一份保姆級的Stable Diffusion部署教程，開啟你的煉丹之路

市面上有很多可以被用于AI繪畫的應用，例如DALL-E、Midjourney、NovelAI等，他們的大部分都依托云端服務器運行，一部分還需要支付會員費用來購買更多出圖的額度，在2022年8月，一款叫做Stable Diffusion的應用，通過演算法迭代將AI繪畫的精細度提上了一個新的臺階，并能在以秒計數的時間內完成產出，還可以在一臺有“民用級”顯卡的電腦上運行，

通過Stable Diffusion，可以繪制出各種風格的作品，比如動漫風、插畫立繪、國風水墨、3D建模，甚至是照片級的擬真影像，而借助諸如LoRa、ControlNet等衍生功能，還可以做到精準控制美術風格、角色細節、姿勢、動作、構圖等，更更重要的是，他是全面開源的，這意味著你可以在自己的電腦上部署整個程式，使用它出圖、作畫是完全免費而且不限量的！市面上大多數商業級的AI繪畫應用，都是基于SD去開發的，

盡管Stable Diffusion非常親民，但他還是有一定的配置要求的，它需要一張性能足夠強大的獨立顯卡提供算力進行繪制，實際上，“跑得動”和“玩得爽”是兩種不同的體驗，算力上的差異會極大的影響AI繪畫時的出圖效率，也正是因為此，有很多同學因為個人電腦捉急的配置而錯失了深入體驗Stable Diffusion的機會，等一下，你知道京東云嗎？京東云GPU云主機是提供GPU算力的彈性計算服務，具有超強的并行計算能力，正在深度學習、科學計算、圖形影像處理、視頻編解碼等場景廣泛使用，為您提供觸手可得的算力，有效緩解計算壓力，提升您的業務效率，并可彈性擴展，助您快速構建異構的計算應用，

在經歷了一系列的探索后，我為你總結出了一套零基礎的、非常好上手的借助京東云GPU云主機部署安裝Stable Diffusion WebUI以及相關工具和插件的保姆集教程，請查收，

一、創建GPU主機實體

1.1 創建GPU云主機

京東云GPU云主機的標準型的配置包含Tesla P40 24G顯卡、12核48G，跑Stable Diffusion體驗非常好，配置推薦如下：

1.2 創建安全組并系結

首先在左側選單【安全組】創建一個安全組，在【入站規則】和【出站規則】中分別添加并開放7860、7861、8080、8888埠，其中

然后在實體詳情中，點擊【安全組】-【系結安全組】系結剛剛創建的安全組，

二、環境安裝

2.1 安裝GPU驅動

在英偉達官網根據顯卡型號、作業系統、CUDA等查詢驅動版本，官網查詢鏈接https://www.nvidia.com/Download/index.aspx?lang=en-us
注意這里的CUDA版本，如未安裝CUDA可以先選擇一個版本，稍后再安裝CUDA.

點擊Search

如上圖，查詢到合適的版本為510. 然后可以使用apt安裝對應驅動版本，使用apt安裝更方便一些，

# 安裝510版本驅動
apt install nvidia-driver-510
# 查看驅動資訊
nvidia-smi

如安裝成功，則可以展示如下提示資訊，

2.2 安裝CUDA

訪問英偉達開發者網站先選擇CUDA版本（版本要對應2.1中GPU驅動支持的CUDA版本），再根據作業系統選擇對應CUDA安裝命令，訪問鏈接https://developer.nvidia.com/cuda-toolkit-archive

如上面安裝確定所選擇驅動對應的CUDA版本為11.6，根據安裝命令安裝, 以下命令適用Ubuntu 20.04 x86_64, GPU驅動510版本

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.2-510.47.03-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-6-local_11.6.2-510.47.03-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-6-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

2.3 安裝Python 3.10

Stable Diffusion WebUI目前最低支持Python 3.10，所以直接安裝3.10版本，安裝命令：

	apt install software-properties-common
	add-apt-repository ppa:deadsnakes/ppa
	apt update
	apt install python3.10
	python3.10 --verison

PIP設定國內源，由于默認源在國外，所以安裝可能經常會出現timeout等問題，使用國內源可以很大程度避免下載包timeout的情況，將如下內容復制到檔案~/.pip/pip.conf當中，如沒有該檔案，先創建touch ~/.pip/pip.conf，

	[global] 
	index-url = https://pypi.tuna.tsinghua.edu.cn/simple
	[install]
	trusted-host = https://pypi.tuna.tsinghua.edu.cn  

2.4 安裝Anaconda

非常推薦使用Anaconda，Anaconda可以便捷獲取包且對包能夠進行管理，同時對Python環境可以統一管理的發行版本，安裝命令也很簡單：

	wget https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh
	bash ./Anaconda3-2023.03-1-Linux-x86_64.sh

創建Python3.10.9環境，并使用該環境

	conda create -n python3.10.9 python==3.10.9
	conda activate python3.10.9

2.5 安裝PyTorch

首先在PyTorch官網查詢對應CUDA版本的Torch，如上述章節2.2中CUDA 11.6需要安裝pytorch1.13.1

# 使用conda安裝，兩種安裝方式二選一
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia

# 使用pip安裝，兩種安裝方式二選一
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

三、部署Stable Diffusion WebUI

3.1 下載stable-diffusion-webui

注意首先激活Python3.10環境：

conda activate python3.10.9

然后下載stable-diffusion-webui

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

3.2 安裝依賴

cd到stable-diffusion-webui目錄安裝相應的依賴，如有訪問網路超時、失敗等，注意按照章節2.3中設定國內源，如果再次失敗，重試幾次一般都可完成安裝，

cd stable-diffusion-webui
pip install -r requirements_versions.txt
pip install -r requirements.txt

3.3 啟動stable-diffusion-webui

安裝完成后，執行如下啟動命令：

python launch.py --listen --enable-insecure-extension-access

這一步驟會下載一些常用模型，如果遇到下載失敗，根據報錯提示在huggingface.co下載模型放到對應目錄，如下載stable-diffusion-v1-5模型，搜索找到https://huggingface.co/runwayml/stable-diffusion-v1-5/tree/main

點擊圖中下載按鈕，下載v1-5-pruned-emaonly.safetensors到stable-diffusion-webui/models/Stable-diffusion目錄，其他模型同理，

模型下載完成，再次執行啟動命令，提示已啟動到7860埠，則可以通過IP+7860埠訪問：

公網建議設定訪問密碼，注意替換下面命令當中的username:password為用戶名、密碼，

python launch.py --listen --enable-insecure-extension-access --gradio-auth username:password

上述命令非后臺運行，如需后臺運行可以使用nohup、tmux等方法實作，

3.4 使用stable-diffusions生成圖片

下載一個模型到/stable-diffusion-webui/models/Stable-diffusion目錄，模型可以在https://civitai.com/查找，如下圖所用majicMIX realistic模型，下載完成后點擊左上角重繪按鈕，然后選擇剛下載的模型，輸入Promot和引數即可生成圖片，

附上圖所用Promot和引數

Prompt

1 girl a 24 y o woman, blonde, dark theme, soothing tones, muted colors, high contrast, look at at viewer, contrasty , vibrant , intense, stunning, captured in the late afternoon sunlight, using a Canon EOS R6 and a 16-35mm to capture every detail and angle, with emphasis on the lighting and shadows, late afternoon sunlight, 8K

Negative prompt

(deformed, distorted, disfigured, doll:1.3), poorly drawn, bad anatomy, wrong anatomy, extra limb, missing limb, floating limbs, (mutated hands and fingers:1.4), disconnected limbs, mutation, mutated, ugly, disgusting, blurry, amputation, 3d, illustration, cartoon, flat , dull , soft, (deformed, distorted, disfigured:1.3), poorly drawn, bad anatomy, wrong anatomy, extra limb, missing limb, floating limbs,

其他引數

四、常用相關工具與插件

4.1 安裝LoRa插件Additional Networks

使用Lora必不可少的插件，Additional Networks可以用來控制checkpoint+LoRa或者多個LoRa模型生成混合風格的影像，并且可以設定Lora模型的Weight，安裝方式如下：

打開stable-diffusion-webui，點擊【Extensions】- 【Install from URL】輸入https://ghproxy.com/https://github.com/kohya-ss/sd-webui-additional-networks.git

然后點擊【Install】等待安裝，直到在【Installed】中顯示，然后直接用命令重啟stable-diffusion-webui（不是reload webui），強烈推薦所有插件安裝完成都命令重啟stable-diffusion-webui，可以免去很多麻煩，

最后點擊【Setting】-【Additional Networks】輸入LoRa檔案夾的絕對路徑，如/root/stable-diffusion-webui/models/Lora（示例，請填寫你的系統路徑），然后【Reload UI】等待重啟完成，

然后可以在【txt2img】或【img2img】中選擇Lora模型并設定權重使用，

4.2 安裝ControlNet

作為Stable Diffusion必裝插件，ControlNet 允許用戶對生成的影像進行精細的控制，以獲得更好的視覺效果，ControlNet讓AI繪畫的可控性有了質的突變，讓AGIC真正的可以投入生產使用，

打開stable-diffusion-webui，點擊【Extensions】- 【Install from URL】輸入https://ghproxy.com/https://github.com/Mikubill/sd-webui-controlnet.git
然后點擊【Install】等待安裝，直到在【Installed】中顯示，然后直接用命令重啟stable-diffusion-webui（不是reload webui），

由于controlNet會使用很多模型，所以在重啟的時候會默認下載，如果下載失敗或超時，需要手動下載到controlnet目錄，

訪問huggingface.co找到controlnet的地址：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main

手動下載上面模型檔案到stable-diffusion-webui/extensions/sd-webui-controlnet/models目錄，查看已下載controlnet模型:

下載完成，重啟stable-diffusion-webui即可在【txt2img】或【img2img】使用，

4.3 Jupyter Notebook

Jupyter Notebook是一個基于網頁的互動環境，可以用來編輯、運行Python代碼，可視化看到運行結果，同時提供了基礎的檔案樹操作功能等，

如已在章節2.4中安裝了Anaconda，直接使用以下命令運行notebook

jupyter notebook --allow-root --NotebookApp.token='設定你的token'

訪問IP+8888埠，可以開始使用notebook

4.4 模型訓練工具Kohya_ss

Kohya_ss是公認推薦訓練Stable Diffusion模型的可視化工具，尤其在windows平臺支持比較好，經過嘗試在linux直接使用會遇到各種環境原因的問題，為了避免這些問題，十分推薦使用docker安裝，

先按照docker官方檔案安裝好docker，Ubuntu安裝docker檔案：https://docs.docker.com/engine/install/ubuntu/
由于在docker容器中需要使用GPU資源，所以還需要先安裝NVIDIA Container Toolkit

sudo apt-get update \
    && sudo apt-get install -y nvidia-container-toolkit-base

# 查看是否安裝成功
nvidia-ctk --version

然后下載kohya_ss：

git clone https://github.com/bmaltais/kohya_ss.git

如下圖，修改kohya_ss/docker-compose.yaml檔案埠為0.0.0.0:7861:7860(將kohya_ss的7860埠映射到宿主機的7861埠，因為7860會被Stable Diffusion WebUI占用)，

啟動引數設定為"--username xxxx --password xxxx --headless",注意替換xxxx為需要設定的賬號密碼

然后執行

docker compose build # 首次執行需要build

docker compose run --service-ports kohya-ss-gui

程序中會從huggingface.co下載模型檔案，如果下載失敗，可以嘗試手動下載到目錄kohya_ss/.cache/user/huggingface/hub/models--openai--clip-vit-large-patch14/snapshots/8d052a0f05efbaefbc9e8786ba291cfdf93e5bff,最后的hash值注意改成對應的版本，

下載地址https://huggingface.co/openai/clip-vit-large-patch14/tree/main，注意下載全部檔案

下載完成，然后訪問埠+7861埠，可以開始使用Kohya_ss訓練模型了，

五、總結

安裝完Stable Diffusion及上面的推薦插件，你的Stable Diffuion已經具備強大的生產力，后續我會繼續同大家一起探索和分享更多的使用經驗，敬請期待系列文章下一集，
現在購買京東云GPU云主機新人即享99元7天的一折體驗價（合0.59元/小時），即刻開啟煉丹之旅，

作者：京東科技 王雷

來源：京東云開發者社區

標籤：其他

上一篇：以科技創新驅動高質量發展，天翼云作業系統獲國資委權威認證！

下一篇：返回列表