【保姆级教程】服务器Ubuntu22.04系统下的Stale diffusion+Webui部署安装

一、FinalShell的下载及使用：

FinalShell是一款服务器管理工具，支持SSH和远程桌面，提供多标签管理、命令自动提示、SFTP、性能监控等功能，适用于开发运维，界面友好，在很大程度上可以免费替代XShell。

FinalShell的下载：https://www.hostbuf.com/t/988.html

FinalShell的基本使用

• 连接Linux服务器
  
• 进行如下设置：

名称：  自定义
主机：  填写你的服务器的公网IP
端口：  填写服务器端口
备注：  自定义
方法：  密码
用户名：默认是root
密码：  填写服务器的登录密码

新建完后双击或者右键点击连接

二、ubuntu基本环境配置

1.更新包列表：

• 打开终端，输入以下命令：

sudo apt-get update

sudo apt upgrade

过程中需要输入 y 或者按 Enter 键确认安装

2. 安装英伟达显卡驱动

2.1 使用wget在命令行下载驱动包

wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/550.100/NVIDIA-Linux-x86_64-550.100.run

4090对应的驱动版本为550.100，不同型号的显卡请到英伟达官网查找下载链接：
https://www.nvidia.cn/Download/Find.aspx?lang=cn&QNF=1

2.2 更新软件列表和安装必要软件、依赖

sudo apt-get update

sudo apt-get install g++

sudo apt-get install gcc

sudo apt-get install make

2.3 卸载原有驱动

sudo apt-get remove --purge nvidia* 

• 使用vim修改配置文件

sudo vim /etc/modprobe.d/blacklist.conf

按 i 键进入编辑模式,在文件尾增加两行：

blacklist nouveau
options nouveau modeset=0

按 Esc 键退出编辑模式,输入 :wq 保存并退出

• 检查有没有写入成功

sudo cat /etc/modprobe.d/blacklist.conf

• 更新文件

sudo update-initramfs -u

• 重启电脑：

sudo reboot

有时候重启时间较长，请耐心等待，重启后再次连接

2.4 安装驱动

• 授予执行权限

sudo chmod 777 NVIDIA-Linux-x86_64-550.100.run

• 执行安装命令

sudo ./NVIDIA-Linux-x86_64-550.100.run

安装过程中需按 Enter 键确认安装

• 检测显卡驱动是否安装成功

nvidia-smi

2.4 安装CUDA

• 使用wget在命令行下载安装包

wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run

安装的显卡驱动版本是550.100，可以安装CUDA 12版本。可根据自己显卡版本选择合适的CUDA版本，查询链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

• 授予执行权限

sudo chmod 777 cuda_12.4.0_550.54.14_linux.run

• 执行安装命令

sudo ./cuda_12.4.0_550.54.14_linux.run

输入 accept 开始安装

注意这里要按 Enter 取消勾选第一个选项,因为之前已经安装了驱动

然后选择 Install 开始安装

2.5 环境变量配置

• 以vim方式打开配置文件

sudo vim ~/.bashrc

按 i 键进入编辑模式,在文件尾增加两行：
在文件尾中加入以下两行：

export PATH="/usr/local/cuda-12.4/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH"

按 Esc 键退出编辑模式,输入 :wq 保存并退出

• 更新环境变量

source ~/.bashrc

• 检测CUDA是否安装成功

nvcc -V

3. 安装conda

3.1 软件下载

wget -c https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh

• 执行安装命令

bash Anaconda3-2023.03-1-Linux-x86_64.sh

一直按 Enter 之后输入 yes 确认

注意这里要按 Enter 确认安装位置 /root/anaconda3
如有更改，后续环境变量配置路径均需更改

3.2 设置环境变量

vim /etc/profile

按 i 键进入编辑模式,在末尾添加环境变量

export PATH="~/anaconda3/bin:$PATH"

按 Esc 键退出编辑模式,输入 :wq 保存并退出

vim ~/.bashrc

按 i 键进入编辑模式,在末尾添加环境变量

export PATH="~/anaconda3/bin:$PATH"

按 Esc 键退出编辑模式,输入 :wq 保存并退出

• 刷新环境变量

source /etc/profile

source ~/.bashrc

• 测试是否安装成功

conda -V

3.3 conda配置

• 配置清华镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

• 设置搜索时显示通道地址

conda config --set show_channel_urls yes

• 配置pip 镜像源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

三、Stable Diffusion+WebUI下载安装

1. Stable Diffusion+WebUI 下载与环境配置

1.1 环境准备

• 安装 libgoogle-perftools4 和 libtcmalloc-minimal4 库。这两个库是 Google 开源的性能分析工具库，可以帮助优化程序性能

sudo apt-get install libgoogle-perftools4 libtcmalloc-minimal4 -y

• 创建虚拟环境

conda create -n sd  python=3.10.6

1.2 源码修改及配置

• 使用git克隆

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

• 如果下载速度较慢可添加https://mirror.ghproxy.com/镜像源

git clone https://mirror.ghproxy.com/https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

进入到 stable-diffusion-webui 文件夹内

cd stable-diffusion-webui

这时候直接./webui.sh启动脚本通常会出现各种各种的问题，主要原因是国内网络问题，以下是解决方法:

• 解决安装依赖库速度慢报错问题：

使用Finalshell的文件管理功能

在/root/stable-diffusion-webui/modules文件夹中找到 launch_utils.py 下的prepare_environment()函数，将其中涉及到 github 仓库的依赖，全部添加 https://mirror.ghproxy.com/镜像

按Ctrl+F查找https://github.com/全部替换成https://mirror.ghproxy.com/https://github.com/如下图

Ctrl+S进行保存

• 模型下载下载慢不成功问题：

引入镜像地址

export HF_ENDPOINT=https://hf-mirror.com 

写入到~/.bashrc中：

echo 'export HF_ENDPOINT="https://hf-mirror.com"' >> ~/.bashrc

刷新环境变量

source ~/.bashrc

• 修改/root/stable-diffusion-webui/weiui.sh文件,将use_venv变量值改为0,意为使用当前环境进行安装

• 如果是root用户还要将can_run_as_root变量值改为1
  

2.Stable Diffusion+WebUI 安装

• 进入虚拟环境

conda activate sd

• 安装pytorch

pip3 install torch==2.1.2 torchvision torchaudio --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple

• 安装环境

pip install -r requirements.txt 

• 启动脚本，会默认配置好项目环境，并安装好项目依赖包：

./webui.sh --port 15026 --listen --enable-insecure-extension-access --xformers

--port 15026: 设置服务器监听的端口为业务端口,默认端口是7860,这里设置为15026。
--listen: 让服务器监听网络连接。这样设置后,局域网内的其他计算机可以访问UI,如果配置了端口转发,互联网上的计算机也可以访问。
--enable-insecure-extension-access: 启用扩展标签,不考虑其他选项。

更多详细的命令行参数和设置请参考
https://profaneservitor.github.io/sdwui-docs/cli/

启动成功后，访问http://主机IP:端口

四、模型下载(huggingface 的国内镜像)

这里介绍一种下载方法，其余方法请参考：https://hf-mirror.com/

1. 下载hfd

hfd 是huggingface 专用下载工具，基于成熟工具 git+aria2，可以做到稳定下载不断线。

wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh

2. 下载模型（例子： gpt2）

apt install aria2
apt install git-lfs

开始下载

./hfd.sh gpt2 --tool aria2c -x 4

有些模型下载需要token,参数如下

--hf_username YOUR_HF_USERNAME --hf_token hf_***

token的获取:https://huggingface.co/settings/tokens(需要VPN)
下载完后将模型移动到