本地部署Stable-Diffusion, 创造自己的美少女

最新推荐文章于 2024-08-22 13:51:55 发布

爱绘画的彤姐

最新推荐文章于 2024-08-22 13:51:55 发布

阅读量869

点赞数 14

文章标签： stable diffusion 人工智能 AI作画美女学习

本文链接：https://blog.csdn.net/A2421417624/article/details/138335808

版权

“ ChatGPT的文字无法代替图像带来的视觉冲击，本文将介绍如何在本地部署一个Stable-Diffusion-WebUI项目，跑起一个本地的diffusion推理模型，创造属于自己的美少女宇宙！” 需要Stable Diffusion整合包的小伙伴文末扫码，我给大家安排~

本文内容如下：

展示一波美少女
所需依赖配置及本地部署方法
WebUI界面简单介绍

希望大家能够坚持到整个项目部署完成，不要看完美女就跑

—

生成内容展示

看图之前牢记我们这是个技术公众号。所有图片的展示都是为了展示diffusion的强大，diffusion出现后直接就把gan给gan翻了，如今生成对抗网络只能沦落到给diffusion模型换脸打工（这话说的有点偏激）。

第一张照片为写实照，在一众KoreanDollLikeness生成的韩国面孔之中脱颖而出，说实话第一眼被惊艳了，然后就去找到了Lora的模型，发现是李知恩。冒犯了，我就生成这么一次（第一张是其他人生成的图，第二章是周花花自己生成的图，自己生成的还是略逊一筹）。

至于为什么两张图片几乎一样是因为我用了人家的prompt语句

第二张看一张俗的

第三张画个动画风格

第四张瞎画一个大眼睛萝卜

自己写的prompt还是逊色了一些，得多学一学prompt的基本语法，AIGC火了之后一条prompt甚至可以卖2美元。有的时候一幅人像的prompt都有二三十个词，科技的发展真是让我跟不上。

第五张生成一个rick and morty风格的图

—

来看看本地部署Stable-Diffusion-WebUI需要什么依赖

首先，可以确定需要的配置没有想象中的高。周花花的机器是DELL的老款XPS15，八代i5 CPU，RTX1050 4G显卡，16G内存，配了Ubuntu20.04的系统。所以我理解一般的游戏本在本地跑跑diffusion模型应该是毫无压力的。Mac的话看官方的说法应该也能跑，但是在mac上会很慢。

下面开始安装依赖

1. 安装CUDA和Cudnn：CUDA用于显卡的编程，Cudnn存了一些算子用于矩阵运算等操作。如何安装可以去Google一下，教程很多，注意要根据自己的显卡来安装不同的CUDA版本。如果是买的GPU的云服务的话这些步骤都可以省去，因为厂商肯定已经装好了。（我的CUDA为11.3）

2. 安装Git和Python，我想这个应该大家都有，没有的话去Python官网下一个或者apt，yum之类的下载器install一个。很多地方都让我们用python的venv虚拟环境，但是我还是习惯用conda的env，所以下文中所有用到虚拟环境的地方我指的都是conda的虚拟环境。

3. 克隆仓库，并创建虚拟环境。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.gitconda create -n diffusion python==3.8.8conda activate diffusion

4. 安装pytorch，官方文档要求的是pytorch1.13，尽量按Diffusion仓库的要求装。这里其实也可以Google一下怎么装pytorch，资料很多。（周花花因为CUDA11.3不支持pytorch1.13，所以安装的pytorch1.12，亲测能用。但是不要装pytorch1.11以下的版本，因为在diffusion中有用到一下pytorch的新特性，老版本没有，会报错。）

5. 安装项目依赖

执行下面的pip语句，不要去install requirements.txt文件，因为requirements.txt文件里面没有指定依赖的版本，pip就会对一个依赖下很多个版本，然后去看有没有冲突，特别慢。

pip install -r requirements_versions.txt # 如果install出现了问题，就查看一下是什么依赖出现了问题，# 然后可以手动pip安装一下这个出问题的依赖

如果pip网速太慢的话可以换一下源，如下所示（下面是单次操作换源，想要修改配置去Google，这里不再赘述）：

pip install -i https://pypi.douban.com/simple/ -r requirements_versions.txt

我修改了一下requirements_versions.txt里面的一些版本，如下

blendmodes==2022``transformers==4.25.1``accelerate==0.12.0``basicsr==1.4.2``gfpgan``gradio==3.16.2``numpy==1.23.3``Pillow==9.4.0``realesrgan==0.3.0``torch==1.12.1``omegaconf==2.2.3``pytorch_lightning==1.7.6``scikit-image==0.19.2``fonts``font-roboto``timm==0.6.7``piexif==1.1.3``einops==0.4.1``jsonmerge==1.8.0``clean-fid==0.1.29``resize-right==0.0.2``torchdiffeq==0.2.3``kornia==0.6.7``lark==1.1.2``inflection==0.5.1``GitPython==3.1.27``torchsde==0.2.5``safetensors==0.2.7``httpcore<=0.15``fastapi==0.90.1

6. 下载模型参数文件

pytorch模型可以保存参数到文件里，这里下载的就是训练过程中的某一个checkpoint的数据，我们不可能自己去训练diffusion模型，所以这里直接下载训练好的模型数据。

在这里下载https://huggingface.co/CompVis/stable-diffusion-v-1-4-original，并将下载的.ckpt文件放到models/Stable-diffusion文件夹中。

7. 执行启动脚本

python launch.py --autolaunch

其实网速如果没有问题的话，这些项目的配置应该是很简单的。

但是在实际配置过程中会出现git clone https连接超时的问题。这时候有两种方法，首先我们看一下launch.py的源码：

最重要的一段代码在这里git_clone(stable_diffusion_repo, repo_dir('stable-diffusion-stability-ai'), "Stable Diffusion", stable_diffusion_commit_hash)git_clone(taming_transformers_repo, repo_dir(‘taming-transformers’), “Taming Transformers”, taming_transformers_commit_hash)git_clone(k_diffusion_repo, repo_dir('k-diffusion'), "K-diffusion", k_diffusion_commit_hash)git_clone(codeformer_repo, repo_dir(‘CodeFormer’), “CodeFormer”, codeformer_commit_hash)``git_clone(blip_repo, repo_dir(‘BLIP’), “BLIP”, blip_commit_hash)

其实这段代码就是clone以上这五个仓库的某个指定commit到respositories这个文件夹下，commit的hash值已经指定好了，所以直接clone下来master的Head的行不通滴。

**第一种方法：**clone完之后将仓库git checkout到指定的commit上。

**第二种方法：**老老实实用launch.py安装，git太慢的话，就给git上一个代理。git的代理和shell的代理似乎是不通的，所以在~/.bashrc里配置过httpsproxy了之后貌似对git不生效。

我用的代理是clash，端口是7890，所以我这么设置，如果本机没有代理，那就买一个吧# 这年头没代理怎么写代码，github都上不去git config --global https.proxy https://127.0.0.1:7890

到现在如果顺利的话，主流程就跑通了。

想要画美少女的画还需要装一些lora的模型，这就靠自己摸索了。

—

WebUI界面简单介绍

1. 选择模型，这就是第二步中下载的checkpoints，不同的画风可以选不同的checkpoints，其他好玩的checkpoints有待发掘。

2. 输入prompt，这个还是很有讲究的，单纯输入a beautiful girl是画不出好图的。

3. 选择sampling步数，步数越多越精致，计算量越多。

4. 选择CFG Scale，这就是prompt里的词排序的权重，CFG Scale越大，排在前面的词就对生成图像影响越大。

5. 选择图像大小，我的1050只能跑712*712的图，再大就爆显存了，所以这里量力而行。

都看到这里了，再奖励一张美少女，祝部署成功。需要SD整合包以及AI绘画入门学习资料的小伙伴文末扫码即可获取噢~

写在最后

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。