Stable Diffusion 本地部署教程

1.前言：

最近看Stable Diffusion开源了，据说比Disco Diffusion更快，于是从git上拉取了项目尝试本地部署了，记录分享一下过程~
这里是官网介绍：https://stability.ai/blog/stable-diffusion-public-release

2.必要前提：

科学上网。很多链接都需要用到。
显卡的显存需要足够大，至于多大没看到哪有说，反正3g绝对不行

3.部署前准备：

本地化部署运行虽然很好，但是也有一些基本要求

（1）需要拥有NVIDIA显卡，GT1060起，显存4G以上。（已经不需要3080起，亲民不少）

（2）操作系统需要win10或者win11的系统。

MacOS平台本地化请见《如何在mac电脑上运行stable diffusion来做AI绘画》

（3）电脑内存16G或者以上。

（4）最好会魔法上网，否则网络波动，有些网页打不开，有时下载很慢。

（5）耐心，多尝试，多搜索。这个教程我已经重复过2次，因此很多问题基本上都踩坑并写出来了。所以请放心，能跑通的。

我的电脑配置供大家参考，Win10，I7，NVIDIA GT1050 4G，16G

生成一张20step的图大概20-30s（若使用更高性能的电脑，生成速度更快。）

4.使用的项目Stable diffusion WebUI项目

Stable diffusion大家都知道了，是当前最多人使用且效果最好的开源AI绘图软件之一，属于当红炸子鸡了。

不过，stable diffusion项目本地化的部署，是纯代码界面，使用起来对于非程序员没那么友好。

而stable diffusion webui，是基于stable diffusion 项目的可视化操作项目。

通过可视化的网页操作，更方便调试prompt，及各种参数。

同时也附加了很多功能，比如img2img功能，extra放大图片功能等等。
在这里插入图片描述
因此stable diffusion webui项目是很多人部署到本地的首选。

我们本教程就是以stable diffusion webui项目为例来操作的。

二、电脑环境配置

1.安装miniconda

这个是用来管理python版本的，他可以实现python的多版本切换。
下载地址：https://docs.conda.io/en/latest/miniconda.html
在这里插入图片描述
安装时按默认的一路next就行。

2.用管理员权限打开miniconda，输入conda -V 弹出版本号即为正确安装

在这里插入图片描述

3.配置库包下载环境，加快网络速度（替换下载库包地址为国内的清华镜像站）

执行下面

conda config --set show_channel_urls yes

生成.condarc 文件

在我的电脑/此电脑-C盘-users-你的账号名下用记事本打开并修改.condarc文件。（如我的路径是C:\Users\Administrator。）

把下面的内容全部复制进去，全部覆盖原内容，ctrl+s保存，关闭文件。

channels:
 - defaults
show_channel_urls: true
default_channels:
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
 conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

运行conda clean -i 清除索引缓存，以确保使用的是镜像站的地址。
在这里插入图片描述

4.创建python 3.10.6版本的环境

运行下面语句，创建环境

conda create --name lmd python=3.10.6

系统可能会提示y/n, 输入y，按回车即可。
显示done，那就完成了。

在你的C:\ProgramData\Miniconda3\envs\lmd已经创建了一个新的项目。

5.激活环境

输入conda activate lmd 回车。

6.升级pip，并设置pip的默认库包下载地址为清华镜像。

每一行输入后回车，等执行完再输入下一行，再回车。

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

不报错就是完成了。

7.安装git，用来克隆下载github的项目，比如本作中的stable diffusion webui

前往git官网https://git-scm.com/download/win
在这里插入图片描述
下载好后，一路默认安装，next即可。

开始菜单找到git cmd。
打开并输入下面指令。

git --version

查看git的版本，显示了版本号即安装成功。
在这里插入图片描述

8.安装cuda

cuda是NVIDIA显卡用来跑算法的依赖程序，所以我们需要它。

打开NVIDIA cuda官网，https://developer.nvidia.com/cuda-toolkit-archive
（这里有人可能会打不开网页，如果打不开，请用魔法上网。）

你会发现有很多版本，下载哪个版本呢？
在这里插入图片描述
回到一开始的miniconda的小窗，输入nvidia-smi，查看你的cuda版本

比如我的是12.1的版本，我就下载12.1.0的链接

下载完后安装，这个软件2个G，可以安装在c盘以外的地方。比如D盘。

好了，完成这步，电脑的基础环境设置终于完事了。

下面开始正式折腾stable diffusion了。
注意：如果提示此命令nvidia-smi，非内部命令时，按以下操作
把此路径：C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR，放入到环境变量中
显卡所在路径：
在这里插入图片描述
环境变量位置：

三、stable diffusion环境配置

1.下载stable diffusion源码

确认你的miniconda黑色小窗显示的是(把stable看成是lmd就行)
在这里插入图片描述
如果不是，则输入D: 按回车。

当然你也可以放在其他你想放的盘的根目录里面。

不建议放在c盘，因为这个项目里面有一些模型包，都是几个G几个G的，很容易你的C盘就满了，其他盘容量在10G以上的就都行。

再来克隆stable diffusion webui项目（下面简称sd-webui）

接着执行

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

注意，现在克隆的本地地址，就是下面经常提到的“项目根目录”。比如，我的项目根目录是D:\stable-diffusion-webui

2.下载stable diffusion的训练模型

地址：https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/tree/main

点击file and versions选项卡，下载sd-v1-4.ckpt训练模型。

（需要注册且同意协议，注册并同意协议之后即可下载）
在这里插入图片描述
注：这个模型是用于后续生成AI绘图的绘图元素基础模型库。

后面如果要用waifuai或者novelai，其实更换模型放进去sd-webui项目的模型文件夹即可。

我们现在先用stable diffusion 1.4的模型来继续往下走。

3.更改训练模型名称

下载好之后，请把模型更名成model.ckpt,然后放置在sd-webui的models/stable-diffusion目录下。比如我的路径是D:\stable-diffusion-webui\models\Stable-diffusion
在这里插入图片描述

4. 安装GFPGAN

这是腾讯旗下的一个开源项目，可以用于修复和绘制人脸，减少stable diffusion人脸的绘制扭曲变形问题
地址：https://github.com/TencentARC/GFPGAN
把网页往下拉，拉到readme.md部分，找到V1.4 model，点击蓝色的1.4就可以下载。
在这里插入图片描述
下载好之后，放在sd-webui项目的根目录下面即可，比如我的根目录是D:\stable-diffusion-webui

4.在miniconda的黑色小窗，准备开启运行ai绘图程序sd-webui

输入

cd stable-diffusion-webui

进入项目的根目录。

切记，一定要进入sd-webui的项目根目录后，才能执行下面的指令，否则会报错。

接着执行

webui-user.bat

然后回车，等待系统自动开始执行。

直到系统提示，running on local URL: http://127.0.0.1:7860

这就代表，你可以开始正式使用AI画画啦~
在这里插入图片描述

注意：

这一步可能经常各种报错，需要耐心和时间多次尝试。

不要关闭黑色小窗，哪怕它几分钟没有任何变化。

如果提示连接错误，可能需要开启或者关闭魔法上网，再重新执行webui-user.bat命令。

如果不小心退出了黑色窗口，则重新点击：开始菜单-程序-打开miniconda窗口，输入

conda activate lmd

并进入sd-webui项目根目录再执行

webui-user.bat

四、开始作画和调试

1.在浏览器，（比如谷歌浏览器），打开http://127.0.0.1:7860（注意，不要关闭miniconda的黑色窗口）

在这里插入图片描述

2.在prompt区域输入相关指令，比如beautiful landscape，然后点击右边的generate，即可生成第一张图片啦。

在这里插入图片描述

3.生成的状态和操作

网页会显示进度条，miniconda的黑色小窗也会显示进度条。

等进度条跑满，就能看到你生成的图啦。

如果不想生成了，可以点击interrupt停止生成，就会返回你目前为止已经生成的图片。（比如你要生成10张，已经生成了3张，点击interrupt，就会返回3张图片）

如果点击skip，就会跳过本张图片的生成，比如你想生成10张图，现在生成第3张，点击skip，第三张就不生成了，直接开始生成第四张，最后返回9张图片。
在这里插入图片描述

4.修改batch count数值，一次性生成多张图片

默认是1，一次性生成1张。

建议一次性生成4张或者以上，这样获得满意的图片概率会大一些，可以最多一次性生成最多100张。
在这里插入图片描述

但写得越大，一次性生成花费的时间越长，假设一张图30秒，设置10张就是300s，5分钟，100张则是3000s，50分钟。

5.好了，那现在就本地化部署完毕了，可以开始愉快地玩耍啦，祝你玩得开心~

五、安装过程中的错误处理

1、新版SD WebUI卡安装Open_Clip解决方法

https://www.bilibili.com/read/cv21253533

2、Stable Diffusion V2-Stability-AI处理

https://gitee.com/jerrylinkun/stable-diffusion-v2-stability-ai?_from=gitee_search文章来源地址https://uudwc.com/A/p09k