前言：

第三章，我们介绍了基本的图生图能力

本章，我们提供更多的免费课程，让大家在某些细节上面掌握更多。

总体来看，当我们使用某一个主模型的时候，针对该模型方向的内容生成基本是OK的。但是当我们需要2个模型中的内容的时候，就尴尬了。解决这个问题是将2个模型合并。

RA/SD中内置有这个功能。我们本节就来详细介绍下。

知识点：

1. 主模型合并

基础知识：

模型合并可让您使用不同的模型生成多个合并来完善您的 AI 图像。使用此功能，合并最多三个模型，包括自己训练的模型。合并首选检查点后，最终合并将在检查点目录中生成。

稳定扩散提供了几个独特的检查点，可以将其与此功能合并。了解这些检查点，以便 AI 图像生成需求选择合适的检查点。

另外我们介绍下主要得主模型扩展名和对应得区别。

.ckpt和.safetensors是两种常见的模型检查点文件格式，在保存和加载深度学习模型时有不同的特点和用途。

以下是这两种格式的区别：

.ckpt 文件

1. 格式：.ckpt文件通常是用PyTorch的torch.save函数生成的，是一种通用的二进制文件格式。
2. 灵活性：它可以保存整个模型，包括模型结构、权重、优化器状态等。
3. 兼容性：.ckpt文件广泛用于各种深度学习框架，尤其是PyTorch。
4. 安全性：因为是二进制格式，所以文件可以包含任意的Python对象，这在一定程度上也意味着存在潜在的安全风险（例如，加载未受信任的.ckpt文件可能导致任意代码执行）。
5. 大小：.ckpt文件可能包含不必要的元数据，导致文件较大。

.safetensors 文件

1. 格式：.safetensors是一个专门设计用于安全高效地存储张量数据的文件格式。
2. 安全性：.safetensors文件格式只允许存储张量数据，不包含任意的Python对象，因此更加安全，避免了执行恶意代码的风险。
3. 效率：由于只存储必要的张量数据，文件通常比.ckpt更小，同时读取和写入速度更快。
4. 易用性：专为高效和安全而设计，但需要专门的库来读写，例如safetensors库。

如何选择

• 安全性：如果你需要从不信任的来源加载模型，或者你的应用环境对安全性有高要求，推荐使用.safetensors。
• 兼容性和灵活性：如果你需要保存和加载复杂的模型对象，或者使用的框架主要支持.ckpt，那么.ckpt可能更适合你。
• 性能：如果对文件大小和读写速度有较高要求，可以考虑使用.safetensors。

实战教学：

，

1. 访问检查点合并：
   • 首先，打开RA/SD界面。
   • 从可用选项卡中找到并选择“Checkpoint Merger”。

1. 选择检查点：
   • 您将看到三个用于选择检查点的下拉菜单。
   • 模型 A是您想要改进的主要模型。
   • 模型 B 和 C是您将集成到模型 A 中的模型。

1. 了解滑块：
   • 下拉菜单下方有一个代表合并百分比的滑块。
   • 范围从 0 (0%) 到 1 (100%)，其中 0.50 表示 50%。
   • 从较小的百分比开始（例如 0.3）至关重要，尤其是当您刚开始尝试合并时。

1. 选择合并选项：(插值方法）
   • 如果您不选择任何插值，您将直接获得模型 A，而不会发生任何变化。也就是第一个选择项。
   • 要混合两个模型，请选择加权总和选项。这将决定模型 B 与模型 A 的混合程度，由滑块设置决定。
   • 当将另外两个模型（B 和 C）混合到模型 A 中时，应该使用“添加差异”。也就是默认选择项。中间这个[Weighted sum]

1. 其他设置：
   • 您可以选择 CKPT 或 safetensons 格式。两种格式都很好，所以这取决于个人喜好。
   • 确定要为合并模型保留哪个模型的配置。

1. 命名您的检查点：
   • 最后，命名您的新检查点。
   • 一个好的做法是在名称中包含有关合并模型的详细信息。这样，您以后就可以轻松记住每个合并模型的具体信息。

还有剩余得一些配置：

1. 从ABC哪个模型复制Config文件
2. 在VAE中烘焙
3. 无视权重等等。

总结： 

请记住，成功合并检查点的关键是实验。从一小部分开始，创建多个合并，并检查 xyz 图以了解最佳组合。通过练习，您将找到满足您需求的完美组合。