采样器
我们已经知道 AI 绘画的精髓就是一个一步一步去除噪声的过程。在每一步的去噪过程中，关键的组件就是采样器。
在任意一步x，我们有当前的有噪声的图像，和通过unet输出上一步的噪声。进而求得上一步的噪声图像。
将当前步的有噪声的图像，减去上一步的噪声图像，就可以得到上一步的有噪声的图像。
这个减的过程就需要采样器。
加噪的过程有 1000 步，但是将噪不需要这么多，通常20到30次就可以了。一次可以去除50个噪声。
WebUI 中怎样选择合适的采样器
Euler，可以看作是最简单的求解器。
Heun，比欧拉法更准确但速度较慢。
LMS (Linear multi-step method)，与欧拉法速度差不多，但（据说）更准确。
DPM（扩散概率模型求解器）和 DPM++ 采样器是 2022 年发布的专为扩散模型设计的新采样器。
DDIM（去噪扩散隐式模型）和 PLMS（伪线性多步方法）这两个采样器目前通常被认为已经过时，并且不再广泛使用
几个选择采样器的建议。
- 如果你想使用快速、新颖且质量不错的算法，最好的选择是 DPM++ 2M Karras，设置 20~30 步。
- 如果你想要高质量的图像，那么可以考虑使用 DPM++ SDE Karras，设置 10
15 步，但要注意这是一个计算较慢的采样器。或者使用 DDIM 求解器，设置 1015 步。 - 如果你喜欢稳定、可重现的图像，请避免使用任何原始采样器（SDE 类采样器）。
- 如果你喜欢简单算法，Euler 和 Heun 是不错的选择。