
safetensors 安全格式 避免pickle执行风险

1.核心技术特征

1.1 剪枝（Pruned）

  • 删除训练中冗余参数
  • 模型体积从 ~7GB → ~4GB
  • 不影响主要生成能力

效果：

  • 加载更快
  • 显存占用更低
  • 更适合生产推理

1.2 EMA Only（权重稳定）

EMA（Exponential Moving Average）：

  • 使用训练过程中“平滑后的权重”

  • 相比原始权重：

    • 更稳定
    • 更少噪点
    • 收敛更自然

适用于：

  • 推理场景（非训练）

1.3 FP16（半精度）

1
2
FP32 → FP16
32bit → 16bit

收益：

  • 显存降低 ~40–50%
  • 推理速度提升
  • 基本无明显质量损失

注意：

  • 老显卡（如不支持FP16）可能需要FP32版本

1.4 safetensors（安全加载）

相比 .ckpt：

对比项 ckpt safetensors
安全性 可执行pickle 纯数据
加载速度 一般 更快
稳定性 一般 更稳定

2.在 ComfyUI 中的作用

在 ComfyUI 中，该模型通常用于：

2.1 基础Checkpoint节点

1
Load Checkpoint → v1-5-pruned-emaonly-fp16.safetensors

2.2 推理流程

flowchart LR
    A[Prompt 输入] --> B[CLIP编码]
    B --> C[UNet扩散模型]
    C --> D[VAE解码]
    D --> E[生成图像]

    F[v1-5 模型] --> B
    F --> C
    F --> D

3.适用场景

3.1 通用生成

  • 写实图
  • 二次元
  • 插画
  • 产品图

3.2 LoRA / ControlNet 基座

  • 几乎所有 LoRA 都基于 SD1.5
  • 兼容性最好

3.3 ComfyUI 工作流标准底模

  • 作为“母模型”

  • 上层叠加：

    • LoRA
    • ControlNet
    • IPAdapter

4.总结

一句话结论：

v1-5-pruned-emaonly-fp16.safetensors = Stable Diffusion 1.5 的“生产级轻量稳定推理版本”

适合作为：

  • ComfyUI 默认底模
  • LoRA 基座
  • 中低显存环境的主力模型。