上一篇 Sampling method（采样方法）- StableDiffusion文生图 我们基本了解了Sampling method以及Sampling steps。本篇文章我们介绍下Hires.fix（高清修复）、Width（宽）、Height（高）、Batch count（批次）、Batch size（批大小），本篇文章如果无特殊说明，演示使用sd_xl_base_1.0.safetensors的基础模型，这个模型可以更好的理解自然语言，尺寸 1024 * 1024，固定随机种子（Seed）。
宽和高
这个很好理解就是生成图片的宽和高，如上图Width和Height。
高清修复
因为模型训练的时候一般有固定的图片大小，512*512或者1024*1024，如果设置的宽高不是模型训练的宽高，生成的图片可能不符合要求，需要更大的图片，就需要使用这个功能。
Upscaler：图像放大算法。
Hires steps：修复开始的步数，即从哪一步开始进行放大。
Denoising strength：噪点的强度，这个值越大，和原图差别越大。
Upscale by：放大倍数。如果宽高是1024*1024，Upscale by是2，则放大后的图片是2048*2048
Resize width to & Resize height to：修复后的宽和高，支持设置不同的宽和高，不仅仅可以按放大倍数（Upscale by）。
批次和批次大小
Batch count 生成多少次，Batch size，每次生成多少张图片，这个比较好理解，我们看下示例以及效果。
最终生的的图片个数就是Batch count * Batch size，我经常使用的是batch size，我要生成记账图片我就直接设置几就行了，要说区别，就是提示词不变的情况下，Batch count 每个批次生成的图片都是类似的，batch size 每次生成的图片是差别较大。
今天的比较简单，都是一些基本概念，比较好理解，但是生成需要的图片，需要多次尝试。