如何使用阿里云AMD CPU云服务器（g8a）和龙蜥容器镜像，并基于Stable Diffusion模型搭建个人版文生图服务

Stable Diffusion是文本到图像的潜在扩散模型，它可以根据文本提示词生成对应的图像。Stable Diffusion模型是扩散模型的变种，可以通过逐步对随机高斯噪声进行去噪以获得感兴趣的样本。与传统生成模型相比，Stable Diffusion可以在不需要复杂训练过程或大量数据集的情况下生成真实感强、细节丰富的图像。目前该项目已经应用于多种场景，包括计算机视觉、数字艺术、视频游戏等领域。

创建ECS实例

1. 前往实例创建页。

2. 按照界面提示完成参数配置，创建一台ECS实例。

   需要注意的参数如下，其他参数的配置，请参见自定义购买实例。

   • 实例：Stable Diffusion模型的推理过程需要耗费大量的计算资源，运行时占用大量内存，为了保证模型运行的稳定，实例规格至少需要选择ecs.g8a.16xlarge（256 GiB内存）。

   • 镜像：Alibaba Cloud Linux 3.2104 LTS 64位。

   • 公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。

     

   • 系统盘：Stable Diffusion的运行需要下载多个模型文件，会占用大量存储空间，为了保证模型顺利运行，建议系统盘设置为100 GiB。

3. 添加安全组规则。

   在ECS实例安全组的入方向添加安全组规则并放行22、443、7860端口（用于访问WebUI服务）。具体操作，请参见添加安全组规则。

4. 创建完成后，在ECS实例页面，获取公网IP地址。

   说明

   公网IP地址用于进行AI对话时访问WebUI服务。

   

创建Docker运行环境

1. 远程连接该ECS实例。

   具体操作，请参见通过密码或密钥认证登录Linux实例。

2. 安装Docker。

   具体操作，请参见在Alibaba Cloud Linux 3实例中安装Docker。

3. 创建并运行PyTorch AI容器。

   龙蜥社区提供了丰富的基于Anolis OS的容器镜像，包括针对AMD优化过的PyTorch镜像，可以直接使用该镜像直接创建一个PyTorch运行环境。

   以下命令首先拉取容器镜像，随后使用该镜像创建一个以分离模式运行的、名为pytorch-amd的容器，并将用户的家目录映射到容器中，以保留开发内容。

   sudo docker pull registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
   sudo docker run -d -it --name pytorch-amd --net host -v $HOME:/root registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1

部署Stable Diffusion

步骤一：安装配置模型所需软件

1. 进入容器环境。

   sudo docker exec -it -w /root pytorch-amd /bin/bash

   重要

   后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。

2. 安装部署Stable Diffusion所需的软件。

   yum install -y git git-lfs wget tmux mesa-libGL gperftools-libs

3. 启用Git LFS。

   下载预训练模型需要Git LFS的支持。

   git lfs install

步骤二：下载源码与模型

1. 创建一个tmux session。

   tmux

   说明

   下载预训练模型耗时较长，且成功率受网络情况影响较大，建议在tmux session中下载，以免ECS断开连接导致下载模型中断。

2. 下载Stable Diffusion WebUI项目源码。

   git clone -b v1.5.2 https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

3. 下载Stable Diffusion WebUI项目源码所需依赖模型。

   mkdir stable-diffusion-webui/repositories && cd $_
   git clone https://github.com/Stability-AI/stablediffusion.git stable-diffusion-stability-ai
   git clone https://github.com/Stability-AI/generative-models.git generative-models
   git clone https://github.com/crowsonkb/k-diffusion.git k-diffusion
   git clone https://github.com/sczhou/CodeFormer.git CodeFormer
   git clone https://github.com/salesforce/BLIP.git BLIP

4. 将Stable Diffusion所需的依赖模型切换到指定分支，以保证生成结果的稳定。

   
   git -C stable-diffusion-stability-ai checkout cf1d67a6fd5ea1aa600c4df58e5b47da45f6bdbf
   git -C generative-models checkout 5c10deee76adad0032b412294130090932317a87
   git -C k-diffusion checkout c9fe758757e022f05ca5a53fa8fac28889e4f1cf
   git -C CodeFormer checkout c5b4593074ba6214284d6acd5f1719b6c5d739af
   git -C BLIP checkout 48211a1594f1321b00f14c9f7a5b4813144b2fb9

5. 下载Stable Diffusion预训练模型。

   cd ~ && mkdir -p stable-diffusion-webui/models/Stable-diffusion
   wget "https://www.modelscope.cn/api/v1/models/AI-ModelScope/stable-diffusion-v1-5/repo?Revision=master&FilePath=v1-5-pruned-emaonly.safetensors" -O stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors
   mkdir -p ~/stable-diffusion-webui/models/clip
   git clone --depth=1 https://gitee.com/modelee/clip-vit-large-patch14.git ~/stable-diffusion-webui/models/clip/clip-vit-large-patch14

6. 修改脚本文件，使Stable Diffusion运行时从本地调用ViT多模态模型。

   sed -i "s?openai/clip-vit-large-patch14?${HOME}/stable-diffusion-webui/models/clip/clip-vit-large-patch14?g" ~/stable-diffusion-webui/repositories/stable-diffusion-stability-ai/ldm/modules/encoders/modules.py

步骤三：部署运行环境

1. 更换pip下载源。

   在安装依赖包之前，建议您更换pip下载源以加速安装。

   1. 创建pip文件夹。

      mkdir -p ~/.config/pip

   2. 配置pip安装镜像源。

      cat > ~/.config/pip/pip.conf <<EOF
      [global]
      index-url=http://mirrors.cloud.aliyuncs.com/pypi/simple/
      
      [install]
      trusted-host=mirrors.cloud.aliyuncs.com
      EOF

2. 安装Python运行依赖。

   pip install cython gfpgan open-clip-torch==2.8.0 httpx==0.24.1
   pip install git+https://github.com/openai/CLIP.git@d50d76daa670286dd6cacf3bcd80b5e4823fc8e1

3. 设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。

   ZenDNN运行库需要针对硬件平台显式设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。

   cat > /etc/profile.d/env.sh <<EOF
   export OMP_NUM_THREADS=\$(nproc --all)
   export GOMP_CPU_AFFINITY=0-\$(( \$(nproc --all) - 1 ))
   EOF
   source /etc/profile

4. 运行脚本，自动化部署Stable Diffusion的运行环境。

   cd ~/stable-diffusion-webui
   venv_dir="-" ./webui.sh -f --skip-torch-cuda-test --exit

步骤四：进行AI对话

1. 执行如下命令，开启WebUI服务。

   export LD_PRELOAD=/usr/lib64/libtcmalloc.so.4
   export venv_dir="-" 
   python3 launch.py -f --skip-torch-cuda-test --skip-version-check --no-half --precision full --use-cpu all --listen

   当出现如下信息时，表示WebUI服务启动成功。

   

2. 在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。

3. 在prompt对话框中，输入对话内容（仅支持英文Prompt，例如：Urban portrait of a skateboarder in mid-jump, graffiti walls background, high shutter speed），单击Generate，即可开始AI对话。

   说明

   您也可以输入其他Prompt，来挖掘Stable Diffusion更多能力。