AI绘图想进阶？深度学习基础帮你少走弯路

ai绘图深度学习这个词，我以前看到就划走，总觉得那是程序员的事，跟我一个画图的没关系。去年十月的一张商单海报把这种侥幸砸碎了。那晚我熬到凌晨两点，翻了三百多张图，能用的两张。挺离谱的。

我做品牌设计七年，用Stable Diffusion两年多，前一年半基本在瞎调，参数照搬大佬分享，出图全凭抽卡运气。后来我花了大概六周，每天四十分钟，断断续续补了一点深度学习的底层逻辑。出图的变化，比换任何新模型都明显。

这篇就讲这个变化。

学原理之前，我调图基本靠玄学

老实讲，我前一年半的调图方式就是抄参数加抽卡，废图率长期在九成上下，而且根本不知道该怎么改进。不是工具不行，是我完全看不懂工具在干什么。

2023年我接了个奶茶品牌的水彩插画单。提示词堆到八十多个词，采样器用教程里抄来的Euler a，步数永远30，CFG跟着感觉在4到13之间乱跳。从晚上八点搞到凌晨一点，生成三百一十张，能交的两张，客户还返了两次工。

更丢人的是出图崩了之后我的处理方式——点一下重新生成，然后祈祷。印象最深的是有回我把CFG拉到15，想着数值越高模型越听话，结果颜色像中了毒，手部全崩，我还傻乎乎地回去改提示词，白改四十分钟。

方向全错了。

转折发生在一个设计群。我吐槽AI绘图不听话，一个做算法的群友回了句："你至少要知道CFG在惩罚什么。"这句话把我噎住了。我连生图是从噪声里一步步还原出画面这件事都不知道，谈什么调参。

回家路上我下了个白话讲扩散模型的视频合集，看完第一节愣了半天。原来我每天调的那些东西，每一个都有明确含义：步数对应去噪的精细程度，采样器是从噪声走到图像的路线，CFG是提示词拽着模型走的力度。窗户纸捅破之后就顺了，我又把潜空间和文本编码也补了。没碰一行公式。

ai绘图深度学习该补哪几块？只学三样就够

围绕ai绘图深度学习，真正值得补的只有三块：扩散去噪的直觉、潜空间的压缩概念、CFG的引导逻辑。数学推导一个都不用碰，能用自己的话把这三样讲明白，调参水平就会上一个台阶。

第一块，扩散模型在干什么。训练时它看几亿张图被逐步加噪，再学会还原；生图时反过来，从一团纯噪声开始，一步步把画面"雕"出来。知道这个，步数和采样器立刻就通了，它们描述的都是"怎么走完这段去噪的路"。

第二块，潜空间。Stable Diffusion不在像素上直接干活，它会把512×768的图压成64×96的张量再处理，也就是8倍下采样。这个事实解释了我一整年的困惑：直接画大图为什么容易崩——模型训练时见过的潜空间尺寸就那么大，硬画768×1152等于让它超纲发挥，双下巴、多出来的手指全是这么来的。

第三块，CFG（classifier-free guidance）。它衡量模型贴合提示词的力度，7左右通常是平衡点，拉太高会过饱和、构图发僵。我那次的15，属于典型的往死里拧。

想看源头的话，Latent Diffusion那篇论文值得翻一翻（arXiv:2112.10752），看不懂字就看配图，结构一目了然。Stable Diffusion这套东西2022年8月由Stability AI和慕尼黑大学的CompVis团队等合作开源，维基百科的Stable Diffusion条目把来龙去脉写得很清楚。概念实在啃不动，可以先读站内的AI深度学习是什么打底，再回来不迟。

搞懂噪声和采样，我把废图率砍了一半

采样器决定去噪走什么路线，步数决定走多细。想通这点后我把流程改成16步先试构图、锁定seed再30步精修，废图率从九成左右降到四成上下。

Euler a是老牌采样器，随机性强，画面偏软，插画感好看，但同一个seed重跑两次都会变；DPM++ 2M Karras收敛快，20到30步基本到头，细节利落。我个人觉得商业出图九成场景，后者都能交差。

我做过一组对照：同seed同提示词，各跑30步。Euler a的成图颜色更"梦幻"，DPM++ 2M Karras的结构明显更稳，手指数量都对。给客户的东西，我现在基本锁后者。真想要那层梦幻感，后期调色比换采样器可控多了。

放大逻辑也变了。以前不懂原理，直接768×1152硬画，废图一堆还怪模型烂。现在512×768先把构图定下来，再放大1.5倍，重绘幅度0.35上下，两步走。多花两分钟，稳太多。

潜空间想明白了，提示词才不是抽奖

提示词不是在描述画面，是在潜空间里给模型划范围。划得准，出图就稳，这比堆一长串华丽形容词管用得多。

SD1.5背后的CLIP文本编码器有77个token的硬上限。我以前写九十多个词，还纳闷为什么排在后面的内容经常不出现——根本没被完整编码进去。现在我把提示词压到50个token以内，预算全花在主体、材质、光线这些大权重词上。

权重语法也不是玄学。(word:1.2)的实质是改变这个词在潜空间里的牵引力度。我试了下把rim light从1.0加到1.3，逆光轮廓立刻出来；加到1.5，整个画面开始烧边。有数的感觉，真好。

词序也有讲究。主体放最前，氛围词靠后。

瞎调与懂原理地调：同一类商单的真实对比

同类型需求，我现在的完整流程比过去省一半时间，可用图数量翻了大概六倍。核心差别不在参数本身，在于知道每个参数动了之后会发生什么。

那张奶茶海报的需求放到现在，我估计两小时内能交初稿。说实话，不是我水平突然变高，是方法换了。这套流程怎么嵌进商业项目，站内的AI深度学习生成图片调参记录写得更细，可以接着看。

ai绘图深度学习学到什么程度算够？我的止损线

ai绘图深度学习学到"能解释自己每个参数为什么这么设"就该停，继续硬啃公式对出图帮助很小。我硬读DDPM论文那次，两周没打开过生图界面。

2025年初我飘过一次。觉得自己懂点原理了，跑去读DDPM原文，看到第三页的马尔可夫链推导直接劝退，之后两周没碰WebUI，有点应激。后来想通了：我是设计师，学这些是为了出图，不是为了转行做算法。

学太深还有个副作用，容易钻进"我要从头训模型"的执念里。真想碰训练，LoRA炼制实用得多。话说回来，那段啃原理的日子有个意外收获——我看懂了LoRA的机制，顺手用自己三十多张旧插画炼了个风格模型。今年有个老客户点名要那个调性，直接多签了一单。

工具和原理的边界怎么划，站内AI技术学习和AI工具使用是两回事讲得比我透。两边精力怎么排，可以参考边学AI画画边学AI那篇的双线法，我就是那么过来的。

常见问题

学AI绘图一定要先懂深度学习吗？

不用，先上手反而更容易坚持。但出图量到几百张之后会撞到一层天花板：教程的参数全抄过了，图还是不稳定。这时候补点原理，是破天花板最快的路。先用起来，卡住了再回头学，顺序别反。

ai绘图深度学习需要会写代码或者数学很好吗？

都不需要。我的数学停在高中水平，代码只会改别人现成的。六周里我看的是白话视频和图解文章，真正用上的算术只有"8倍下采样"这种级别。碰到公式直接跳过，不影响理解主线。

新手该从哪个采样器换起？

我的答案很明确：DPM++ 2M Karras，步数20到30。别再无脑用Euler a了，它随机性强，同seed重跑都会变，新手根本分不清是提示词的问题还是采样器的问题。工具层面还没摸熟的，先看学AI绘画前必看那篇，把基本盘搭好。

写到这里回头看，ai绘图深度学习这个词没想象中吓人，它就是让你从抽卡的人，变成看得懂卡池规则的人。六周的基础，换掉一年半的瞎调，这笔账怎么算都划算。要是你也在凌晨抽卡，先别急着换显卡，花三天补点原理试试。

觉得有用的话，转给那个还在熬夜抽卡的朋友吧，他会感谢你的。