前言

在 AI 绘画蓬勃发展的当下，Stable Diffusion WebUI 凭借其强大的功能与独特的优势，成为了众多绘画爱好者和创作者的心头好。它是基于 Stable Diffusion 模型开发的 Web 图形界面工具，能让我们轻松通过文本生成精美的图像，实现创意与技术的完美融合。

Stable Diffusion WebUI 在 AI 绘画领域占据着举足轻重的地位，开源的特性使得全球的开发者能够对其进行优化和拓展，拥有丰富的插件和模型资源，无论是二次元风格的动漫插画，还是逼真写实的风景、人物图像，亦或是充满奇幻色彩的超现实作品，它都能信手拈来。而且，它支持在本地部署，这意味着我们无需依赖网络在线服务，就能保障数据的隐私和安全，同时也能根据自己的硬件配置进行个性化的性能优化。

今天，我就来手把手教大家如何本地部署 Stable Diffusion WebUI，让你能在自己的电脑上尽情开启 AI 绘画之旅，创作出属于自己的精彩作品。

所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~

二、准备工作

在开始部署之前，我们得先确保自己的电脑具备相应的 “硬件实力”，同时准备好所需的软件工具。

（一）硬件要求

显卡：这是重中之重，Stable Diffusion WebUI 对显卡性能要求较高，最好拥有 NVIDIA 系列且支持 CUDA 的显卡，至少配备 4GB 显存，若想获得更流畅的绘图体验以及处理更复杂的图像生成任务，8GB 及以上显存的显卡是更好的选择，像 NVIDIA GeForce RTX 30 系列、40 系列等都是不错的。如果使用的是 AMD 显卡，虽然也能尝试部署，但在性能表现上可能不如 NVIDIA 显卡，可能会出现生成速度慢、兼容性问题等。

内存：至少需要 8GB 内存来保障程序的基本运行，要是你打算同时运行多个程序或者处理大型的图像文件，16GB 甚至 32GB 内存会让你的电脑运行更加轻松，避免出现卡顿的情况。

硬盘空间：至少预留 20GB 以上的可用硬盘空间，用于存储 Stable Diffusion WebUI 程序、模型文件以及生成的图像等数据。随着你不断使用，模型和生成的图片会越来越多，所以如果条件允许，准备 50GB 甚至更大容量的硬盘或 SSD（固态硬盘），能让你无后顾之忧。

CPU：建议使用四核及以上处理器，像 Intel i5 或 AMD Ryzen 5 以上型号的处理器，能更好地配合显卡完成图像生成任务，提升整体的运行效率。

（二）软件准备

Python 3.10.6：这是部署 Stable Diffusion WebUI 的基础，你可以在Python 官方网站进行下载。下载完成后，开始安装，在安装过程中有一个非常关键的步骤，那就是一定要勾选 “Add Python 3.10 to Path”，这一步能将 Python 添加到系统环境变量中，后续在命令行中使用 Python 相关命令时就会方便很多，否则可能会出现找不到 Python 命令的情况 。

Git：它是用于版本控制和代码管理的工具，能帮助我们方便地获取 Stable Diffusion WebUI 的代码。可以从Git 官网下载安装包。安装时，大部分选项保持默认即可，一直点击 “Next” 直到安装完成 。安装完成后，你可以在命令行中输入 “git –version” 来验证是否安装成功，如果显示出版本号，就说明安装无误 。

CUDA（英伟达显卡）：如果你使用的是 NVIDIA 显卡，那么 CUDA 是必不可少的，它能让显卡在图像生成过程中发挥出最大性能。首先，通过在命令行中输入 “nvidia – smi” 命令来查看你电脑的显卡驱动所支持的 CUDA 版本。然后，前往NVIDIA 官方 CUDA 下载页面下载对应的 CUDA 版本。下载完成后进行安装，安装完成后，记得重启电脑，让 CUDA 的配置生效 。（Ps.如果是Mac电脑则无需看此项，毕竟Mac电脑不存在独立显卡）

三、部署步骤

当我们完成了前期的准备工作，就可以正式开启 Stable Diffusion WebUI 的部署之旅啦 ，下面我将一步步为大家详细讲解具体的操作步骤 。

（一）拉取 SD – WebUI 主项目

MacOS：

1. 安装HomeBrew
   =============

在终端窗口输入以下命令：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

相关安装问题，可查阅（https://brew.sh）

2. 打开一个新的终端窗口，运行

brew install cmake protobuf rust python@3.10 git wget

3. 拉取Stable Diffusion Webui的主项目

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

Ps.由于Github.com在国内访问并不稳定，请多试几次，直到显示安装成功。

Windows：

1. 安装Git

   根据自己的系统情况在（https://git-scm.com/downloads/win），下载对应的安装包进行安装。在安装过程中，可以选择自定义安装路径，推荐预留足够的磁盘空间。在“Choosing the default editor used by Git”部分，可以选择你常用的文本编辑器作为默认编辑器。注意选项“Adjusting your PATH environment”, 通常选择”Use Git from the Windows Command Prompt”或“Use Git and optionalUnix tools from the Windows Command Prompt”，以便在命令行中直接使用Git命令, 检查是否勾选了创建桌面快捷方式或者添加到PATH环境变量等选项

2. 安装Python

   请至Python官网下载3.10.6版本，理论上新版本的Python也可兼容运行

   官网链接：https://www.python.org/downloads/release/python- 3106/

Ps.安装前先勾选 Add python 3.10 to PATH，将Python加到环境变量。再按 Install Now.

3. 拉取Stable Diffusion Webui的主项目

   根据您的显卡类型，执行对应的git clone命令：

   对于Nvidia显卡用户：

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

对于AMD显卡用户，使用DirectML分支：

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

对于Intel Arc显卡用户，同样使用DirectML分支：

git clone https://github.com/Aloereed/stable-diffusion-webui-arc-directml.git

运行以上命令后，Git将会从GitHub上拷贝项目到当前工作目录，并创建一个名为stable-diffusion-webui（或者根据分支名称略有不同的文件夹名）的新文件夹。

（二）下载模型文件

模型文件是 Stable Diffusion WebUI 生成图像的关键，它决定了生成图像的风格和质量。

• 官方基础模型

• SD 1.4 和 SD 1.5：支持生成各种类型的图片，无太多限制，包括一些限制级图片和名人画作等。

• SD 2.0 及后续版本：基于版权和安全考虑，添加了诸多限制条件，无法绘制限制级作品和名人画作，但在出图质量和速度上有明显提升，对手部绘制进行了优化。

• 常见流行模型

• ChilloutMix：非常流行的基础模型，在 C 站下载量超过 70 万，常作为初次使用 Stable Diffusion 的基础模型，以生成亚洲美女图像著称。

• Cetus-Mix：有多个版本，如 CetusMix Version35 版本出图质量较稳定，能生成各种风格和类型的图像。

• Anything 系列：如 Anything v3、v4.5、v5.0 等，具有多样性，可生成多种风格图像。

• AbyssOrangeMix3：可用于生成特定风格或对象的图像，有其独特的创作风格。

• Deliberate 系列：目前最新版本是 deliberate_v2，是万能模型，风格偏油画和数绘风格，需要详细填写提示词。

• Realistic Vision 系列：属于写实风格模型，适合生成人物和动物图像。

• 国风系列：如 GuoFeng3.3 等，是中国华丽古风风格模型，也可看作古风游戏角色模型，具有 2.5D 的质感。

• CrispMix：强调明快清爽的画风，阴影色块面积控制较好，画面整洁干净，适合展示时尚服装。

Stable Diffusion 的模型下载渠道有很多，以下是一些常见的平台：

• Civitai：

• 网址：https://civitai.com/

• 特点：大型的 Stable Diffusion 模型分享社区，有大量高质量模型文件，超过 1700 个精选模型，还提供 12000 多张带提示语的示例图片。用户可上传自己的模型，也可下载使用他人创建的模型，有 Automatic1111 SD Web UI 扩展，能根据模型哈希值自动下载预览图像和模型。不过访问该网站通常需要科学上网。

• 哩布哩布 AI：

• 网址：https://www.liblibai.com/

• 特点：国内较大的 AI 模型分享网站，主要搬运 C 站资源，也有部分原创国产模型，有 Stable Diffusion 模型的不同版本和风格，无需注册即可下载，有作者详尽的模型介绍和使用教程，方便用户二次开发和应用。

• 炼丹阁：

• 网址：https://www.liandange.com/

• 特点：国内大型模型资源库，收录了数以万计的模型，涵盖所有流行模型及小众模型，大部分模型源自 C 站。提供详尽的参数说明和介绍，需注册登录才能下载。

• Hugging Face：

• 网址：https://huggingface.co/models?pipeline_tag=text-to-image&sort=downloads

• 特点：海外 AI 模型分享网站，直接提供大量 SD 和 DDL 模型下载地址，注册和下载完全自由，下载体验流畅，几乎没有限速和等待，网站为英文界面且无图片预览。

• Stable Diffusion 官方资源库：

• 网址：https://github.com/Stability-AI/stablediffusion

• 特点：Stable Diffusion 官方的 GitHub 仓库，能获取官方发布的基础模型及相关代码等资源，适合对模型原始版本和技术细节有需求的用户，可了解模型的最新进展和更新情况。

（三）放置模型文件

将下载的模型移动到Stable-Diffusion-webui主项目文件夹下的Models中的Stable-diffusion和Lora中。

这里展开说一下stable-diffusion模型和Lora模型的区别：

定义和本质

• Stable Diffusion 模型：是一种基于潜在扩散模型（Latent Diffusion Models, LDMs）的文本到图像生成模型。它通过学习大量的图像 – 文本对数据，能够根据输入的文本描述生成对应的图像。它是一个完整且独立的图像生成系统，包含了从文本编码到图像生成的一整套流程和参数。

• LoRA 模型：即低秩自适应（Low – Rank Adaptation），它并非一个完整的图像生成模型，而是一种对已有大型模型（如 Stable Diffusion）进行微调的高效方法。LoRA 模型通过引入可训练的低秩矩阵，在不改变原模型主体参数的情况下，学习特定任务或风格的特征，从而调整模型的输出。

模型规模和存储大小

• Stable Diffusion 模型：通常规模较大，基础的 Stable Diffusion 模型权重文件大小可达数 GB。这是因为它需要学习大量的通用图像特征和语义信息，以支持各种不同类型和风格的图像生成任务。

• LoRA 模型：规模相对较小，文件大小通常在几十 KB 到几百 MB 不等。由于它只学习对原模型的微小调整，所以所需的参数数量远少于完整的 Stable Diffusion 模型。

功能和用途

• Stable Diffusion 模型：具备广泛的图像生成能力，可以根据多样化的文本提示生成各种风格、主题和场景的图像。它提供了一个基础的图像生成框架，适用于一般性的图像创作需求。

• LoRA 模型：主要用于对 Stable Diffusion 模型进行特定风格或主题的微调。例如，你可以使用 LoRA 模型为基础的 Stable Diffusion 模型添加动漫风格、特定人物特征或某种艺术表现手法，从而生成具有特定风格的图像。它可以在不重新训练整个模型的情况下，快速实现模型的个性化定制。

训练方式和成本

• Stable Diffusion 模型：训练过程复杂且成本高昂，需要大量的计算资源（如高性能 GPU 集群）和海量的训练数据。训练时间也很长，通常需要数周甚至数月。

• LoRA 模型：训练相对简单且成本较低。由于它只对少量的低秩矩阵进行训练，所需的计算资源和训练时间都大幅减少。用户可以在自己的本地设备上，使用相对较少的数据对 LoRA 模型进行训练。

使用方式

• Stable Diffusion 模型：可以独立运行，只需要输入文本提示，就能够直接生成图像。

• LoRA 模型：不能单独使用，必须与基础的 Stable Diffusion 模型结合。在使用时，需要将 LoRA 模型加载到 Stable Diffusion 模型中，通过调整 LoRA 的权重来控制其对生成图像的影响程度。

基于以上的介绍，你可以根据模型大小，简单的区分哪些模型放Stable Diffusion目录，哪些模型应该放在Lora目录中。

（四）首次启动 SD – WebUI

当我们完成了前面的步骤，就可以启动 Stable Diffusion WebUI 啦 。

在Stable Diffusion Webui文件夹，webui.bat、webui.sh、webui.py 适用于不同的操作系统环境运行，以下是详细介绍：

webui.bat

• 适用环境：Windows 操作系统。

• 功能说明：.bat文件是 Windows 系统下的批处理文件，它可以按顺序执行一系列的命令。webui.bat 脚本封装了启动 Stable Diffusion Web UI 所需的步骤，比如创建和激活 Python 虚拟环境、安装必要的依赖项、启动 Web UI 服务等。用户只需双击这个文件，就可以在 Windows 系统上快速启动 Stable Diffusion Web UI，无需手动在命令行中输入多个命令。

webui.sh

• 适用环境：类 Unix 系统，包括 Linux 发行版（如 Ubuntu、CentOS 等）和 macOS。

• 功能说明：.sh 文件是 Shell 脚本文件，在类 Unix 系统中广泛用于自动化任务。webui.sh 脚本的作用与 webui.bat 类似，它在类 Unix 系统上完成启动 Stable Diffusion Web UI 的一系列操作，例如检查和安装依赖、激活虚拟环境、启动 Web 服务器等。用户在终端中赋予该脚本执行权限（使用 chmod +x webui.sh 命令）后，运行 ./webui.sh 即可启动 Web UI。

webui.py

• 适用环境：理论上，只要安装了 Python 解释器和相关依赖的操作系统都可以运行，包括 Windows、Linux 和 macOS。

• 功能说明：.py 文件是 Python 脚本文件，webui.py 是 Stable Diffusion Web UI 的核心 Python 代码文件，它实现了 Web 界面的逻辑，处理用户的输入（如文本提示、参数设置等），调用 Stable Diffusion 模型进行图像生成，并将生成的图像返回给用户。webui.bat 和 webui.sh 脚本最终都会调用 webui.py 来启动 Web 服务，但用户也可以在命令行中手动运行 Python 命令（如 python webui.py）来启动 Web UI，前提是已经完成了必要的环境配置和依赖安装。

通过命令行，cd到该SD – WebUI主文件夹。基于你的系统运行相对应的文件即可。

首次启动时，系统会自动下载安装一些必要的包，这个过程是为了确保 Stable Diffusion WebUI能够正常运行，它会根据你的网络速度不同，所需的时间也不同，可能是几分钟，也可能是几十分钟。在这个过程中，你会看到命令行窗口中不断显示下载和安装的信息，比如正在下载的包的名称、下载进度等。请耐心等待，不要关闭命令行窗口或者进行其他可能影响下载和安装的操作。当看到命令行窗口中显示 “Running on local URL: http://127.0.0.1:7860” 这样的信息时，就说明 Stable Diffusion WebUI 已经启动成功啦。接下来只需在任意浏览器中输入“Running on local URL: http://127.0.0.1:7860”地址即可。

四、常见问题及解决方法

在部署和使用 Stable Diffusion WebUI 的过程中，难免会遇到一些问题，下面就为大家汇总一些常见问题及对应的解决方法 ，让你的 AI 绘画之旅更加顺畅 。

（一）依赖版本冲突

在部署过程中，依赖版本冲突是比较常见的问题，比如 PyTorch 和 xformers 版本不匹配就会导致程序无法正常运行或者出现性能问题 。不同版本的 PyTorch 和 xformers 之间的兼容性存在差异，若版本不匹配，可能会出现 “xFormers was built for: PyTorch 2.0.0+cu118 with CUDA 1108 (you have 1.13.1+cu117)” 这样的报错信息 。

推荐版本组合：根据众多用户的经验和测试，当 CUDA 版本为 11.8 时，搭配 PyTorch 2.0.1、torchvision 0.15.2、torchaudio 2.0.2 以及 xformers 0.0.20 ，能在大多数情况下保证程序的稳定运行和较好的性能表现 。你可以根据自己的 CUDA 版本，在PyTorch 官方网站查询对应的 PyTorch 版本，然后再选择与之匹配的 xformers 版本 。

解决办法：如果已经出现了依赖版本冲突的问题，可以通过以下方法解决 。首先，打开命令行窗口，进入到 SD – WebUI 的项目文件夹中 。然后，使用 “pip uninstall” 命令卸载当前冲突的包。

比如

pip uninstall xformers

pip uninstall torch

卸载完成后，再根据推荐的版本组合，使用 “pip install” 命令重新安装相应的包。

例如

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index - url https://download.pytorch.org/whl/cu118

pip install xformers==0.0.20

（将 “代理地址” 和 “端口号” 替换为你实际使用的代理信息）

在安装过程中，要注意命令行窗口输出的信息，查看是否有报错，如果有报错，根据报错信息进一步排查问题 。

（二）网络问题

由于部署过程中需要从 GitHub、Hugging Face 等国外网站下载大量的文件和模型，网络问题也时常出现，比如下载速度慢、超时甚至下载失败等。这可能是因为网络不稳定、网络限制或者服务器负载过高导致的 。

使用镜像源：当遇到网络问题时，使用镜像源是一个简单有效的解决办法 。以 pip 安装包为例，我们可以修改 pip 的源为国内的镜像源，如清华大学的镜像源 “https://pypi.tuna.tsinghua.edu.cn/simple”。

具体操作是在命令行中输入

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

这样，在使用 pip 安装包时，就会从清华大学的镜像源下载，大大提高下载速度 。

对于从 GitHub 下载项目文件，如果速度慢或者超时，可以尝试使用代理或者修改 Git 的配置。

例如，在命令行中输入

git config --global http.proxy http://代理地址：端口号

（将 “代理地址” 和 “端口号” 替换为你实际使用的代理信息）

另外，还可以在下载链接前添加代理前缀，如 “https://ghproxy.com/https://github.com/AUTOMATIC1111/stable – diffusion – webui.git” ，通过代理服务器来下载项目文件。

科学上网：如果使用镜像源等方法还是无法解决问题，那么科学上网可能是一个选择 。通过科学上网，能够直接访问国外的服务器，避免网络限制带来的问题 。但需要注意的是，科学上网需要遵守相关法律法规和网络规则，确保自身行为的合法性 。在使用科学上网工具时，要选择正规、可靠的服务提供商，避免使用非法或者不安全的工具，以免带来安全风险 。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

👉AI绘画必备工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

这份完整版的AI绘画全套学习资料已经上传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:手把手教你在本地部署Stable Diffusion WebUI

前言

在 AI 绘画蓬勃发展的当下，Stable Diffusion WebUI 凭借其强大的功能与独特的优势，成为了众多绘画爱好者和创作者的心头好。它是基于 Stable Diffusion 模型开发的 Web 图形界面工具，能让我们轻松通过文本生成精美的图像，实现创意与技术的完美融合。

Stable Diffusion WebUI 在 AI 绘画领域占据着举足轻重的地位，开源的特性使得全球的开发者能够对其进行优化和拓展，拥有丰富的插件和模型资源，无论是二次元风格的动漫插画，还是逼真写实的风景、人物图像，亦或是充满奇幻色彩的超现实作品，它都能信手拈来。而且，它支持在本地部署，这意味着我们无需依赖网络在线服务，就能保障数据的隐私和安全，同时也能根据自己的硬件配置进行个性化的性能优化。

今天，我就来手把手教大家如何本地部署 Stable Diffusion WebUI，让你能在自己的电脑上尽情开启 AI 绘画之旅，创作出属于自己的精彩作品。

所有的AI设计工具，安装包、模型和插件，都已经整理好了，👇获取~

二、准备工作

在开始部署之前，我们得先确保自己的电脑具备相应的 “硬件实力”，同时准备好所需的软件工具。

（一）硬件要求

显卡：这是重中之重，Stable Diffusion WebUI 对显卡性能要求较高，最好拥有 NVIDIA 系列且支持 CUDA 的显卡，至少配备 4GB 显存，若想获得更流畅的绘图体验以及处理更复杂的图像生成任务，8GB 及以上显存的显卡是更好的选择，像 NVIDIA GeForce RTX 30 系列、40 系列等都是不错的。如果使用的是 AMD 显卡，虽然也能尝试部署，但在性能表现上可能不如 NVIDIA 显卡，可能会出现生成速度慢、兼容性问题等。

内存：至少需要 8GB 内存来保障程序的基本运行，要是你打算同时运行多个程序或者处理大型的图像文件，16GB 甚至 32GB 内存会让你的电脑运行更加轻松，避免出现卡顿的情况。

硬盘空间：至少预留 20GB 以上的可用硬盘空间，用于存储 Stable Diffusion WebUI 程序、模型文件以及生成的图像等数据。随着你不断使用，模型和生成的图片会越来越多，所以如果条件允许，准备 50GB 甚至更大容量的硬盘或 SSD（固态硬盘），能让你无后顾之忧。

CPU：建议使用四核及以上处理器，像 Intel i5 或 AMD Ryzen 5 以上型号的处理器，能更好地配合显卡完成图像生成任务，提升整体的运行效率。

（二）软件准备

Python 3.10.6：这是部署 Stable Diffusion WebUI 的基础，你可以在Python 官方网站进行下载。下载完成后，开始安装，在安装过程中有一个非常关键的步骤，那就是一定要勾选 “Add Python 3.10 to Path”，这一步能将 Python 添加到系统环境变量中，后续在命令行中使用 Python 相关命令时就会方便很多，否则可能会出现找不到 Python 命令的情况 。

Git：它是用于版本控制和代码管理的工具，能帮助我们方便地获取 Stable Diffusion WebUI 的代码。可以从Git 官网下载安装包。安装时，大部分选项保持默认即可，一直点击 “Next” 直到安装完成 。安装完成后，你可以在命令行中输入 “git –version” 来验证是否安装成功，如果显示出版本号，就说明安装无误 。

CUDA（英伟达显卡）：如果你使用的是 NVIDIA 显卡，那么 CUDA 是必不可少的，它能让显卡在图像生成过程中发挥出最大性能。首先，通过在命令行中输入 “nvidia – smi” 命令来查看你电脑的显卡驱动所支持的 CUDA 版本。然后，前往NVIDIA 官方 CUDA 下载页面下载对应的 CUDA 版本。下载完成后进行安装，安装完成后，记得重启电脑，让 CUDA 的配置生效 。（Ps.如果是Mac电脑则无需看此项，毕竟Mac电脑不存在独立显卡）

三、部署步骤

当我们完成了前期的准备工作，就可以正式开启 Stable Diffusion WebUI 的部署之旅啦 ，下面我将一步步为大家详细讲解具体的操作步骤 。

（一）拉取 SD – WebUI 主项目

MacOS：

1. 安装HomeBrew
   =============

在终端窗口输入以下命令：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

相关安装问题，可查阅（https://brew.sh）

2. 打开一个新的终端窗口，运行

brew install cmake protobuf rust python@3.10 git wget

3. 拉取Stable Diffusion Webui的主项目

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

Ps.由于Github.com在国内访问并不稳定，请多试几次，直到显示安装成功。

Windows：

1. 安装Git

   根据自己的系统情况在（https://git-scm.com/downloads/win），下载对应的安装包进行安装。在安装过程中，可以选择自定义安装路径，推荐预留足够的磁盘空间。在“Choosing the default editor used by Git”部分，可以选择你常用的文本编辑器作为默认编辑器。注意选项“Adjusting your PATH environment”, 通常选择”Use Git from the Windows Command Prompt”或“Use Git and optionalUnix tools from the Windows Command Prompt”，以便在命令行中直接使用Git命令, 检查是否勾选了创建桌面快捷方式或者添加到PATH环境变量等选项

2. 安装Python

   请至Python官网下载3.10.6版本，理论上新版本的Python也可兼容运行

   官网链接：https://www.python.org/downloads/release/python- 3106/

Ps.安装前先勾选 Add python 3.10 to PATH，将Python加到环境变量。再按 Install Now.

3. 拉取Stable Diffusion Webui的主项目

   根据您的显卡类型，执行对应的git clone命令：

   对于Nvidia显卡用户：

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

对于AMD显卡用户，使用DirectML分支：

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

对于Intel Arc显卡用户，同样使用DirectML分支：

git clone https://github.com/Aloereed/stable-diffusion-webui-arc-directml.git

运行以上命令后，Git将会从GitHub上拷贝项目到当前工作目录，并创建一个名为stable-diffusion-webui（或者根据分支名称略有不同的文件夹名）的新文件夹。

（二）下载模型文件

模型文件是 Stable Diffusion WebUI 生成图像的关键，它决定了生成图像的风格和质量。

• 官方基础模型

• SD 1.4 和 SD 1.5：支持生成各种类型的图片，无太多限制，包括一些限制级图片和名人画作等。

• SD 2.0 及后续版本：基于版权和安全考虑，添加了诸多限制条件，无法绘制限制级作品和名人画作，但在出图质量和速度上有明显提升，对手部绘制进行了优化。

• 常见流行模型

• ChilloutMix：非常流行的基础模型，在 C 站下载量超过 70 万，常作为初次使用 Stable Diffusion 的基础模型，以生成亚洲美女图像著称。

• Cetus-Mix：有多个版本，如 CetusMix Version35 版本出图质量较稳定，能生成各种风格和类型的图像。

• Anything 系列：如 Anything v3、v4.5、v5.0 等，具有多样性，可生成多种风格图像。

• AbyssOrangeMix3：可用于生成特定风格或对象的图像，有其独特的创作风格。

• Deliberate 系列：目前最新版本是 deliberate_v2，是万能模型，风格偏油画和数绘风格，需要详细填写提示词。

• Realistic Vision 系列：属于写实风格模型，适合生成人物和动物图像。

• 国风系列：如 GuoFeng3.3 等，是中国华丽古风风格模型，也可看作古风游戏角色模型，具有 2.5D 的质感。

• CrispMix：强调明快清爽的画风，阴影色块面积控制较好，画面整洁干净，适合展示时尚服装。

Stable Diffusion 的模型下载渠道有很多，以下是一些常见的平台：

• Civitai：

• 网址：https://civitai.com/

• 特点：大型的 Stable Diffusion 模型分享社区，有大量高质量模型文件，超过 1700 个精选模型，还提供 12000 多张带提示语的示例图片。用户可上传自己的模型，也可下载使用他人创建的模型，有 Automatic1111 SD Web UI 扩展，能根据模型哈希值自动下载预览图像和模型。不过访问该网站通常需要科学上网。

• 哩布哩布 AI：

• 网址：https://www.liblibai.com/

• 特点：国内较大的 AI 模型分享网站，主要搬运 C 站资源，也有部分原创国产模型，有 Stable Diffusion 模型的不同版本和风格，无需注册即可下载，有作者详尽的模型介绍和使用教程，方便用户二次开发和应用。

• 炼丹阁：

• 网址：https://www.liandange.com/

• 特点：国内大型模型资源库，收录了数以万计的模型，涵盖所有流行模型及小众模型，大部分模型源自 C 站。提供详尽的参数说明和介绍，需注册登录才能下载。

• Hugging Face：

• 网址：https://huggingface.co/models?pipeline_tag=text-to-image&sort=downloads

• 特点：海外 AI 模型分享网站，直接提供大量 SD 和 DDL 模型下载地址，注册和下载完全自由，下载体验流畅，几乎没有限速和等待，网站为英文界面且无图片预览。

• Stable Diffusion 官方资源库：

• 网址：https://github.com/Stability-AI/stablediffusion

• 特点：Stable Diffusion 官方的 GitHub 仓库，能获取官方发布的基础模型及相关代码等资源，适合对模型原始版本和技术细节有需求的用户，可了解模型的最新进展和更新情况。

（三）放置模型文件

将下载的模型移动到Stable-Diffusion-webui主项目文件夹下的Models中的Stable-diffusion和Lora中。

这里展开说一下stable-diffusion模型和Lora模型的区别：

定义和本质

• Stable Diffusion 模型：是一种基于潜在扩散模型（Latent Diffusion Models, LDMs）的文本到图像生成模型。它通过学习大量的图像 – 文本对数据，能够根据输入的文本描述生成对应的图像。它是一个完整且独立的图像生成系统，包含了从文本编码到图像生成的一整套流程和参数。

• LoRA 模型：即低秩自适应（Low – Rank Adaptation），它并非一个完整的图像生成模型，而是一种对已有大型模型（如 Stable Diffusion）进行微调的高效方法。LoRA 模型通过引入可训练的低秩矩阵，在不改变原模型主体参数的情况下，学习特定任务或风格的特征，从而调整模型的输出。

模型规模和存储大小

• Stable Diffusion 模型：通常规模较大，基础的 Stable Diffusion 模型权重文件大小可达数 GB。这是因为它需要学习大量的通用图像特征和语义信息，以支持各种不同类型和风格的图像生成任务。

• LoRA 模型：规模相对较小，文件大小通常在几十 KB 到几百 MB 不等。由于它只学习对原模型的微小调整，所以所需的参数数量远少于完整的 Stable Diffusion 模型。

功能和用途

• Stable Diffusion 模型：具备广泛的图像生成能力，可以根据多样化的文本提示生成各种风格、主题和场景的图像。它提供了一个基础的图像生成框架，适用于一般性的图像创作需求。

• LoRA 模型：主要用于对 Stable Diffusion 模型进行特定风格或主题的微调。例如，你可以使用 LoRA 模型为基础的 Stable Diffusion 模型添加动漫风格、特定人物特征或某种艺术表现手法，从而生成具有特定风格的图像。它可以在不重新训练整个模型的情况下，快速实现模型的个性化定制。

训练方式和成本

• Stable Diffusion 模型：训练过程复杂且成本高昂，需要大量的计算资源（如高性能 GPU 集群）和海量的训练数据。训练时间也很长，通常需要数周甚至数月。

• LoRA 模型：训练相对简单且成本较低。由于它只对少量的低秩矩阵进行训练，所需的计算资源和训练时间都大幅减少。用户可以在自己的本地设备上，使用相对较少的数据对 LoRA 模型进行训练。

使用方式

• Stable Diffusion 模型：可以独立运行，只需要输入文本提示，就能够直接生成图像。

• LoRA 模型：不能单独使用，必须与基础的 Stable Diffusion 模型结合。在使用时，需要将 LoRA 模型加载到 Stable Diffusion 模型中，通过调整 LoRA 的权重来控制其对生成图像的影响程度。

基于以上的介绍，你可以根据模型大小，简单的区分哪些模型放Stable Diffusion目录，哪些模型应该放在Lora目录中。

（四）首次启动 SD – WebUI

当我们完成了前面的步骤，就可以启动 Stable Diffusion WebUI 啦 。

在Stable Diffusion Webui文件夹，webui.bat、webui.sh、webui.py 适用于不同的操作系统环境运行，以下是详细介绍：

webui.bat

• 适用环境：Windows 操作系统。

• 功能说明：.bat文件是 Windows 系统下的批处理文件，它可以按顺序执行一系列的命令。webui.bat 脚本封装了启动 Stable Diffusion Web UI 所需的步骤，比如创建和激活 Python 虚拟环境、安装必要的依赖项、启动 Web UI 服务等。用户只需双击这个文件，就可以在 Windows 系统上快速启动 Stable Diffusion Web UI，无需手动在命令行中输入多个命令。

webui.sh

• 适用环境：类 Unix 系统，包括 Linux 发行版（如 Ubuntu、CentOS 等）和 macOS。

• 功能说明：.sh 文件是 Shell 脚本文件，在类 Unix 系统中广泛用于自动化任务。webui.sh 脚本的作用与 webui.bat 类似，它在类 Unix 系统上完成启动 Stable Diffusion Web UI 的一系列操作，例如检查和安装依赖、激活虚拟环境、启动 Web 服务器等。用户在终端中赋予该脚本执行权限（使用 chmod +x webui.sh 命令）后，运行 ./webui.sh 即可启动 Web UI。

webui.py

• 适用环境：理论上，只要安装了 Python 解释器和相关依赖的操作系统都可以运行，包括 Windows、Linux 和 macOS。

• 功能说明：.py 文件是 Python 脚本文件，webui.py 是 Stable Diffusion Web UI 的核心 Python 代码文件，它实现了 Web 界面的逻辑，处理用户的输入（如文本提示、参数设置等），调用 Stable Diffusion 模型进行图像生成，并将生成的图像返回给用户。webui.bat 和 webui.sh 脚本最终都会调用 webui.py 来启动 Web 服务，但用户也可以在命令行中手动运行 Python 命令（如 python webui.py）来启动 Web UI，前提是已经完成了必要的环境配置和依赖安装。

通过命令行，cd到该SD – WebUI主文件夹。基于你的系统运行相对应的文件即可。

首次启动时，系统会自动下载安装一些必要的包，这个过程是为了确保 Stable Diffusion WebUI能够正常运行，它会根据你的网络速度不同，所需的时间也不同，可能是几分钟，也可能是几十分钟。在这个过程中，你会看到命令行窗口中不断显示下载和安装的信息，比如正在下载的包的名称、下载进度等。请耐心等待，不要关闭命令行窗口或者进行其他可能影响下载和安装的操作。当看到命令行窗口中显示 “Running on local URL: http://127.0.0.1:7860” 这样的信息时，就说明 Stable Diffusion WebUI 已经启动成功啦。接下来只需在任意浏览器中输入“Running on local URL: http://127.0.0.1:7860”地址即可。

四、常见问题及解决方法

在部署和使用 Stable Diffusion WebUI 的过程中，难免会遇到一些问题，下面就为大家汇总一些常见问题及对应的解决方法 ，让你的 AI 绘画之旅更加顺畅 。

（一）依赖版本冲突

在部署过程中，依赖版本冲突是比较常见的问题，比如 PyTorch 和 xformers 版本不匹配就会导致程序无法正常运行或者出现性能问题 。不同版本的 PyTorch 和 xformers 之间的兼容性存在差异，若版本不匹配，可能会出现 “xFormers was built for: PyTorch 2.0.0+cu118 with CUDA 1108 (you have 1.13.1+cu117)” 这样的报错信息 。

推荐版本组合：根据众多用户的经验和测试，当 CUDA 版本为 11.8 时，搭配 PyTorch 2.0.1、torchvision 0.15.2、torchaudio 2.0.2 以及 xformers 0.0.20 ，能在大多数情况下保证程序的稳定运行和较好的性能表现 。你可以根据自己的 CUDA 版本，在PyTorch 官方网站查询对应的 PyTorch 版本，然后再选择与之匹配的 xformers 版本 。

解决办法：如果已经出现了依赖版本冲突的问题，可以通过以下方法解决 。首先，打开命令行窗口，进入到 SD – WebUI 的项目文件夹中 。然后，使用 “pip uninstall” 命令卸载当前冲突的包。

比如

pip uninstall xformers

pip uninstall torch

卸载完成后，再根据推荐的版本组合，使用 “pip install” 命令重新安装相应的包。

例如

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index - url https://download.pytorch.org/whl/cu118

pip install xformers==0.0.20

（将 “代理地址” 和 “端口号” 替换为你实际使用的代理信息）

在安装过程中，要注意命令行窗口输出的信息，查看是否有报错，如果有报错，根据报错信息进一步排查问题 。

（二）网络问题

由于部署过程中需要从 GitHub、Hugging Face 等国外网站下载大量的文件和模型，网络问题也时常出现，比如下载速度慢、超时甚至下载失败等。这可能是因为网络不稳定、网络限制或者服务器负载过高导致的 。

使用镜像源：当遇到网络问题时，使用镜像源是一个简单有效的解决办法 。以 pip 安装包为例，我们可以修改 pip 的源为国内的镜像源，如清华大学的镜像源 “https://pypi.tuna.tsinghua.edu.cn/simple”。

具体操作是在命令行中输入

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

这样，在使用 pip 安装包时，就会从清华大学的镜像源下载，大大提高下载速度 。

对于从 GitHub 下载项目文件，如果速度慢或者超时，可以尝试使用代理或者修改 Git 的配置。

例如，在命令行中输入

git config --global http.proxy http://代理地址：端口号

（将 “代理地址” 和 “端口号” 替换为你实际使用的代理信息）

另外，还可以在下载链接前添加代理前缀，如 “https://ghproxy.com/https://github.com/AUTOMATIC1111/stable – diffusion – webui.git” ，通过代理服务器来下载项目文件。

科学上网：如果使用镜像源等方法还是无法解决问题，那么科学上网可能是一个选择 。通过科学上网，能够直接访问国外的服务器，避免网络限制带来的问题 。但需要注意的是，科学上网需要遵守相关法律法规和网络规则，确保自身行为的合法性 。在使用科学上网工具时，要选择正规、可靠的服务提供商，避免使用非法或者不安全的工具，以免带来安全风险 。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！

对于0基础小白入门：

如果你是零基础小白，想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！

零基础AI绘画学习资源介绍

👉stable diffusion新手0基础入门PDF👈

👉AI绘画必备工具👈

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉AI绘画基础+速成+进阶使用教程👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉12000+AI关键词大合集👈

这份完整版的AI绘画全套学习资料已经上传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:手把手教你在本地部署Stable Diffusion WebUI