StableDiffusion-3.5 文生图模型本地部署尝鲜

最新推荐文章于 2025-04-07 17:11:07 发布
最新推荐文章于 2025-04-07 17:11:07 发布
阅读量1.6k 收藏 27
点赞数 26
文章标签： stable diffusion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Don_tknowwhat/article/details/143489386
版权

文章目录

买了新的 4070TiS 显卡之后，终于有了个人的 16GB 显存，再也不用在关键时刻和实验室的其他人抢那两张 3080Ti 12G 了，所以想试试看干净的 Linux 环境下，显卡用于 AI 创作工作的效率，正好最近听说 StableDiffusion 3.5 模型发布了，有更快的速度和更好的提示词跟随性，我以前也没有试过本地部署这些文生图模型，都是玩在线的一些体验网站。

官方仓库

官方的 sd3.5 仓库 从 README 来看是只支持命令行操作的，有点不方便，所以需要额外使用支持这些大模型或者文生图模型的 UI 界面程序辅助。印象中之前比较火的是 StableDiffusionWebUI 这款，可以在 Windows 上直接运行，但是我现在是 Linux Ubuntu 24.04 ，所以随便谷歌了一下看看有什么推荐，大部分博客都是推荐一个叫 ComfyUI 的可视化界面程序。

在这里插入图片描述

ComfyUI 配置

StableDiffusion 3.5 的发布文章好像就是有 ComfyUI 的推荐链接的，关于 ComfyUI 和 StableDiffusionWebUI 谁好大家可以自己谷歌看看博客，一般是说 ComfyUI 的话占用计算资源更少，出图更快，灵活性更高，使用节点自定义配置界面，但是也更难上手和学习（我觉得还好，节点的输入输出已经节点的功能都直接显示在节点上了一眼就能看明白）。

在这里插入图片描述

根据教程的指示，先把该下载的模型文件下载好，需要 Hugging Face 的账号，随便用邮箱注册一个即可，然后下载模型文件之前需要填写表单表明模型的使用意图之类的，也很简单，没有真实性校验，全凭个人君子本性[doge]

然后克隆 comfyui 的代码仓库到本地，comfyui 也是通过 python 启动一个后

最低0.47元/天 解锁文章
sightONlast
关注
Stable Diffusion 3.5 正式发布！免费开源，堪称最强AI文生图模型，附本地安装和在线使用教程
Vampire_2017的博客
10-27 2694
Stable Diffusion 3.5 (SD3.5)（大型、中型）中的不同模型大小指的是可训练参数的数量 - 大型模型为 80 亿，中型模型为 25 亿。下面分别介绍三款模型的基础使用。：Stable Diffusion 3.5 Large 的精简版本，仅需 4 步即可生成高质量图像且对提示有出色的依从性，比 Stable Diffusion 3.5 Large 快得多。此外，分析表明，Stable Diffusion 3.5 Large 在提示依从性方面领先市场，并在图像质量上可与更大的模型相媲美。
本地部署 Stable Diffusion 3.5（最新 ComfyUI记录篇）
仗剑行于江湖，执笔记江湖事。
02-03 1826
当你在看到文章标题，以及发布时间时，想必你是不会继续浏览下去的，这一点，是可以理解的，换做是我，也会做出同样的抉择。既然如此，而又为什么又要写这篇文章呢？其一，之所以没能在发布时，在本地电脑部署它，那是因为彼时的老破电脑是不足以安装它的。其二，赤巨资购买了可以把玩的高配电脑，这才想要在新电脑中部署这个文生图大模型，故此，将本地部署过程记录下。
AI绘图体验：Stable Diffusion本地化部署详细步骤
03-30 3751
本文详细介绍了近期火爆的AI绘图平台Stabl Diffusion 本地部署步骤，包括环境，部署步骤，常见模型下载方法。能够帮助人们顺利完成AI绘图的本地部署和体验。是不可多得的教程
【Stable Diffusion 3.5部署】SD3.5远程创作指南：用家里电脑当算力，手机随时随地出图
最新发布
学习笔记
04-07 1099
【Stable Diffusion 3.5部署】SD3.5远程创作指南：用家里电脑当算力，手机随时随地出图
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 5373
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。
ComfyUI支持Stable Diffusion 3.5，创作4K超清图像从未如此简单！
m0_74942241的博客
10-24 1016
ComfyUI宣布支持Stable Diffusion 3.5！这是AI艺术创作领域的又一次重大升级，让用户可以在本地推理下体验全新的生成能力。借助ComfyUI基于节点的工作流程，用户将能够以更加灵活和高效的方式创作令人惊叹的视觉作品。Stability AI刚刚发布了Stable Diffusion 3.5，这一版本包含了三种强大的模型，每种模型都针对不同需求进行了优化：所有这些模型都可以在Stability AI社区许可下免费用于商业和非商业用途，极大地降低了创作者进入AI图像生成领域的门槛。随着St
【stable diffusion模型】Stable Diffusion3.5本地部署与远程使用生成AI图片
z19981的博客
11-23 2190
stable diffusion模型：本篇文章介绍如何在Windows系统电脑本地部署Stable Diffusion 3.5，并结合cpolar内网穿透工具实现公网环境远程访问制作AI图片，无需公网IP也不用重复部署那么麻烦。Stable Diffusion 3.5（简称SD 3.5）是 Stability AI 的最新力作，是对之前3.0版本的一次革命性升级！这次更新不仅大幅提升了图像质量，还显著优化了运行速度，尤其是在本地部署和硬件要求上展现了更高的灵活性。
Stable Diffusion 4.8.7升级版更新，Ai绘画风口已来！（无需部署，解压即用）
weixin_55154866的博客
05-30 1153
2024可以称得上是Ai技术大爆发的元年，目前两款Ai神器大火，一款是大名鼎鼎的Chat GPT。 另外一款大火的是本期社长介绍的Ai绘图软件—Stable Diffusion。
部署stable-diffusion3.5 大模型，文生图
小新没有蜡笔
11-07 657
ComfyUI 集成大模型stable-diffusion3.5-large-turbo，打包好镜像一键运行
大模型部署-使用NCNN+Cpp部署Stable-Diffusion模型-支持文生图+图生图-优质算法部署项目实战.zip
10-15
针对这一挑战，本项目“大模型部署”将介绍如何使用NCNN框架和C++语言部署Stable-Diffusion模型，以及如何实现文字生成图像（文生图）和图像生成图像（图生图）的功能。 Stable-Diffusion是一种生成对抗网络（GAN）...
大模型部署-使用OpenVINO+C++部署StableDiffusionv1.5图片生成扩散模型-附详细流程教程+项目源码
10-15
将C++与OpenVINO结合使用，为开发者提供了一条高效的模型部署路径。StableDiffusionv1.5作为一个在图片生成领域表现突出的扩散模型，它的高效部署不仅可以提升科研人员的开发效率，还能够推动该技术在工业界的应用。...
AIGC杂谈，Java调用StableDiffusion3.5的API实现文生图功能
横竖撇折点
12-03 666
Stable Diffusion 3.5 系列模型是开源社区中最新发布的图像生成AI模型，相比之前的版本（如Stable Diffusion 1.5 和 Stable Diffusion XL），在图像质量、文本内容生成、复杂提示理解以及资源效率方面均实现了显著的提升。
本地部署文生图模型 Flux
engchina的专栏
08-03 6072
本地部署文生图模型 Flux
最新stable-diffusion3.5正式发布，如何在本地部署和使用？附本地一键整合包！
weixin_55154866的博客
03-19 705
这种构架结合了扩散型和Transformer技术，提升了文本理解和图像生成的质量，使得生成的图像在细节和布局上更为精确，从800万像素到80亿不等，这使得图像分辨率上限从第二代的768x768提升到2048x2048，显著改善了图像的质量和细节表现；，且在保证高质量输出的同时更加节省计算资源。这一改进对需要快速生成大量高质量图像的用户特别有用；，可以准确地渲染图像中的文字内容，减少文字生成中的对称性问题和错误。这使得新版本在提示词的准确性和一致性方面有了显著提升；。
Stable Diffusint 3.5发布，本地部署详解及与Flux.1比较
2401_85688943的博客
10-25 2345
• Stable Diffusion 3.5 Large：拥有 80 亿参数，这是其系列最强大的模型，能够生成分辨率达 1 百万像素的图像。• Stable Diffusion 3.5 Large Turbo：Stable Diffusion 3.5 Large 的精简版本，同样80亿参数，可以更快地生成图像，但会牺牲一些质量。• Stable Diffusion 3.5 Medium：拥有25亿参数，采用改进的 MMDiT-X 架构和训练方法。
本地部署SD3.5大模型与cpolar内网穿透远程生成AI图片实战操作
2301_79855962的博客
11-01 1223
本篇文章介绍如何在Windows系统电脑本地部署Stable Diffusion 3.5，并结合cpolar内网穿透工具实现公网环境远程访问制作AI图片，无需公网IP也不用重复部署那么麻烦。Stable Diffusion 3.5（简称SD 3.5）是 Stability AI 的最新力作，是对之前3.0版本的一次革命性升级！这次更新不仅大幅提升了图像质量，还显著优化了运行速度，尤其是在本地部署和硬件要求上展现了更高的灵活性。
Flux.1开源文生图模型本地化部署并实现远程制作高质量AI图片
ks_wyf的博客
11-09 3169
Flux.1开源文生图模型本地化部署并实现远程制作高质量AI图片
本地部署 Flux.1 最强文生图大模型！Comfyui 一键安装
z19981的博客
08-31 5291
最近，由前StabilityAI员工创立的黑森林实验室推出了开源文生图大模型–FLUX.1横空出世。FLUX.1在文字生成、复杂指令遵循和人手生成上具备优势。以下是其生成图像示例，可以看到即使是生成大段的文字、多个人物，也没有出现字符、人手等细节上的错误。有了SD的经验，可以对FLUX放心使用。话不多说，让我们先上手。一、安装先把ComfyUI升级到最新版。尽管很多网友称16G显卡方能跑的很好，经过实测，12G显卡也能跑的起来，速度并不比SD3慢多少。
从零实现本地文生图部署（Stable Diffusion）
真相很简单
03-20 858
从零开始实现stable diffusion本地部署
文生图模型本地部署
03-09
<think>嗯，用户想在本地环境部署文本生成图像的AI模型，比如Stable Diffusion之类的。首先，我需要考虑用户可能的技术背景，他们可能有一定的编程和机器学习基础，但可能对具体部署步骤不太熟悉。 首先，我应该列出部署的基本步骤。通常，部署这类模型需要安装依赖库，比如PyTorch，然后下载预训练模型。然后，需要编写推理代码，加载模型并生成图像。可能还需要处理硬件兼容性，比如GPU支持，或者使用ONNX格式优化推理速度。 接下来，我需要参考用户提供的引用，特别是引用[1]中提到的CogView模型，这是THUDM开源的文本生成图像模型。应该引导用户去他们的GitHub和Hugging Face仓库获取资源。另外，引用[3]提到的高通On-Device AI可能涉及移动端部署，但用户的问题更偏向本地部署，所以可能主要参考引用[1]和通用的Stable Diffusion部署方法。 然后，要确保步骤清晰，比如环境准备、模型下载、编写推理代码、测试运行。同时，可能需要注意常见问题，比如CUDA版本兼容性、依赖冲突，或者模型文件过大导致的内存问题。还要提醒用户可能需要调整参数，如生成步数、图像尺寸等来优化结果。 用户可能遇到的问题包括无法下载模型、缺少依赖项、生成图像质量不佳等。需要给出解决方案，比如使用镜像源安装依赖，检查模型路径是否正确，调整超参数等。另外，如果用户没有高性能GPU，可能需要建议使用CPU模式，但这样生成速度会较慢。 还要考虑不同操作系统的差异，比如Linux和Windows在路径或命令上的不同。不过示例代码通常是跨平台的，只要环境配置正确。同时，可能提到Docker部署作为另一种简化环境配置的方法，但用户可能希望更直接的步骤。 最后，生成的相关问题要覆盖优化、应用场景和本地推理框架，帮助用户扩展知识。确保回答中的引用正确，比如引用[1]的模型资源和引用[3]的On-Device AI，虽然后者可能更多涉及移动端，但可以作为扩展阅读。</think>### 文本生成图像模型的本地部署指南 文本生成图像模型（如Stable Diffusion、DALL·E、CogView等）的本地部署需结合硬件环境和开源框架。以下是基于开源工具的分步指南： --- #### 1. **环境准备** - **Python环境**：推荐Python 3.8+，使用Anaconda或虚拟环境隔离依赖。 - **深度学习框架**：安装PyTorch（需与CUDA版本匹配），例如： ```bash pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu117 ``` - **模型依赖库**： ```bash pip install diffusers transformers accelerate # Stable Diffusion依赖 ``` --- #### 2. **模型下载与加载** 以**CogView**（清华开源模型）为例[^1]： ```python from transformers import AutoModel, AutoTokenizer model = AutoModel.from_pretrained("THUDM/cogview2", trust_remote_code=True) tokenizer = AutoTokenizer.from_pretrained("THUDM/cogview2", trust_remote_code=True) ``` --- #### 3. **编写推理代码** 示例（基于Stable Diffusion）： ```python from diffusers import StableDiffusionPipeline import torch pipe = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16) pipe = pipe.to("cuda") # 使用GPU加速 prompt = "一只在太空站里戴着墨镜的猫" image = pipe(prompt).images[0] image.save("output.png") ``` --- #### 4. **优化与调试** - **硬件适配**：若GPU显存不足，启用`enable_attention_slicing`： ```python pipe.enable_attention_slicing() ``` - **ONNX格式转换**：通过高通AI Hub等工具优化移动端推理[^3]。 - **参数调整**：控制生成质量（如`num_inference_steps=50`）。 --- #### 5. **部署验证** 运行后检查输出图像是否符合预期。若生成失败： - 检查CUDA驱动版本 - 确保模型权重文件完整 - 调整提示词（prompt engineering） ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值