Stable Diffusion从0基础开始自学炼丹【一】安装（附带免费一键安装包）

时间：2025-03-10 10:06:09

Stable Diffusion从0基础开始自学炼丹【一】安装

本文为自学Stable diffusion从入门到可独立炼丹的完整学习笔记主要用于后期复盘使用
本页教程为手动安装版本，目前新上传资源已采用秋叶大佬一键安装包

前言

Stable Diffusion WebUI

随着 Stable Diffusion 项目的开源，它最初的形式可能对非专业人员来说难以理解和操作。为了让更多人能够轻松地使用这一技术，AUTOMATIC1111 创建了一个基于浏览器的 Web 用户界面 (WebUI)，极大地简化了 Stable Diffusion 的使用流程。

特点

  1. 直观的用户界面

    • AUTOMATIC1111 的 WebUI 提供了一个简洁明了的界面，允许用户通过简单的拖放和点击操作来调整模型的参数，无需深入了解底层代码细节。

  2. 参数调整

    • 用户可以直接在界面上调整诸如分辨率、步数、采样方法等参数，以定制输出图像的样式和质量。

  3. 插件支持

    • WebUI 支持广泛的插件系统，允许用户安装额外的功能，如 ControlNet 等控制网络插件，以实现更高级别的图像生成控制。

  4. 可扩展性

    • 该 WebUI 设计灵活，便于社区成员贡献新的插件和功能，促进了 Stable Diffusion 生态系统的持续发展。

  5. 社区贡献

    • AUTOMATIC1111 的工作吸引了大量开发者和用户的关注，形成了一个活跃的社区，共同改进和完善 Stable Diffusion 的应用场景和技术能力。

结论

通过 AUTOMATIC1111 的努力，Stable Diffusion 从一个相对封闭的研究项目转变为了一个开放的平台，为艺术家、设计师乃至普通用户提供了强大的创意工具。这一转变不仅降低了使用门槛，还促进了创意和技术之间的融合，使更多人能够享受到生成式 AI 带来的乐趣和可能性。

文章目录

  • Stable Diffusion从0基础开始自学炼丹【一】安装
  • 前言
  • Stable Diffusion WebUI
    • 特点
    • 结论
  • Stable Diffusion的安装
  • AUTOMATIC1111's Stable Diffusion WebUI 安装指南
    • 简介
    • 系统要求
    • 准备工作
  • 第一步.安装步骤
    • 1. 克隆 WebUI 仓库
  • 第二步：创建虚拟环境
  • 第三步：安装依赖项
  • 第四步：启动 WebUI
    • 第五步：配置 WebUI
  • 魔法网络问题：
    • 关于电脑配置

Stable Diffusion的安装

AUTOMATIC1111’s Stable Diffusion WebUI 安装指南

简介

AUTOMATIC1111’s Stable Diffusion WebUI 是一个基于浏览器的用户界面，用于简化 Stable Diffusion 模型的操作。本指南将指导您完成 WebUI 的安装过程。

系统要求

  • 操作系统：Windows / macOS / Linux
  • 硬件：至少 8GB 内存，建议使用带有 CUDA 支持的 GPU 加速
  • 软件：
    • Python 3.9 或更高版本
    • Git
    • Docker（可选）

准备工作

  1. 安装 Python

    • 访问 Python 官网 下载并安装 Python 3.9 或更高版本。
    • 在安装过程中确保勾选“Add Python to PATH”选项。

  2. 安装 Git

    • 如果您的系统上还没有 Git，可以从 Git 官网 下载并安装。

  3. 可选：安装 Docker

    • 如果您打算使用 Docker 运行 WebUI，需要安装 Docker。
    • 访问 Docker 官网 获取适用于您操作系统的 Docker 版本。

第一步.安装步骤

1. 克隆 WebUI 仓库

打开终端或命令提示符，执行以下命令来克隆 AUTOMATIC1111’s WebUI 仓库:

git clone /AUTOMATIC1111/ cd stable-diffusion-webui
**

第二步：创建虚拟环境

为了隔离项目依赖关系，推荐使用虚拟环境。运行以下命令创建并激活虚拟环境：
python -m venv venv
source venv/bin/activate # 对于 macOS 和 Linux
venv\Scripts\activate # 对于 Windows

第三步：安装依赖项

运行以下命令安装必要的 Python 包：

pip install -r requirements.txt
  • 1

如果您计划使用 Docker，可以跳过此步骤，并在下一步中使用 Docker 运行 WebUI。

第四步：启动 WebUI

python
通过 Python 启动,默认情况下，WebUI 将在本地服务器上启动，可以通过 http://127.0.0.1:7860 访问。

通过 Docker 启动
如果您已安装 Docker，可以使用以下命令构建并运行容器：

docker build -t sd-webui .
docker run -it --rm --gpus all -p 7860:7860 sd-webui
  • 1
  • 2

第五步：配置 WebUI

打开浏览器访问 http://127.0.0.1:7860。
调整设置以适应您的需求，例如选择模型、调整参数等。
高级配置
模型下载：运行 python scripts/download_models.py 可下载预训练模型。
环境变量：编辑 .env 文件来更改默认设置，例如指定不同的端口。
自定义模型：将模型文件放置在 models/Stable-diffusion 目录下。

魔法网络问题：

首先SD绝大部分错误原因是因为没有开魔fa导致的，插件本身运行时，是需要从外网上加载一些部件自动下载下来，没有魔fa就会导致插件不能正常运行。

问题1：开启全局模式
首先，开启了魔fa，很多时候是只是浏览器http能访问外网，不代表电脑其他软件，包括stablediffusion能访问外网，每个魔fa的配置不太一样的，出现问题尝试把魔fa开启全局模式确保整个电脑网络通畅。

问题2：切换不同的节点
魔fa软件都是可以设换不同的节点的，当连接不顺畅或者速度不高的时候，可以尝试更换一下速度更快一些的节点，看看能不能有改善。

问题3：更换魔fa

关于电脑配置

  • 在选择用于运行特定深度学习模型如Stable Diffusion (SD) 和其变种 SDXL 的显卡时，通常建议优先考虑NVIDIA的显卡（简称N卡），因为它们在深度学习领域有着较好的优化和支持。对于显卡的选择，重点在于显存的大小，这会直接影响到处理高分辨率图像的能力以及同时加载多个模型的可能性。

  • 根据你的预算，这里有一些指导建议：

显存需求：
SD 1.5模型：至少需要8GB显存的显卡来正常运行。
SDXL模型：则需要至少12GB显存的显卡来保证流畅运行。
性价比较高的显卡：
NVIDIA RTX 4060 Ti 16GB：这款显卡具有较高的性价比，适用于预算在3000多元人民币左右的用户，特别适合用于AI计算任务。
更高端的选择：如RTX 4070 Ti Super、RTX 4080和RTX 4090等型号，这些显卡不仅在显存上更充裕，在处理速度上也会更快。

其他硬件配置：
*处理器 (CPU)：对于运行SD来说，一个中高端的Intel i5级别的处理器（例如i5-12600KF及以上版本）就已经足够了。
内存：推荐至少32GB RAM，这样可以更好地支持SD的运行，并且可以开启共享显存功能，减轻显卡的压力。
存储空间：考虑到SD需要存储大量的模型文件（每个模型大约需要3-6GB的空间），以及各种插件和控制网络（ControlNet）模型等，建议至少预留200GB的硬盘空间给SD使用。经过一年的使用，我的SD模型和相关文件已经占据了近600GB的硬盘空间。
综上所述，为了获得良好的性能体验并确保未来有足够的扩展性，选择合适的显卡和其他配套硬件是非常重要的。

后续持续更新中…

相关文章