stable-diffusion官方版本地复现手册（2023年4月10日）

stable diffusion v1.4官方版（CompVis）本地复现手册

主页：https://github.com/wjxpro

邮箱：804359553@qq.com

〇、说明

对于只想体验stable-diffusion的朋友，可以参考这篇教程¹使用网页版。对于想要进行深入研究、要进行本地版部署的朋友，现有教程大多使用基于WebUI版²³以及非官方版⁴复现的，也有一些是基于官方版本⁵⁶复现的，但是其版本已经过时，因此我重新复现了官方的CompVis v1.4版（2023年4月10日），希望能帮助到大家。

环境

windows环境下部署，需要有显卡，显存大于4G，显存大小影响可以生成图片的最大尺寸。工程最终大小约为7GB，请注意存储位置。

请自行配置Python运行环境（Anaconda、VS Code）、CUDA、cudnn，注意修改国内镜像源，并保证可用。

一、准备

1. stable-diffusion（标题链接可点）

下载工程源码并解压，关于国内无法访问github，除了挂代理也可以通过修改DNS加速，工具下载地址。

2. sd-v1-4.ckpt

下载权重模型，只下载sd-v1-4.ckpt（约3.97GB）就可以。下载完成后，将其放在工程根目录下。

3. clip-vit-large-patch14

下载openai的分词器clip-vit-large-patch14，本人猜测这个模型用于将输入的prompt转换为stable-diffusion的输入特征。需要下载的内容包括：

• pytorch_model.bin（约1.59GB）
• config.json
• merges.txt
• preprocessor_config.json
• special_tokens_map.json
• tokenizer.json
• tokenizer_config.json
• vocab.json

下载完成后，在工程根目录创建文件夹openai\clip-vit-large-patch14，将下载的内容放入其中。

4. safety_checker

下载安全性检查器。这个模型用于检测生成的内容是否为NSFW内容，如果是，则将其替换为assets\rick.jpeg（你被骗了）。需要下载的内容包括：

• pytorch_model.bin（约1.13GB）
• config.json

下载完成后，在工程根目录创建文件夹CompVis\stable-diffusion-safety-checker，将下载的内容放入其中。

二、构建

1. ldm虚拟环境

参照源码README，在Anaconda环境下，可以使用如下命令创建并激活ldm虚拟环境：

conda env create -f environment.yaml
conda activate ldm

此处可能产生两个报错：

1. ImportError: cannot import name 'SAFE_WEIGHTS_NAME' from 'transformers.utils'
   解决方案参照此issue：修改environments.yaml，将diffusers改为diffusers==0.12.1。
2. Pip subprocess error: ERROR: Command errored out with exit status 128: git fetch -q ...
   参照⁵的解释，因为环境中包含了两个从github上下载的子工程，所以这个问题需要检查当前网络环境对github的访问是否通畅，然后重新下载：

   # 查看已存在环境
   conda env list
   # 先切换到base环境
   conda activate base
   # 删除ldm
   conda env remove --name ldm
   

   也可以通过以下命令更新环境：

   conda env update -f environment.yaml
   

2. 使用

在工程根目录下，激活ldm虚拟环境，然后直接运行script中的脚本即可。如果使用命令行运行，一个示例命令如下：

python scripts/txt2img.py --ckpt "sd-v1-4.ckpt" --prompt "a photograph of an astronaut riding a horse" --plms --H 256 --W 256

3. 重要超参数解释

以文本生成图片（script\txt2img.py）为例：

超参数	解释
ckpt	模型权重文件路径（相对于根目录）
prompt	生成图像需要的文本提示
H	生成图像的高
W	生成图像的宽
n_iter	一次运行进行n次采样
n_samples	一次采样生成n张图像
seed	随机数种子，修改其值可生成不同的结果
skip_grid	不生成拼接的图像，拼接的图像由n_iter行n_samples列构成
skip_save	不生成独立的图像
outdir	结果保存的文件夹路径
plms	一个采样器，暂未深入研究

三、修改源码

超参数

可以直接修改超参数的默认值减少命令行输入内容，一个修改示例如下：

推荐修改的超参数	推荐修改值
ckpt	sd-v1-4.ckpt
plms	True
H	256（适用于显存小的显卡）
W	256（适用于显存小的显卡）

禁用安全检查器

安全检查器有1GB多，不想下载的朋友可以按如下方法进行修改。（NSFW警告）

1. 注释掉27-29行的# load safety model内容：

# safety_model_id = "CompVis/stable-diffusion-safety-checker"
# safety_feature_extractor = AutoFeatureExtractor.from_pretrained(safety_model_id)
# safety_checker = StableDiffusionSafetyChecker.from_pretrained(safety_model_id)

2. 注释掉88-95行check_safety函数：

# def check_safety(x_image):
#     safety_checker_input = safety_feature_extractor(numpy_to_pil(x_image), return_tensors="pt")
#     x_checked_image, has_nsfw_concept = safety_checker(images=x_image, clip_input=safety_checker_input.pixel_values)
#     assert x_checked_image.shape[0] == len(has_nsfw_concept)
#     for i in range(len(has_nsfw_concept)):
#         if has_nsfw_concept[i]:
#             x_checked_image[i] = load_replacement(x_checked_image[i])
#     return x_checked_image, has_nsfw_concept

3. 318行内容修改：

x_checked_image, has_nsfw_concept = check_safety(x_samples_ddim)

修改为：

x_checked_image = x_samples_ddim

禁用不可见水印

1. 注释掉262-265行内容：

# print("Creating invisible watermark encoder (see https://github.com/ShieldMnt/invisible-watermark)...")
# wm = "StableDiffusionV1"
# wm_encoder = WatermarkEncoder()
# wm_encoder.set_watermark('bytes', wm.encode('utf-8'))

2. 注释掉327与343行内容：

# img = put_watermark(img, wm_encoder)

四、生成结果示例

默认prompt: a painting of a virus monster playing guitar

完

---

1. https://zhuanlan.zhihu.com/p/560226367 ↩︎

2. https://zhuanlan.zhihu.com/p/617997179 ↩︎

3. https://zhuanlan.zhihu.com/p/617997179 ↩︎

4. https://zhuanlan.zhihu.com/p/565851314 ↩︎

5. https://juejin.cn/post/7143441237037711396 ↩︎ ↩︎

6. https://zhuanlan.zhihu.com/p/563731965 ↩︎