Stable Diffusion超详细教程!本地部署 Stable Diffusion

img

前言

目前市面上比较权威,并能用于工作中的AI绘画软件其实就两款:

  • Midjourney(MJ)
  • Stable-Diffusion(SD

MJ需要付费使用,而SD开源免费,但是上手难度和学习成本略大,并且非常吃电脑配置(显卡、内存)。

Stable Diffusion 开源免费收获了大量活跃用户,开发者社群提供了大量免费高质量的外接预训练模型(fine-tune)和插件,使得SD拥有更加丰富的个性化功能,在经过使用者调教后可以生成更贴近需求的图片,甚至在 AI 视频特效、AI音乐生成等领域,Stable Diffusion 也占据了一席之地。

Stable Diffusion是一种潜在扩散模型(Latent Diffusion Model):

  • 能够从文本描述中生成详细的图像
  • 可以用于图像修复、图像绘制、文本到图像和图像到图像等任务

只要给出想要的图片的文字描述在提Stable Diffusion就能生成符合你要求的逼真的图像!

电脑配置

关键点:显卡、内存、硬盘、CPU:

  • 显卡:N卡(英伟达Nvida独立显卡)首选,效率远超集显/AMD/Intel显卡和CPU渲染,最低10系起步,体验感佳用40系,显存最低4G,6G及格,上不封顶;
  • 内存最低8G,16G及格,上不封顶;
  • 硬盘可用空间最好有个500G朝上,固态最佳。

系统要求:支持 Win10/Win11/macOS(仅限Apple Silicon,Intel 版本的 Mac 无法调用 Radeon 显卡)和 Linux 系统,苹果版 SD 兼容的插件数量较少,功能性不及 Windows 与 Linux 电脑。

如果身边没有合适的电脑可以考虑购买云主机,比如腾讯GPU云服务器。若无法使用独立显卡和云服务,亦可修改启动配置,使用CPU渲染(兼容性强,出图速度慢,需要16G以上内存)。

img

从图中可看出,与AMD或英特尔的任何产品相比,Nvidia的GPU提供了卓越的性能–有时是以巨大的优势。随着Torch的DLL修复到位,RTX 4090的性能比带有xformers的RTX 3090 Ti高出50%,而没有xformers的性能则高出43%。生成每张图片只需要三秒多。


官方安装步骤

在 Windows 上自动安装

  1. 安装 Python 3.10.6(较新版本的 Python 不支持torch),选中“将 Python 添加到 PATH”
  2. 安装 git
  3. 下载 stable-diffusion-webui 存储库,例如通过运行 .git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
  4. 以普通用户、非管理员用户身份从 Windows 资源管理器运行。webui-user.bat

CUDA 环境

默认stable-diffusion-webui运行使用的是 GPU 算力

检查自己的电脑配置是否符合要求

在Windows【开始】点鼠标右键,选择【任务管理器(T)】,在【性能】一栏选择【GPU】查看“专用GPU内存

img

我测试用电脑

我测试用的电脑是集成显卡,用CPU算力,可以运行,但速度慢,建议采用N卡。

Nvidia 显卡(配置越高,绘图越快)A卡不行,A卡不行,A卡不行(CPU 算力跟 GPU 算力相比简直天差地别,虽然可以通过改参来实现,但有条件直接上N卡吧

注:如果没有 Nvidia 显卡,可以通过给stable-diffusion-webui指定运行参数–use-cpu sd,让其使用 CPU 算力运行,但是非常不建议你这么做,CPU 算力跟 GPU 算力相比简直天差地别,可能 GPU 只需要 10 秒就能绘制完成,而 CPU 却要 10 分钟,这不是开玩笑的。另外,如果你的显卡内存不多,建议 4G 的显卡加上–medvram启动参数,2G 的显卡加上–lowvram启动参数。

Windows用户编辑webui-user.bat文件,修改第六行:

set COMMANDLINE_ARGS=--lowvram --precision full --no-half --skip-torch-cuda-test

如果是16系列显卡,出的图是黑色的话,也是修改webui-user.bat文件的第六行:

set COMMANDLINE_ARGS=--lowvram --precision full --no-half

CUDA 官方归档

CUDA Toolkit Archive | NVIDIA Developerdeveloper.nvidia.com/cuda-toolkit-archive

需要安装 CUDA 驱动,先确定一下电脑能安装的 CUDA 版本,桌面右下角->右键 NVIDIA 设置图标->NVIDIA 控制面板

img

电脑的显示是NVIDIA CUDA 11.6.134 driver,所以CUDA 版本不能超过 11.6

img

直接选择 “精简” 安装就可以了,安装完成之后,可以使用如下命令查看 CUDA 版本,来验证 CUDA 是否安装成功:

nvcc --version

安装Git

Gitgit-scm.com/img

img

检查自己电脑有没有安装Git:【Win+R】唤出【运行】,输入“cmd”,回车,在命令行里输入

git --version

git clone 支持https和git( 即ssh)二种方式下载源码

img

当使用git 下载时,如果没有配置过ssh key,则会有如下错误提示:

.....
Permission denied (publickey).
fatal: Could not read from remote repository.
Please make sure you have the correct access rights and the repository exists.

git ssh key配置,以方便用git clone 方式下载 Stable diffusion源码。

【Win+R】唤出【运行】,输入“cmd”,回车,在命令行里输入

# 首先检查全局配置列表是否已经有配置
git config --global --list

# 如果返回如下内容,则表示已配置好
user.name =****
user.email=***@***.**

# 如果未配置,则执行如下命令
git config --global user.name "这里输入你的用户名"
git config --global user.email "这里输入你的邮箱"

git 生成SSH密钥

生成新的 SSH 密钥并将其添加到 ssh-agent - GitHub 文档docs.github.com/zh/authentication/connecting-to-github-with-ssh/generating-a-new-ssh-key-and-adding-it-to-the-ssh-agent

【Win+R】唤出【运行】,输入“cmd”,回车,在命令行里输入

ssh-keygen -t rsa -C "这里输入你的邮箱"

执行命令后需要进行3~4次确认:

  • 确认ssh key保存路径(如不需要改变路么可直接回车)
  • 确认是否需要覆盖保存路径下已有ssh key(可直接回车覆盖)
  • 创建密码(如不需要密码则直接回车)
  • 确认ssh key

在默认路径下会生成2 个文件:id_rsa、id_rsa.pub

img

添加 SSH 密钥到 GitHub 帐户

新增 SSH 密钥到 GitHub 帐户 - GitHub 文档docs.github.com/zh/authentication/connecting-to-github-with-ssh/adding-a-new-ssh-key-to-your-github-account

在任何页面的右上角,单击个人资料照片,然后单击“设置”。

img

img

选择SSH and GPG keys项:

img

然后用文本工具打开之前的id_rsa.pub文件,把内容copy到下面输入框,并命名区分不同主机,然后保存:

img


安装Python

Python Release Python 3.10.6www.python.org/downloads/release/python-3106/img

img

注意要勾选此选项,将python添加到系统环境变量PATH中

img

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 (全套教程文末领取哈)

随着技术的迭代,目前 Stable Diffusion 已经能够生成非常艺术化的图片了,完全有赶超人类的架势,已经有不少工作被这类服务替代,比如制作一个 logo 图片,画一张虚拟老婆照片,画质堪比相机。

最新 Stable Diffusion 除了有win多个版本,就算说底端的显卡也能玩了哦!此外还带来了Mac版本,仅支持macOS 12.3或更高版本

在这里插入图片描述

2.stable diffusion视频合集

我们在学习的时候,往往书籍代码难以理解,阅读困难,这时候视频教程教程是就很适合了,生动形象加上案例实战,一步步带你入门stable diffusion,科学有趣才能更方便的学习下去。

在这里插入图片描述

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果,这时则需要通过使用大量训练数据,调整模型的超参数(如学习率、训练轮数、模型大小等),可以使得模型更好地适应数据集,并生成更加真实、准确、高质量的图像。

在这里插入图片描述

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言,整个SD学习过程中都离不开这本提示词手册。

在这里插入图片描述

5.AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述
这份完整版的学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

Stable Diffusion是一款基于深度学习的语言模型,它通常通过云服务提供,例如Hugging Face的Hub等。由于它是开源的,如果你想在本地安装并运行它,你需要做以下步骤: 1. **下载源码**: 首先,访问Stable Diffusion的GitHub仓库(https://github.com/huggingface/stable-diffusion),克隆或下载最新版本的代码。 2. **环境配置**: 确保你的系统上已经安装了必要的依赖,如Python(推荐使用3.7+版本)、PyTorch、Transformers库以及可能需要的GPU支持(如果有的话)。可以使用pip来安装这些库。 ```bash pip install torch torchvision transformers --upgrade ``` 3. **数据准备**: 模型训练通常需要大量的文本数据,这包括预处理后的训练数据和额外的配置文件。你可以从官方提供的数据集链接下载数据,并按照说明解压和配置。 4. **搭建环境**: 如果在本地运行大模型,可能还需要设置适当的内存限制和其他资源配置。比如,在某些Linux发行版中,可能需要设置CUDA_VISIBLE_DEVICES环境变量来指定GPU。 5. **编译模型**: 进入项目目录,根据项目的readme文档,可能需要对模型进行编译或转换,以便在本地部署。 6. **训练或加载**: 根据你的需求,选择是训练一个新模型还是直接加载预训练模型。如果是训练,可能需要运行训练脚本;如果是加载,找到合适的 checkpoint 文件进行加载。 7. **运行服务**: 使用像Flask这样的web框架创建一个API,将训练好的模型集成进去,允许用户输入请求并得到响应。 8. **安全性和性能优化**: 为了保护隐私和提高效率,记得加密敏感数据,调整好批处理大小和推理频率。 **注意事项**: 在本地运行大型模型可能会消耗大量计算资源,并且涉及到的数据处理也较为复杂。如果不是专业研究者或有特定需求,一般建议使用预训练模型和云服务来获取即时的结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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