大模型弄好了，想着玩玩stable-diffusion-webui，结果折腾了几天无果，最后使用大佬的docker镜像弄好了。

Ubuntu20.4 docker运行stable diffusion webui_siutin/stable-diffusion-webui-docker-CSDN博客

以下作为备忘：

配置nvidia-docker2仓库：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add –
 
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
 
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
 
sudo apt-get update
 

安装nvidia-docker2并重启docker服务

sudo apt-get install -y nvidia-docker2
 
sudo pkill -SIGHUP dockerd
 

sudo systemctl daemon-reload
sudo systemctl restart docker
 

运行c

文章来源于互联网:docker部署stable-diffusion-webui

相关推荐: VAE和Stable Diffusion的关系

， VAE（变分自编码器） 和 Stable Diffusion 有密切关系，尤其体现在其 编码器和解码器结构上，但它们并不完全等同。 ✅ 简单回顾：什么是 VAE？ 变分自编码器（VAE） 是一种生成模型，结构包含： 编码器（Encoder）：将输入数据编码…

前排提示：如果不想折腾，可直接跳到最后获取封装好的容器，一键运行 😀

前言

乘上AI生成的快车，一同看看沿途的风景。

启一个miniconda容器

docker run -itd -v 宿主机内SD项目路径:/tmp --gpus all --ipc host -p 7860:7860 continuumio/miniconda3:latest

打开容器：

docker exec -it 容器id bash
cd /tmp

下载项目代码

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

注：如果搭了梯子也无法 git clone，可以直接下载 项目.zip 文件，然后在本地解压。

安装依赖

先安装 torch和更新setuptools，不然：在使用pip安装basicsr库的时候卡住在Preparing metadata (setup.py)。

pip install --upgrade pip setuptools wheel
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/你的cuda版本，比如:cu121

上面的 index-url 参考 pytorch 官方：

Start Locally | PyTorch

使用清华源安装 requirements_versions.txt ：

pip install -r requirements_versions.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

使用阿里源安装 requirements.txt ：

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

注：清华源安装 requirements.txt 会出现报错：

 Preparing metadata (setup.py) ... error
  error: subprocess-exited-with-error
  
  × python setup.py egg_info did not run successfully.
  │ exit code: 1
  ╰─> [26 lines of output]
      Traceback (most recent call last):
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/setup.py", line 50, in get_hash
          from basicsr.version import __version__
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/basicsr/__init__.py", line 3, in 
          from .archs import *
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/basicsr/archs/__init__.py", line 5, in 
          from basicsr.utils import get_root_logger, scandir
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/basicsr/utils/__init__.py", line 3, in 
          from .img_process_util import USMSharp, usm_sharp
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/basicsr/utils/img_process_util.py", line 1, in 
          import cv2
      ModuleNotFoundError: No module named 'cv2'
      
      During handling of the above exception, another exception occurred:
      
      Traceback (most recent call last):
        File "", line 2, in 
        File "", line 34, in 
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/setup.py", line 139, in 
          write_version_py()
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/setup.py", line 67, in write_version_py
          sha = get_hash()
                ^^^^^^^^^^
        File "/tmp/pip-install-_h0cg0e2/basicsr_f6e24d42eda94c67800f8a48e46b0e6a/setup.py", line 53, in get_hash
          raise ImportError('Unable to get git version')
      ImportError: Unable to get git version
      [end of output]
  
  note: This error originates from a subprocess, and is likely not a problem with pip.
error: metadata-generation-failed

× Encountered error while generating package metadata.
╰─> See above for output.

note: This is an issue with the package mentioned above, not pip.
hint: See above for details.

下载模型

推荐在 Hugging Face 下载模型文件：

Stable Diffusion 2.1 版本：https://huggingface.co/stabilityai/stable-diffusion-2-1/tree/main

把文件下载到本地：（需要登录后才能下载）

注：如果网络不好，可以选择网盘地址（如果失效，和我联系 :D）。

最后，把下载到的模型文件放到./models/Stable-diffusion下。

运行 webui.py

打开 ./modules/launch_utils.py，添加https://ghproxy.com/到def prepare_environment函数中的如下位置：

清空 ./repositories 文件夹内的所有文件（如果为空，可忽略），然后依次执行（顺序不要错）：

git clone https://github.com/Stability-AI/stablediffusion.git "repositories/stable-diffusion-stability-ai"
git clone https://github.com/crowsonkb/k-diffusion.git "repositories/k-diffusion"
git clone https://github.com/salesforce/BLIP.git "repositories/BLIP"
git clone https://github.com/sczhou/CodeFormer.git "repositories/CodeFormer"

运行 webui.py

可能的报错：ImportError: libGL.so.1: cannot open shared object file: No such file or directory

解决：

pip install opencv-python-headless

可能使用wsl2的同学会遇到一个问题：宿主机无法打开 127.0.0.1:7860。

原因参考：使用 WSL 访问网络应用程序

参数对应代码：

modules/cmd_args.py里：

parser.add_argument("--listen", action="store_true", help="launch gradio with 0.0.0.0 as server name, allowing to respond to network requests")

webui.py里：

api.launch(
        server_name="0.0.0.0" if cmd_opts.listen else "127.0.0.1",
        ...
)

注1： 对于同一个局域网下，不在宿主机上直接打开网页的同学，可以在你的主机浏览器里输入：

宿主机ip:7860

注2：如果要用CPU推理（ 😀 ) ，可能出现报错：

RuntimeError: "xxx" not implemented for 'Half'

解决：启动 webui.py 的时候，再加上参数 --no-half

注3：如果报错 CUDA out of memory：

torch.cuda.OutOfMemoryError: CUDA out of memory. {省略一长串}. If reserved but unallocated memory is large try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

解决：只需把 PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:32可以加到系统环境变量里面：（镜像里我已加上）

接下来就可以愉快地生成图片啦！

资源消耗

生成图片分辨率设置为768（SD 2.0 使用 768*768 分辨率图片训练所得），8G显存已经无法满足生成需求，因此单张图片生成时间极其缓慢（花费31.8s）：

Ubuntu平台：因为能使用更多显存，3060 12G的生成速度快于 3070 8G（其实也可能和WSL性能损耗有关）

最后得到一张效果较为不错的照片：

一键运行：

对于不想折腾的同学，可以直接下载我封装好的镜像：网盘地址

打开终端，运行如下命令：

cd 镜像名称.tar所在的路径
docker load -i wind_Stable_Diffusion_Webui.tar
docker run -it --rm --gpus all --ipc host -p 7860:7860 wind/stable_diffusion_webui:v1
python webui.py

入股一键运行出现报错，可参考前面的详细教程。

—End

文章来源于互联网:Docker部署Stable-Diffusion-webui

相关推荐: 当 AI 能自动化完成需求，设计师的价值在哪里？

最近一段时间一直在思考未来几年设计师在哪些方向上更有价值，从今年 3-5 月份来看，从 AI 工具逐步向 Agent（代理） 方向转变。这样的风口作为打工人的我们如何参与、可参与的方向在哪里？视觉设计方向的大部分活已经被 AI 完成，从业多年的老艺术家们追求的…