关于SD webui 部署运行的一些坑
[Bug 1]: RuntimeError: Couldn't install gfpgan
可以先尝试：
pip install gfpgan不过是在虚拟环境venv下的
E:\stable-diffusion-webui\venv\Scripts\python.exe -m pip install gfpgan如果还是无法安装gfpgan的原因是网络问题，就算已经科学上网，并设置为全局，也无法从github上下载源代码，从而导致install失败。
解决方法是直接到github下载 GFPGAN 代码到本地，并进行本地安装。
因为stable diffusion会在其根目录创建虚拟python环境venv，因此安装方法与github有所不同。可参考以下方法：
- 从github将GFPGAN的源文件下载到本地，这一步可以使用git clone也可以直接下载zip文件。下载后，解压（如果用git clone就不需要）到d:\\stable-diffusion-webui\venv\Scripts目录下（stable-diffusion-webui是你stable diffusion webui的根目录，这个地址只是我电脑中的，请根据自己放的位置调整）。
- 打开cmd，cd到d:\\stable-diffusion-webui\venv\Scripts\GFPGAN-master下。
- 使用命令d:\\stable-diffusion-webui\venv\Scripts\python.exe -m pip install basicsr facexlib安装GFPGAN的依赖。
- 再使用d:\\stable-diffusion-webui\venv\Scripts\python.exe -m pip install -r requirements.txt安装GFPGAN的依赖。
- 使用E:\\stable-diffusion-webui\venv\Scripts\python.exe setup.py develop安装GFPGAN。
安装完毕后，再打开stable diffusion根目录的webui-user.bat会发现不再要求安装GFPGAN。如果遇到其他github上的模块无法安装也可以用同样的方法
[Bug 2]: AssertionError: Torch is not able to use GPU;
解决方法：修改launch.py代码：
launch.py
问题分析：查了一下似乎是CUDA和torch版本不匹配的问题，但我的CUDA版本是每问题的。所以把相关的两行注释掉，绕过这个检测好了。建议先检查一下自己的版本，实在不行再用我的这个方法。
2.23更新 实际上这个问题很可能是因为.bat自动安装了CPU版本的torch，所以无法使用CUDA。
建议检查一下python环境里能不能用CUDA和torch的版本
不能用CUDA
检查torch版本：cpu
解决方法：
查看自己NVIDIA的版本，如果是11.1或者以下的，建议先升级一下
升级地址：https://www.nvidia.cn/Download/index.aspx?lang=cn
选择自己的显卡配置，搜索，下载，下一步安装更新即可
然后用pip uninstall torch卸载cpu版本的torch
到torch官网https://pytorch.org/get-started/locally/ 选择自己匹配的版本，复制命令自行安装torch
复制红框框里的命令安装torch，我是用pip比较快
安装完后检查是GPU版本能用CUDA就OK了
GPU版本，能用CUDA
参考：自力更生：Stable Diffusion webui本地部署遇到的坑及解决 - 哔哩哔哩
python查看torch版本、cuda版本
import torch
print(torch.cuda.is_available()) # 查看cuda是否可用
print(torch.cuda.device_count()) # 查看可用cuda数量
print(torch.__version__) # 查看pytorch版本
print(torch.version.cuda) # 查看cuda版本具体可参考：深度学习中如何在本地安装符合自己版本的Torch - 哔哩哔哩
pytorch 中 GPU 索引与 nvidia-smi 中GPU 编号不一致，原因是nvidia-smi 下的 GPU 编号默认使用 PCI_BUS_ID，而 PyTorch 代码默认情况下设备排序是 FASTEST_FIRST。解决方法为，进入bashrc，添加：
CUDA_DEVICE_ORDER=“PCI_BUS_ID“终端输入 source ～/.bashrc 使配置生效。
补充遇到的一个大坑：torch.cuda.is_available总是false，torch.version.cuda返回None
原因是pytorch官网默认安装的是最新的版本，点击 install previous versions of PyTorch 移步到历史版本
，我这边用的是
# CUDA 11.7
pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu117它自动删除本地已有的torch，再进行安装，然后你执行
print(torch.version.cuda) #11.7就能看到安装了11.7版本的cuda了，再执行生图脚本也使用的是GPU
[Bug 3]: RuntimeError: "LayerNormKernelImpl" not implemented for 'Half'
[Bug]: RuntimeError: "LayerNormKernelImpl" not implemented for 'Half' · Issue #5232 · AUTOMATIC1111/stable-diffusion-webui · GitHub
一般都是在 COMMANDLINE_ARGS 里加 --no-half 参数
免部署直接体验AI绘图：GPT问答+AI绘图