5bei.cn大模型教程网
文章目录
隐藏
以下是针对本地部署Stable Diffusion的细化操作步骤，包含每个环节的详细操作、验证方法和常见问题处理：
一、环境准备深度配置（Windows/Linux）
1.1 Python 3.10.6 精确安装
Windows系统：
1.官网下载（直接链接避免找错）：
https://www.python.org/ftp/python/3.10.6/python-3.10.6-amd64.exe
2.安装时勾选：
- [√] Add Python to PATH
- Install launcher for all users（避免权限问题）
Linux系统（Ubuntu示例）：
sudo apt install build-essential zlib1g-dev libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev
wget https://www.python.org/ftp/python/3.10.6/Python-3.10.6.tgz
tar -xvf Python-3.10.6.tgz
cd Python-3.10.6
./configure --enable-optimizations
make -j8
sudo make altinstall
python3.10 --version # 验证输出应为3.10.6
1.2 CUDA环境精准验证
验证CUDA是否生效：
# 在Python中执行
import torch
print("CUDA可用:", torch.cuda.is_available()) # 必须显示True
print("CUDA版本:", torch.version.cuda) # 需≥11.3
print("显卡型号:", torch.cuda.get_device_name(0)) # 显示显卡型号
常见问题处理：
报错”No CUDA runtime is found”：
检查NVIDIA驱动版本：nvidia-smi顶部显示的CUDA Version需≥11.3
重装CUDA Toolkit：访问 https://developer.nvidia.com/cuda-toolkit-archive 下载11.3版
二、代码仓库克隆与加速方案
2.1 克隆仓库（国内用户必看）
# 原始命令（可能缓慢）
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
# 国内加速方案（使用镜像源）：
git clone https://ghproxy.com/https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
2.2 目录结构验证
克隆完成后检查关键目录：
stable-diffusion-webui
├── models
│ └── Stable-diffusion # 存放模型文件
├── repositories # 依赖组件
├── outputs # 生成图片保存位置
└── webui-user.bat # Windows启动脚本
三、依赖安装全流程演示
3.1 虚拟环境创建（强烈推荐）
# Windows：
python -m venv venv
.venvScriptsactivate
# Linux：
python3.10 -m venv venv
source venv/bin/activate
3.2 依赖安装命令分解
# 安装基础依赖（需10-20分钟）
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
# 安装WebUI依赖
pip install -r requirements.txt
国内加速技巧：
# 临时使用镜像源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 永久修改配置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
四、模型文件精准部署
4.1 官方模型下载（必须步骤）
1.访问Hugging Face页面：
https://huggingface.co/runwayml/stable-diffusion-v1-5
2.点击”Agree & Access”接受协议
3.下载文件：
v1-5-pruned-emaonly.safetensors
（推荐安全格式）
4.2 模型放置规范
# 正确路径（区分新旧版本）
stable-diffusion-webui/
└── models/
└── Stable-diffusion/
├── v1-5-pruned-emaonly.safetensors # 官方模型
└── anything-v5.safetensors # 第三方模型
4.3 哈希校验（防文件损坏）
# Windows：
certutil -hashfile v1-5-pruned-emaonly.safetensors SHA256
# 正确哈希值：6b4c23d78c5f0cc6ad7d5d50a47991d2e4ceb7a5fcf8e1739b905a54c665f0d4
# Linux：
sha256sum v1-5-pruned-emaonly.safetensors
五、首次启动全流程演示
5.1 启动命令详解
# Windows（带参数启动）：
set COMMANDLINE_ARGS=--xformers --medvram --autolaunch
.webui-user.bat
# Linux（低显存设备）：
export COMMANDLINE_ARGS="--lowvram --precision full --no-half"
./webui.sh
5.2 成功启动标志
- 终端显示：
Running on local URL: http://127.0.0.1:7860
- 浏览器自动打开Web界面
六、首次生成测试（带参数说明）
6.1 基础参数设置
Prompt: "masterpiece, best quality, 1girl, cherry blossoms, spring"
Negative prompt: "lowres, bad anatomy, worst quality, low quality"
Steps: 20
Sampler: Euler a
CFG scale: 7
Seed: -1 # 随机种子
Width/Height: 512x768
6.2 生成结果验证
- 成功生成：outputs/txt2img-images目录出现PNG文件
- 失败排查：
- 查看终端错误日志
- 检查显存占用：nvidia-smi显示显存使用情况
七、高频问题实时解决方案
7.1 报错：“Torch is not able to use GPU”
解决步骤：
1.卸载现有torch：
pip uninstall torch torchvision
2.安装指定版本：
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
7.2 报错：“OutOfMemoryError”
优化方案：
# 修改启动参数（根据显存容量选择）：
--medvram # 6-8GB显存
--lowvram # 4-6GB显存
--always-batch-cond-uncond # 优化显存
八、升级与维护指南
8.1 日常更新方法
# 进入项目目录
cd stable-diffusion-webui
# 拉取最新代码
git pull
# 更新依赖
pip install -r requirements.txt --upgrade
# 重启服务
./webui.sh
8.2 模型更新流程
- 下载新模型文件
- 放置到models/Stable-diffusion目录
- 在WebUI左上角模型选择框刷新列表
终极验证清单：
✅ Python版本3.10.6
✅ CUDA版本≥11.3
✅ 模型文件哈希校验通过
✅ 虚拟环境已激活
✅ 启动参数适配显存容量
遇到问题可运行诊断脚本：
python -c "import torch; print(f'PyTorch版本: {torch.__version__}nCUDA可用: {torch.cuda.is_available()}n显卡数量: {torch.cuda.device_count()}')"
附：常见错误代码速查表
| 错误代码 | 解决方案 |
|---|---|
| CUDA out of memory | 添加–medvram参数或降低分辨率 |
| ModuleNotFoundError | 在虚拟环境中重装依赖 |
| CUDA out of memory | 添加–medvram参数或降低分辨率 |
