Stable Diffusion 多采样器深度解析：PLMS、Euler 与 DPM 算法对比
在 Stable Diffusion 中，采样器是决定图像生成质量、速度和风格的核心组件。不同采样器采用不同的数学方法从噪声中逐步生成图像，直接影响最终效果。通过分析源码可知，主流实现支持 PLMS、Euler、DPM 等多种采样算法，每种算法都有其独特的优势和适用场景。
采样器基础：为什么选择很重要？
采样器的选择往往决定了你的工作流效率。有的追求速度，有的追求极致细节。理解它们的底层逻辑，能帮你避免盲目尝试参数。
主流采样器技术特性对比
PLMS 采样器：平衡速度与质量的首选
PLMS（Pseudo Linear Multistep Sampler）是一种基于线性多步方法的采样器，通过使用前几步的梯度信息来加速收敛。在常见实现中，PLMS 采用了 Adams-Bashforth 方法，支持 2-4 阶精度控制：
# PLMS 采样器核心逻辑示意
if len(old_eps) == 0:
# 2 阶改进欧拉法
e_t_prime = (e_t + e_t_next) / 2
elif len(old_eps) == 1:
# 2 阶 Adams-Bashforth
e_t_prime = (3 * e_t - old_eps[-1]) / 2
elif len(old_eps) == 2:
# 3 阶 Adams-Bashforth
e_t_prime = (23 * e_t - 16 * old_eps[-1] + 5 * old_eps[-2]) / 12
else:
# 4 阶 Adams-Bashforth
e_t_prime = (55 * e_t - 59 * old_eps[-1] + 37 * old_eps[-2] - 9 * old_eps[-3]) / 24
优势：
- 只需 50 步即可生成高质量图像，比 DDIM 快约 2 倍
- 显存占用适中，对低配 GPU 友好
- 图像细节丰富，纹理自然
适用场景： 日常创作、快速原型设计、显存受限设备
