文章目录
- 大话stable-diffusion-webui系列
- AMD显卡请看这篇文章
- 前提
- 问题
- 环境
- 安装过程
- 升级CUDA驱动
- 安装CUDAToolKit
- 安装cuDNN
- 克隆项目地址
- 安装Pytorch
- 启动项目
- 题外话
- 新版本问题
大话stable-diffusion-webui系列
主要介绍stable-diffusion-webui的 主题开发、插件开发 等内容，感兴趣的朋友可以订阅下！
大话Stable-Diffusion-Webui-客制化主题（一）
大话Stable-Diffusion-Webui-客制化主题（二）
大话Stable-Diffusion-Webui-客制化主题（三）
已更新文章数、订阅数如下：
不定时更新中...
AMD显卡请看这篇文章
stable-diffusion-webui手动安装详细步骤（AMD显卡）
前提
首先不建议去安装stable-diffusion-webui的一键安装包，既然学习就一次性把它学会。然后，最主要的是一键安装有以下问题：
1、安装包的中的torch版本与自己的CUDA版本不兼容，最后虽然可以运行程序，但是根本不会激活GPU去加速渲染图形，导致渲染一副图形的速度极慢
2、stable-diffusion-webui建议的python版本是3.10，但是python3.10可能无法通过pip或者conda去下载某些CUDA版本对应的torch，导致最后程序无法启动
问题
笔者在安装过程中遇到的问题：
CUDA版本是10.2，使用python3.10去下载torch包时始终取法找到CUDA10.2对应的torch包，这个问题困扰了我一天，之后发现python3.10目前是不支持cuda10.2版本的torch包的，可以通过 CUDA版本对应的torch去查看，最终通过先升级显卡驱动（升级CUDA版本）再下载对应CUDA版本的CUDAToolKit，再下载CUDA版本对应的torch包即可。
环境
OS：Windows10
显卡类型：NVIDIA（英伟达）
Python版本：3.10.6（必须为该版本）
Git：必须
安装过程
升级CUDA驱动
笔者这里由于遇到了以上所述问题，所以先要升级CUDA驱动，如果是更高版本的驱动可以跳过该步骤。
需要根据自己显卡类型去下载相应的驱动，win + x ->设备管理器 ->显示适配器
然后去 CUDA驱动 填写对应的显卡信息后搜索显卡驱动
笔者这里选择第一个驱动进行下载，下载之后是一个exe文件，直接按照步骤安装即可，过程比较简单不再赘述
安装完成后查看CUDA版本，笔者这里是11.4.176
或者是使用命令nvidia-smi查看，可以看到CUDA版本是11.4，相应的驱动版本是472.84
PS C:\Users\samsung> nvidia-smi
Sat Apr 1 14:02:38 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 472.84 Driver Version: 472.84 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... WDDM | 00000000:01:00.0 Off | N/A |
| N/A 0C P8 N/A / N/A | 75MiB / 4096MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 14052 C+G ...IA GeForce N/A |
+-----------------------------------------------------------------------------+
安装CUDAToolKit
如果原来装过CUDA ToolKit请先卸载
CUDA ToolKit
找到CUDA驱动版本对应的CUDA ToolKit版本下载，由于笔者这里的CUDA驱动版本是472.84，所以CUDA ToolKit版本选择11.4.4，CUDA驱动版本与CUDA ToolKit对应关系
下载好之后是一个exe文件，cuda_11.4.4_472.50_windows.exe，可以看到名字中含有可以使用该CUDA ToolKit的最小CUDA驱动为472.50。安装很简单，这里不再赘述。
最终查看CUDA的实际版本，nvcc --version
PS C:\Users\samsung> nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_Oct_11_22:11:21_Pacific_Daylight_Time_2021
Cuda compilation tools, release 11.4, V11.4.152
Build cuda_11.4.r11.4/compiler.30521435_0
安装cuDNN
cuDNN版本
cuDNN是一个神经网络学习的加速库，因为stable-diffusion-webui中根据一些模型进行文本生图时可以用该包加快渲染速度。找到与CUDA版本一直的cuDNN下载
下载后将该压缩包解压，将里面的全部文件复制到CUDA安装的目录下，路劲为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
注：可以看到虽然有同名文件夹，但是没有同名文件，所以cuDNN的文件在复制到CUDA中时是不会提示要覆盖的情况，如果有，那么一定是哪里出错了
克隆项目地址
stable-diffusion-webui
克隆github项目自行查询，比较简单不再赘述。如果由于网络的原因无法克隆，可以先将项目fork到 自己的 / 仓库（国内仓库访问较快），然后再克隆到本地，方法如下：
此时 git clone https://… 去把项目克隆到本地就行
安装Pytorch
笔者这里使用Anaconda安装了一个python3.10.6的虚拟环境，当然大家也可以不使用Anaconda，直接下载安装python3.10.6也是可以的
pytorch
需要安装CUDA版本对应的Pytorch版本，如果不是使用Annconda，请使用pip install指令下载pytorch
笔者这里本应该安装CUDA11.4对应的pytorch，但是pytorch官网中目前并没有提供该版本，于是安装了CUDA11.3对应的pytorch版本，该版本可以在CUDA11.4中使用
# 创建一个python3.10.6的虚拟环境，并命名为 sdui
(base) C:\Users\samsung>conda create -n sdui python==3.10.6
...
#激活创建的虚拟环境 sdui
(base) C:\Users\samsung>conda activate sdui
# 安装pytorch，等待时间取决于网速
(sdui) C:\Users\samsung>conda install pytorch torchvision torchaudio pytorch-cuda=11.3 -c pytorch -c nvidia
#测试torch是否安装成功
(sdui) C:\Users\samsung>python
Python 3.10.6 | packaged by conda-forge | (main, Oct 24 2022, 16:02:16) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> .is_available()
# true代表成功使用torch
True
启动项目
注意：如果不是使用Anaconda安装的虚拟python环境，那么首先需要双击 运行后会在项目根目录下生成一个虚拟的python环境（其实是拷贝了系统已经安装的python版本到webui的指定目录），即\venv\Scripts\，后续安装的python依赖包都是需要通过该虚拟python环境中的python命令去下载的
（2023-06-12）近期很多同学反应双击安装时过程中会反复报错，其实大多数的错误是由于在安装过程中会去github拉去依赖包时超时而导致的，本质原因是不能顺利的访问github，于是可以给在需要去github拉去依赖的代码处加上代理地址：
（旧版本stable-diffusion-webui加代理）：进入webui根目录下，编辑，全局搜索，然后在前面加上/前缀，即最终变成了/，记得保存！
（新版本stable-diffusion-webui加代理）：如果要给新版本的sd加代理，那么和以上的方式不太一样了（2023-05-29）：
需要进入到sd根目录下的modules文件夹，然后编辑launch_utils.py
这样安装过程应该会顺利很多！
# 进入项目根目录，安装项目 中要求的依赖。可以添加给pip或者conda添加国内镜像，这样可以加快下载速度。如何添加镜像这里不再赘述。
(sdui) D:\AI\project\stable-diffusion-webui>python -m pip install -r
#启动项目
(sdui) D:\AI\project\stable-diffusion-webui>python
Python 3.10.6 | packaged by conda-forge | (main, Oct 24 2022, 16:02:16) [MSC v.1916 64 bit (AMD64)]
Commit hash: 22bcc7be428c94e9408f589966c2040187245d81
Installing clip
Installing open_clip
Traceback (most recent call last):
File "D:\AI\project\stable-diffusion-webui\", line 355, in <module>
prepare_environment()
File "D:\AI\project\stable-diffusion-webui\", line 269, in prepare_environment
run_pip(f"install {openclip_package}", "open_clip")
File "D:\AI\project\stable-diffusion-webui\", line 129, in run_pip
return run(f'"{python}" -m pip {args} --prefer-binary{index_url_line}', desc=f"Installing {desc}", errdesc=f"Couldn't install {desc}")
File "D:\AI\project\stable-diffusion-webui\", line 97, in run
raise RuntimeError(message)
RuntimeError: Couldn't install open_clip.
Command: "C:\Users\samsung\.conda\envs\sdui\" -m pip install git+/mlfoundations/open_clip.git@bb6e834e9c70d9c27d0dc3ecedeebeaeb1ffad6b --prefer-binary
Error code: 1
stdout: Looking in indexes: /pypi/simple
Collecting git+/mlfoundations/open_clip.git@bb6e834e9c70d9c27d0dc3ecedeebeaeb1ffad6b
Cloning /mlfoundations/open_clip.git (to revision bb6e834e9c70d9c27d0dc3ecedeebeaeb1ffad6b) to e:\temp\pip-req-build-godg7jm4
stderr: Running command git clone --filter=blob:none --quiet /mlfoundations/open_clip.git 'E:\temp\pip-req-build-godg7jm4'
fatal: unable to access '/mlfoundations/open_clip.git/': OpenSSL SSL_read: SSL_ERROR_SYSCALL, errno 10054
error: subprocess-exited-with-error
git clone --filter=blob:none --quiet /mlfoundations/open_clip.git 'E:\temp\pip-req-build-godg7jm4' did not run successfully.
exit code: 128
See above for output.
note: This error originates from a subprocess, and is likely not a problem with pip.
error: subprocess-exited-with-error
git clone --filter=blob:none --quiet /mlfoundations/open_clip.git 'E:\temp\pip-req-build-godg7jm4' did not run successfully.
exit code: 128
See above for output.
note: This error originates from a subprocess, and is likely not a problem with pip.
这里报错缺少open_clip依赖，因为这个依赖包是从github上去拉去的，笔者这里由于网络不稳定，所以下载失败了。此时可以直接使用conda指令去下载，其实下载指令可以去以上报错中的open_clip的github地址查看，可以看到实际安装的是open_clip_torch依赖
(sdui) D:\AI\project\stable-diffusion-webui>python -m pip install open_clip_torch
此外，也可以直接去github仓库将open_clip的代码clone到本地，然后进入open_clip项目根目录下执行相应指令去安装
(sdui) D:\AI\project\open_clip>python build install
问题解决后再次回到项目根目录下启动项目
(sdui) D:\AI\project\stable-diffusion-webui>python
Python 3.10.6 | packaged by conda-forge | (main, Oct 24 2022, 16:02:16) [MSC v.1916 64 bit (AMD64)]
Commit hash: 22bcc7be428c94e9408f589966c2040187245d81
Cloning Stable Diffusion into D:\AI\project\stable-diffusion-webui\repositories\stable-diffusion-stability-ai...
Cloning Taming Transformers into D:\AI\project\stable-diffusion-webui\repositories\taming-transformers...
Traceback (most recent call last):
File "D:\AI\project\stable-diffusion-webui\", line 355, in <module>
prepare_environment()
File "D:\AI\project\stable-diffusion-webui\", line 289, in prepare_environment
git_clone(taming_transformers_repo, repo_dir('taming-transformers'), "Taming Transformers", taming_transformers_commit_hash)
File "D:\AI\project\stable-diffusion-webui\", line 151, in git_clone
run(f'"{git}" clone "{url}" "{dir}"', f"Cloning {name} into {dir}...", f"Couldn't clone {name}")
File "D:\AI\project\stable-diffusion-webui\", line 97, in run
raise RuntimeError(message)
RuntimeError: Couldn't clone Taming Transformers.
Command: "git" clone "/CompVis/" "D:\AI\project\stable-diffusion-webui\repositories\taming-transformers"
Error code: 128
stdout: <empty>
stderr: Cloning into 'D:\AI\project\stable-diffusion-webui\repositories\taming-transformers'...
fatal: unable to access '/CompVis//': Failed to connect to port 443: Timed out
又报错了，通过输出可以看出，这一步会在项目根目录下生成一个repositories文件夹，然后会从github上克隆一些项目到该文件夹下，但是克隆/CompVis/项目时超时报错了，所以又是网络的问题，我们直接将该项目手动克隆到repositories文件夹下，然后进入taming-transformers目录下执行
(sdui) D:\AI\project\stable-diffusion-webui\repositories\taming-transformers>python build install
# 注意：这里有一个坑，如果不是使用Anaconda生成的虚拟python环境的话，而是直接安装的python环境的话，项目启动时会在项目根目录下生成一个虚拟的python环境，后续步骤安装的python依赖包都是通过该虚拟环境的python指令安装的，所以，此时应该进入到该虚拟python环境的目录下，使用该虚拟环境的python去执行 python build install 这样的指令。
虚拟环境python路径：项目根目录\venv\Scripts\
或者多启动项目试几次，笔者这里再次启动项目后等了一会就可以了
(sdui) D:\AI\project\stable-diffusion-webui>python
Python 3.10.6 | packaged by conda-forge | (main, Oct 24 2022, 16:02:16) [MSC v.1916 64 bit (AMD64)]
Commit hash: 22bcc7be428c94e9408f589966c2040187245d81
Cloning Taming Transformers into D:\AI\project\stable-diffusion-webui\repositories\taming-transformers...
Cloning K-diffusion into D:\AI\project\stable-diffusion-webui\repositories\k-diffusion...
Cloning CodeFormer into D:\AI\project\stable-diffusion-webui\repositories\CodeFormer...
Cloning BLIP into D:\AI\project\stable-diffusion-webui\repositories\BLIP...
Installing requirements for CodeFormer
Installing requirements for Web UI
Launching Web UI with arguments:
No module 'xformers'. Proceeding without it.
==============================================================================
You are running torch 1.12.1.
The program is tested to work with torch 1.13.1.
To reinstall the desired version, run with commandline flag --reinstall-torch.
Beware that this will cause a lot of large files to be downloaded, as well as
there are reports of issues with training tab on the latest version.
Use --skip-version-check commandline argument to disable this check.
==============================================================================
Downloading: "/runwayml/stable-diffusion-v1-5/resolve/main/" to D:\AI\project\stable-diffusion-webui\models\Stable-diffusion\
100%|█████████████████████████████████████████████████████████████████████████████| 3.97G/3.97G [16:22<00:00, 4.34MB/s]
Calculating sha256 for D:\AI\project\stable-diffusion-webui\models\Stable-diffusion\: 6ce0161689b3853acaa03779ec93eafe75a02f4ced659bee03f50797806fa2fa
Loading weights [6ce0161689] from D:\AI\project\stable-diffusion-webui\models\Stable-diffusion\
Creating model from config: D:\AI\project\stable-diffusion-webui\configs\
LatentDiffusion: Running in eps-prediction mode
DiffusionWrapper has 859.52 M params.
Applying cross attention optimization (Doggettx).
Textual inversion embeddings loaded(0):
Model loaded in 32.4s (calculate hash: 19.4s, load weights from disk: 0.7s, create model: 1.3s, apply weights to model: 3.9s, apply half(): 1.7s, load VAE: 1.1s, move model to device: 1.3s, load textual inversion embeddings: 2.8s).
Running on local URL: http://127.0.0.1:7860
To create a public link, set `share=True` in `launch()`.
Startup time: 1079.2s (import torch: 8.3s, import gradio: 6.2s, import ldm: 4.3s, other imports: 11.4s, list extensions: 0.3s, list SD models: 1008.8s, setup codeformer: 0.8s, list builtin upscalers: 0.1s, load scripts: 4.7s, load SD checkpoint: 32.9s, create ui: 0.9s, gradio launch: 0.5s).
这一步过程比较长，可以看到会下载一个3.79G的Stable-diffusion模型到项目的models文件夹下。其实我觉得这里代码是可以优化下的，如果用户事先已经单独下载好了相应的模型（因为之后在使用过程中我们也是可以手动导入模型到models文件夹下），那么可以完全直接放到models文件夹下面，无需再次下载，所以这里我觉得可以作为可选选项让用户在命令行中交互：是否下载xxx模型。
到这里我们就可以访问以上日志输出中的地址进行项目的访问：http://127.0.0.1:7860
此时可以看到python进程正在使用GPU，证明CUDA是起作用的。
到这里就算是安装成功了，如果想要汉化，github也有相应的汉化包，读者可自行探索使用。关于软件的使用笔者也是一个新手，大家有好的教程可以放在评论区一起学习。
题外话
此外，想创建一个微信群大家交流学习。入群需要遵守规定：
禁止有关包括但不限于政治、色情、宗教类等违法*法律的消息；
禁止广告；
禁止私自加群友；
群友一切的损失由自己承担，应当提高警惕，不要轻信他人！！！
个人微信：INYOURWORLDWITHME（加群备注：AI绘画）
新版本问题
2024-07-31
新版本sd在初始加载模型时会去huggingface下载一个openai的clip模型，默认会下载到本地的huggingface缓存（C:\Users\用户\.cache\huggingface），当然也可以更改huggingface缓存的位置，不至于撑爆c盘，参考 这篇文章。如果不能很好的访问huggingface，那么可以手动将模型下载到缓存，方式也不难，下载速度也很可观，也还是参考 这篇文章。
接下来我们探讨下这个模型缓存的目录层次，需要下载哪些模型（当然你用以上方式把整个clip的仓库下载到本地缓存中也没有问题）。
clip在本地的缓存目录结构：
├─models--openai--clip-vit-large-patch14 #文件夹
│ ├─blobs #文件夹
│ ├─refs #文件夹
│ │ main #文件
│ │
│ └─snapshots #文件夹
│ └─8d052a0f05efbaefbc9e8786ba291cfdf93e5bff #文件夹
│
│
│ pytorch_model.bin
│ special_tokens_map.json
│ tokenizer_config.json
│
其中 blobs 文件夹没内容，refs 文件夹中有一个 main 文件，内容为一串hash字符串，如8d052a0f05efbaefbc9e8786ba291cfdf93e5bff，这个hash其实是clip仓库在huggingface的提交记录hash，同样，snapshots 文件夹下的8d052a0f05efbaefbc9e8786ba291cfdf93e5bff文件夹命名也是以该hash命名的，那么这个hash可以在哪里找到呢，还得去clip的huggingface仓库中寻找，如下：
接下来去clip仓库下载对应的文件放到本地缓存中的 snapshots 文件夹即可！clip仓库和本地缓存对比图如下：