Stable Diffusion 3.5 本地部署指南：从安装到问题解决，一站式搞定！

SD3.5环境配置及问题解决

Stable Diffusion 3.5 作为AI绘画领域的重磅升级，以其强大的图像生成能力和灵活的本地部署特性，吸引了无数创作者。本指南将手把手带你完成从环境配置到模型运行的完整流程，并针对常见问题提供解决方案，助你轻松开启AI艺术创作之旅！

Stable Diffusion 3.5（简称SD3.5）是由Stability AI推出的最新一代图像生成模型，是Stable Diffusion系列的重要升级版本。

SD3.5包含三个主要版本：

• Stable Diffusion 3.5 Large：参数量为80亿，支持生成100万像素（1MP）的高分辨率图像，适合专业用户和对图像质量有较高要求的场景。

• Stable Diffusion 3.5 Large Turbo：基于Large版本优化，采用对抗性扩散蒸馏（ADD）技术，显著提高了生成速度，同时保持高质量输出。

• Stable Diffusion 3.5 Medium：参数量为25亿，适用于中等分辨率需求的用户，如生成40万像素（0.4MP）的图像。

SD3.5在多个方面进行了显著改：

• 图像质量和细节：通过增加模型参数量，提升了图像分辨率上限至2048×2048，并改善了细节表现和真实感。

• 提示词匹配度：优化了对复杂提示词的理解能力，能够更准确地生成符合用户需求的图像。

• 速度提升：Large Turbo版本通过技术优化，大幅缩短了生成时间，适合需要快速生成大量图像的用户。

• 多模态支持：支持多种视觉元素的整合，解决了早期版本中复杂细节和多元素集成的限制问题。
  这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.环境配置

• 创建虚环境

  conda create -n sd3.5 python=3.10   
  

• Pytorch(>2.0)

  conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia   
  

• Jupyter能使用Anaconda虚环境

  conda install ipykernel   python -m ipykernel install --user --name sd3.5 --display-name "SD3.5"   
  

• 安装transformer和tokenizer

  pip install transformers==4.38.2    pip install tokenizers==0.15.2   
  

• 安装最新版本的diffuser

  pip install -U diffusers   
  

• 安装量化库节约VRAM GPUs

  pip install bitsandbytes   
  

• 安装sentencepiece

  pip install sentencepiece   
  

• 根据项目需要安装其他库

  pip install matplotlib   pip install numpy==1.26.4    # 降级，否则有些时候会报错   pip install accelerate   pip install protobuf==3.19.0   
  

  2.报错解决

如果报错：Exception: data did not match any variant of untagged enum PyPreTokenizerTypeWrapper at line 960 column 3降级解决

pip install transformers==4.38.2   pip install tokenizers==0.15.2   

**如果报错ValueError: Cannot instantiate this tokenizer from a slow version. If it’s based on sentencepiece, make sure you have sentencepiece installed.**安装sentencepiece：

pip install sentencepiece   

**如果报错：ValueError: The current PyTorch version does not support the scaled_dot_product_attention function.**解决：安装高于Pytorch>2.0

如果报错：T5Converter requires the protobuf library but it was not found in your environment. Checkout the instructions on the

解决：

pip install protobuf==3.19.0   

3.实测

• 官网例子：

local_path = "/home/aic/diffusion_models/stable-diffusion-3.5-large/"   pipe = StableDiffusion3Pipeline.from_pretrained(local_path, torch_dtype=torch.bfloat16)   pipe = pipe.to("cuda")      image = pipe(       "A capybara holding a sign that reads Hello World",       num_inference_steps=28,       guidance_scale=3.5,   ).images[0]   image.save("capybara.png")   

• 自定义例子

  “一名古代风格的中国女学生坐在现代的计算机教室里面学习编程”

  prompts:“An ancient-style Chinese female student sitting in a modern computer classroom learning programming, focused eyes, traditional Hanfu attire, modern technology, code editor, keyboard, mouse, fusion of digital age and traditional aesthetics, rich in detail, high-definition quality.”

prompts="An ancient-style Chinese female student sitting in a modern computer classroom learning programming, focused eyes, traditional Hanfu attire, modern technology, code editor, keyboard, mouse, fusion of digital age and traditional aesthetics, rich in detail, high-definition quality."   image = pipe(       prompt=prompt,       num_inference_steps=28,       guidance_scale=4.5,       max_sequence_length=512,   ).images[0]      image.save("girls.png")   plt.imshow(plt.imread("girls.png"))   plt.axis('off')  # 不显示坐标轴   display(plt.gcf())   

这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

文章来源于互联网:Stable Diffusion 3.5 本地部署指南：从安装到问题解决，一站式搞定！

相关推荐: 多模态与 AIGC：用 TensorFlow 构建图文 / 语音 / 视频生成模型

多模态与 AIGC：用 TensorFlow 构建图文 / 语音 / 视频生成模型 🎯 本章目标 了解主流 AIGC 多模态模型架构（图像、语音、视频） 构建文本生成模型（GPT-like） 构建图文生成模型（图像 Caption / Text-to-Imag…