AI大模型教程
一起来学习
当前位置：5bei.cn大模型教程网 > AI创作 > 正文

stable diffusion webui docker 离线部署

2025-02-22 分类：AI创作 / stable-diffusion 阅读(513)
文章目录 隐藏
AI 绘图工具 Stable Diffusion
离线部署流程分析

AI 绘图工具 Stable Diffusion

Stable Diffusion 是一种基于扩散技术的深度学习文本到图像模型，于 2022 年发布，该项目由 Stability AI 、 CompVis 、 Runway 合作开发，它主要用于文生图，但也可以应用于其他任务，如 Inpainting（补画 、Outpainting（扩画）、图生图等。 Inpainting 称为图像修复，用于修复或恢复图像中的损坏或缺失部分。 Outpainting 称为图像扩展，通过智能地在图像的边缘添加新的像素来扩展图像的边界。

Stability 提供了名为 DreamStudio 的在线图像生成服务，开源版本名为 StableStudio 。除了 Stability 的接口之外，还存在许多第三方开源接口，其中最流行的是 AUTOMATIC1111 Stable Diffusion Web UI 和 ComfyUI 。

Stable Diffusion 是核心的图像生成模型，负责根据输入的文本描述生成图像。
Stable Diffusion WebUI 是 Stable Diffusion 的一个前端界面，为用户提供了一个易于使用的 Web 界面，简化了与模型交互的过程。
Stable Diffusion WebUI Docker 是用于部署 Stable Diffusion WebUI 的容器化解决方案，简化了安装和配置过程，使用户能够快速在不同平台上运行 Stable Diffusion WebUI。

相关的 GitHub 仓库有两个：
https://github.com/AUTOMATIC1111/stable-diffusion-webui
https://github.com/AbdBarho/stable-diffusion-webui-docker

离线部署流程分析

在 stable-diffusion-webui-docker 仓库，参考 wiki ，确保您安装了最新版本的 docker 和 docker compose ，分析两条部署的命令，

docker compose --profile download up --build
# wait until its done, then:
docker compose --profile [ui] up --build
# where [ui] is one of: auto | auto-cpu | comfy | comfy-cpu

第一步，先看 docker compose --profile download up --build ，分析启动流程，

读取 docker-compose.yml 文件内容，

x-base_service: &base_service
    ports:
      - "${WEBUI_PORT:-7860}:7860"
    volumes:
      - &v1 ./data:/data
      - &v2 ./output:/output
    stop_signal: SIGKILL
    tty: true
    deploy:
      resources:
        reservations:
          devices:
              - driver: nvidia
                device_ids: ['0']
                capabilities: [compute, utility]

name: webui-docker

services:
  download:
    build: ./services/download/
    profiles: ["download"]
    volumes:
      - *v1

  auto: &automatic
    : *base_service
    profiles: ["auto"]
    build: ./services/AUTOMATIC1111
    image: sd-auto:78
    environment:
      - CLI_ARGS=--allow-code --medvram --xformers --enable-insecure-extension-access --api
    privileged: true

  auto-cpu:
    : *automatic
    profiles: ["auto-cpu"]
    deploy: {}
    environment:
      - CLI_ARGS=--no-half --precision full --allow-code --enable-insecure-extension-access --api

  comfy: &comfy
    : *base_service
    profiles: ["comfy"]
    build: ./services/comfy/
    image: sd-comfy:7
    environment:
      - CLI_ARGS=

  comfy-cpu:
    : *comfy
    profiles: ["comfy-cpu"]
    deploy: {}
    environment:
      - CLI_ARGS=--cpu
  • 解析配置文件：Docker Compose 读取并解析 docker-compose.yml 文件，识别出所有定义的服务和配置。
  • 选择配置文件：根据 --profile download ，只选择 profiles: ["download"] 的服务。
  • 构建镜像：因为使用了 --build 标志，Compose 会先构建 download 服务所需要的 Docker 镜像。构建过程根据 ./services/download/ 目录下的 Dockerfile 进行。
  • 启动服务：一旦镜像构建完成，Compose 会创建并启动 download 服务的容器，同时挂载定义的卷 ./data:/data 。 *v1 表示引用了先前定义的卷挂载 v1 。在 YAML 中，&v1 定义了一个锚点，而 *v1 则是这个锚点的引用。
    网络配置：Compose 配置好网络，使得各个服务之间能够相互通信。
    端口映射：根据定义的 ports 配置，执行端口映射。对于 download 服务，没有单独定义端口映射，也没有显式地定义继承（使用 base_service 的配置。
    资源限制和权限：如果配置中定义了资源限制和权限（如 GPU 设备的访问权限）， Compose 会应用这些配置到容器中。

第二步，构建 download 服务所需要的 Docker 镜像。构建过程根据 ./services/download/ 目录下的 Dockerfile 进行，分析 Dockerfile 文件内容，

FROM bash:alpine3.19

RUN apk update && apk add parallel aria2
COPY . /docker
RUN chmod +x /docker/download.sh
ENTRYPOINT ["/docker/download.sh"]

Dockerfile 中用到 download.sh ，内容如下：

#!/usr/bin/env bash

set -Eeuo pipefail

# TODO: maybe just use the .gitignore file to create all of these
mkdir -vp /data/.cache 
  /data/embeddings 
  /data/config/ 
  /data/models/ 
  /data/models/Stable-diffusion 
  /data/models/GFPGAN 
  /data/models/RealESRGAN 
  /data/models/LDSR 
  /data/models/VAE

echo "Downloading, this might take a while..."

aria2c -x 10 --disable-ipv6 --input-file /docker/links.txt --dir /data/models --continue

echo "Checking SHAs..."

parallel --will-cite -a /docker/checksums.sha256 "echo -n {} | sha256sum -c"

cat EOF
By using this software, you agree to the following licenses:
https://github.com/AbdBarho/stable-diffusion-webui-docker/blob/master/LICENSE
https://github.com/CompVis/stable-diffusion/blob/main/LICENSE
https://github.com/AUTOMATIC1111/stable-diffusion-webui/blob/master/LICENSE.txt
https://github.com/invoke-ai/InvokeAI/blob/main/LICENSE
And licenses of all UIs, third party libraries, and extensions.
EOF

download.sh 用到 links.txt 和 checksums.sha256 ，

links.txt 的内容如下，

https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt
  out=Stable-diffusion/v1-5-pruned-emaonly.ckpt
https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.ckpt
  out=VAE/vae-ft-mse-840000-ema-pruned.ckpt
https://huggingface.co/runwayml/stable-diffusion-inpainting/resolve/main/sd-v1-5-inpainting.ckpt
  out=Stable-diffusion/sd-v1-5-inpainting.ckpt
https://github.com/TencentARC/GFPGAN/releases/download/v1.3.4/GFPGANv1.4.pth
  out=GFPGAN/GFPGANv1.4.pth
https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth
  out=RealESRGAN/RealESRGAN_x4plus.pth
https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth
  out=RealESRGAN/RealESRGAN_x4plus_anime_6B.pth
https://heibox.uni-heidelberg.de/f/31a76b13ea27482981b4/?dl=1
  out=LDSR/project.yaml
https://heibox.uni-heidelberg.de/f/578df07c8fc04ffbadf3/?dl=1
  out=LDSR/model.ckpt

checksums.sha256 的内容如下，

cc6cb27103417325ff94f52b7a5d2dde45a7515b25c255d8e396c90014281516  /data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt
c6bbc15e3224e6973459ba78de4998b80b50112b0ae5b5c67113d56b4e366b19  /data/models/Stable-diffusion/sd-v1-5-inpainting.ckpt
c6a580b13a5bc05a5e16e4dbb80608ff2ec251a162311590c1f34c013d7f3dab  /data/models/VAE/vae-ft-mse-840000-ema-pruned.ckpt
e2cd4703ab14f4d01fd1383a8a8b266f9a5833dacee8e6a79d3bf21a1b6be5ad  /data/models/GFPGAN/GFPGANv1.4.pth
4fa0d38905f75ac06eb49a7951b426670021be3018265fd191d2125df9d682f1  /data/models/RealESRGAN/RealESRGAN_x4plus.pth
f872d837d3c90ed2e05227bed711af5671a6fd1c9f7d7e91c911a61f155e99da  /data/models/RealESRGAN/RealESRGAN_x4plus_anime_6B.pth
c209caecac2f97b4bb8f4d726b70ac2ac9b35904b7fc99801e1f5e61f9210c13  /data/models/LDSR/model.ckpt
9d6ad53c5dafeb07200fb712db14b813b527edd262bc80ea136777bdb41be2ba  /data/models/LDSR/project.yaml

分析整体流程，

一，构建镜像：

  • 从 bash:alpine3.19 基础镜像开始。
  • 安装必要的工具（ parallel 和 aria2 ）。
  • 复制当前目录的内容到镜像内的 /docker 目录。
  • 设置 download.sh 脚本的可执行权限。
  • 定义容器启动时执行 download.sh 脚本。

二，启动容器：

  • 容器启动后， download.sh 脚本将执行：
  • 创建需要的目录结构。
  • 使用 aria2c 并行下载 links.txt 中定义的模型文件。
  • 使用 parallel 校验下载的文件。
  • 输出许可信息。

问题一： COPY . /docker 这里复制的当前目录是指哪个目录？
COPY . /docker 将当前构建上下文（context）中的所有内容复制到镜像内的 /docker 目录。构建上下文是指运行 docker build 命令时指定的目录。通常，这个目录是 Dockerfile 所在的目录，但也可以在 docker build 命令中显式指定。如果你的 docker-compose.yml 文件中有如下定义：

download:
  build: ./services/download/
  profiles: ["download"]
  volumes:
    - *v1

那么，./services/download/ 目录就是构建上下文。在构建镜像时，这个目录中的所有内容都会被复制到 Docker 镜像的 /docker 目录中。

问题二： download.sh 脚本定义的具体操作是在容器中还是在物理机上创建目录？
download.sh 脚本中的操作是在容器中执行的。因此，脚本中创建的目录（例如 /data/.cache 等）都是在容器内部创建的，而不是在物理机上。

问题三：下载模型文件时， aria2c -x 10 --disable-ipv6 --input-file /docker/links.txt --dir /data/models --continue ，输入的路径和输出的路径是容器内的路径还是物理机的路径？
输入的路径： /docker/links.txt 是指容器内的路径。在构建镜像时， links.txt 文件已经被复制到容器内的 /docker 目录。
输出的路径：--dir /data/models 是指容器内的路径。下载的文件将会存储在容器内的 /data/models 目录中。
然而，由于在 docker-compose.yml 中定义了卷挂载：

volumes:
  - ./data:/data

所以容器内的 /data 目录实际上是映射到物理机的 ./data 目录。这意味着模型文件将被下载到物理机的 ./data/models 目录中。

这里的 ./data 是指 docker-compose.yml 文件所在目录的 data 目录，而不是构建上下文的那个指定目录的 data 。

假设文件结构如下，

project/
├── docker-compose.yml
├── data/
│   ├── ...（下载的模型文件将存放在这里）
└── services/
    └── download/
        ├── Dockerfile
        ├── download.sh
        ├── links.txt
        └── checksums.sha256

在这个结构中：

  • docker-compose.yml 文件位于 project 目录中。
  • data 目录也位于 project 目录中。
  • services/download 目录是构建上下文目录，包含 Dockerfile 、 download.sh 、 links.txt 等文件。

在运行 docker compose --profile download up --build 命令时：

  • Docker Compose 会读取 docker-compose.yml 文件。
  • 挂载卷 ./data:/data 会将 project 目录中的 data 目录映射到容器内的 /data 目录。
  • 当 download.sh 脚本在容器内运行时，所有下载的文件将存储在容器内的 /data/models 目录中，但由于卷挂载，这些文件实际存储在 project/data/models 目录中。

所以，最终下载的模型文件会在 project/data/models 目录中找到。

问题五：在 links.txt 中，下载链接和输出文件是分两行的， aric2c 怎么知道它们分别是下载链接和输出文件路径，并把输出文件路径和 /data/models 合并为完整的保存路径？
aria2c 支持一种特殊的输入文件格式，其中每个下载链接可以有多行参数。具体来说，每个下载链接都可以附带一些附加的选项，如输出文件路径、文件名等。这些选项可以通过缩进（通常是两个空格或一个制表符）来表示。
我们看一下 links.txt 文件中的一个示例：

https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt
  out=Stable-diffusion/v1-5-pruned-emaonly.ckpt

在这个例子中：
第一行：包含下载链接 https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt
第二行：包含下载选项 out=Stable-diffusion/v1-5-pruned-emaonly.ckpt ，这行前面有两个空格。
aria2c 通过行首的空格或制表符来识别这些选项行，并将它们与前面的下载链接关联起来。

下载和保存过程如下，

  • 读取下载链接： aria2c 识别第一行作为下载链接。
  • 读取附加选项：发现下一行以空格开头，识别为下载链接的附加选项。
  • 解析输出文件路径： out=Stable-diffusion/v1-5-pruned-emaonly.ckpt ，指定了输出文件的相对路径。
  • 构建完整的保存路径： aria2c 将指定的相对路径与命令行参数中的目录（ --dir /data/models ）合并，构建完整的保存路径 /data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt 。

问题六： parallel --will-cite -a /docker/checksums.sha256 "echo -n {} | sha256sum -c" ，分析命令的执行流程。

  • parallel ：一个用于并行执行任务的工具。
  • --will-cite ：表示用户同意在使用 parallel 时引用该工具。
  • -a /docker/checksums.sha256 ：表示从指定的文件 /docker/checksums.sha256 中读取输入行。
  • "echo -n {} | sha256sum -c" ：这是 parallel 要执行的命令。 {} 是一个占位符，表示每行输入。

执行流程如下，

  • 读取输入文件： parallel 从 /docker/checksums.sha256 文件中逐行读取输入，每行都包含一个 SHA256 校验和和文件路径。
  • 并行执行校验：对于文件中的每一行，parallel 会执行如下命令：
echo -n "d4c3b4c3c3e5e2e5f0f9f4f5f7f8f5f4f5e4e5e6d6f7f6f5f5e6f7e8  /data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt" | sha256sum -c

具体步骤如下： echo -n {} ： {} 是占位符，表示当前处理的那一行。例如，第一行是：d4c3b4c3c3e5e2e5f0f9f4f5f7f8f5f4f5e4e5e6d6f7f6f5f5e6f7e8 /data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt ， echo -n 命令会输出这一行的内容，但不添加换行符。 | sha256sum -c：管道符号 | 将前面的输出传递给 sha256sum -c 命令。 sha256sum -c 读取输入并验证文件的 SHA256 校验和是否正确。

  • 校验和检查： sha256sum -c 会对每个文件路径计算实际的 SHA256 校验和，并与提供的校验和进行比较。如果校验和匹配，输出类似如下：
/data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt: OK

如果校验和不匹配，输出类似如下：

/data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt: FAILED

如果文件不存在，则输出类似如下的结果：

/data/models/Stable-diffusion/v1-5-pruned-emaonly.ckpt: No such file or directory

因此，通过分解 docker compose --profile download up --build 命令的执行流程，Docker Compose 解析 docker-compose.yml 文件，读取所有定义的服务和配置，选择 profiles 字段中包含 download 的 download 服务，构建并启动相应的 Docker 容器。容器启动后，挂载卷 ./data:/data ，将 stable diffusion webui 所需的模型文件下载到容器中的 /data ，即主机中的 project/data 。在离线部署时，可以在一台联网的机器上执行此命令，将模型文件下载到 project/data 路径，然后将这些文件转移到无法联网的机器上。

关于部署的第二条命令， docker compose --profile [ui] up --build ，我们下篇文章继续分析。

微信公众号「padluo」，分享数据科学家的自我修养，既然遇见，不如一起成长。关注【老罗说AI】公众号，后台回复【文章】，获得整理好的【老罗说AI】文章全集。

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

相关推荐: llama factory 参数体系EvaluationArguments、DataArguments、FinetuningArguments、FreezeArguments、LoraArgument

项目地址 https://github.com/hiyouga/LLaMA-Factory 模型层参数 这段代码是使用Python的dataclasses模块定义的一个数据类ModelArguments，用于管理和存储与模型微调相关的参数。这个类的设计是为了方…

赞(0)
未经允许不得转载：5bei.cn大模型教程网 » stable diffusion webui docker 离线部署
分享到： 更多 (0)
标签：

相关推荐

吐血推荐

对比kimi、通义千问、文心一言的写代码能力

真实对比kimi、通义千问、文心一言的写代码能力，到底谁强？

热门文章

AI大模型,我们的未来

小欢软考联系我们