Stable Diffusion云服务器部署完整版教程

Stable Diffusion云服务器部署完整版教程

2023年07月04日 22:30 3607浏览 · 18喜欢 · 22评论

薯片_AI

粉丝： 1513 文章： 1

• 设置分组
• 取消关注

已关注

        文本旨在将stable diffusion部署在云服务器上，利用云服务器的优势让我们更好的体验AI绘图。本文的教程是作者一步步实践所总结出来的，完整的按照作者的步骤执行，是可以在云服务器上部署一个较为完整的sd。本教程中包括了很多配置和换源是其他教程所没有的，相对其他sd安装教程更为完整。

        提醒：本文是stable diffusion部署在云服务器的教程，当然你也可以拿来部署在本地电脑上，但是没有必要，本地部署可以使用秋叶大神的一件安装包，方便又快捷。

一、SD的基础环境和安装

AV6hxhhLecygpjnle">（一）购买服务器

我使用的是腾讯云GPU服务器，腾讯云服务器经常做活动，可以趁折扣的时候进行购买，这是我此次服务器的基本信息，我选用的是GN7 8核32GB，N卡，操作系统选择Ubuntu Server。

ubuntu server配置

购买后在后台实例中可看到该服务器

腾讯云后台

点击「登录」即可进入服务器，首次进入会自动安装驱动，等待几分钟即可。

进入服务器

（二）配置运行环境

利用anaconda是它集成了很多我们需要的安装包，只要安装它一个，python下载、环境配置那些都不用我们再去设置，使用起来比较方便。

1、配置Anaconda

1、下载anaconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.03-0-Linux-x86_64.sh

若遇到这种不能下载的，前面加上 -U NoSuchBrowser/1.0

wget -U NoSuchBrowser/1.0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.03-0-Linux-x86_64.sh

2.安装anaconda，提示enter按回车，提示yes or no的地方全部输入yes即可。vscode不安装

bash Anaconda3-2023.03-0-Linux-x86_64.sh

3.找到.bashrc这个文件并修改，修改文件有两种方式：

①通过vim修改。

#用vim打开.bashrc文件

vim ~/.bashrc

#再按i开始insert，将以下内容添加到文件最后一行
export PATH=$PATH:/home/ubuntu/anaconda3/bin

#按Esc并输入:wq即为保存退出文件再保存退出
:wq

②也可以通过编辑器修改，找到.bashrc文件直接输入内容即算保存

4.如果输入conda，提示找不到命令的话执行下source，（执行一次即可，以后都不用再 source 了，启动 Ubuntu会自动source）

source ~/.bashrc

然后验证下

conda info

至此anaconda已经安装完毕

2、安装pytorch

1.去pytorch官网配置自己服务器所需要的pytorch

Pytorch build选择stable稳定版，操作系统是linux，由于上面我安装了anaconda所以package选择conda，语言python，我的CUDA是12.0所以选择了CUDA11.8，最后获取comand

pytorch官网

2、pytorch需要安装到anaconda的虚拟环境中，所以使用conda时需要先有一个虚拟环境并进入

#若还没有虚拟环境需要创建一个，是环境名称，python选择指定的版本，sd需要的python>3.10 #conda create -n  python=x.xx.x

conda create -n sd python=3.10.11

#启动虚拟环境，activate就是启动，sd是环境名称
conda activate sd

然后再执行pytorch的安装

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

如果出现提示需要升级conda版本的就输入，没有的话就跳过这步。我这里没截到图，会有个wanning的，注意看

conda update -n base -c defaults conda

验证安装结果

#首先要启动我们的sd虚拟环境，因为我们所有与stable diffusion有关的配置环境都是建立在这个虚拟环境之下的python，pytorch等都是如此

#进入虚拟环境

conda activate sd

#进入python环境
python

#导入torch
import torch

#查看torch的版本
torch.version #各有两条下划线

#查看cuda版本
torch.version.cuda

#查看GPU是否运行
torch.cuda.is_available()

#退出
exit()

（三）安装sd-webui

1、启动sd

1.将sd webui clone到服务器上，此处我用了镜像。

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

2.链接换源。打开stable-diffusion-webui/modules/launch.until.py文件，替换以下内容

torch_command = os.environ.get(‘TORCH_COMMAND’, “pip install torch2.0.1 torchvision0.15.2”)

3.每个https://github.com/  （就在上一步的下面几行，每一个网址都要改）链接前面添加https://ghproxy.com/，替换为以下内容

gfpgan_package = os.environ.get(‘GFPGAN_PACKAGE’, “https://ghproxy.com/https://github.com/TencentARC/GFPGAN/archive/8d2447a2d918f8eba5a4a01463fd48e45126a379.zip”)

clip_package = os.environ.get(‘CLIP_PACKAGE’, “https://ghproxy.com/https://github.com/openai/CLIP/archive/d50d76daa670286dd6cacf3bcd80b5e4823fc8e1.zip”)

openclip_package = os.environ.get(‘OPENCLIP_PACKAGE’, “https://ghproxy.com/https://github.com/mlfoundations/open_clip/archive/bb6e834e9c70d9c27d0dc3ecedeebeaeb1ffad6b.zip”)

stable_diffusion_repo = os.environ.get(‘STABLE_DIFFUSION_REPO’, “https://ghproxy.com/https://github.com/Stability-AI/stablediffusion.git”)

taming_transformers_repo = os.environ.get(‘TAMING_TRANSFORMERS_REPO’, “https://ghproxy.com/https://github.com/CompVis/taming-transformers.git”)

k_diffusion_repo = os.environ.get(‘K_DIFFUSION_REPO’, ‘https://ghproxy.com/https://github.com/crowsonkb/k-diffusion.git’)

codeformer_repo = os.environ.get(‘CODEFORMER_REPO’, ‘https://ghproxy.com/https://github.com/sczhou/CodeFormer.git’)

blip_repo = os.environ.get(‘BLIP_REPO’, ‘https://ghproxy.com/https://github.com/salesforce/BLIP.git’)

4.先进入虚拟环境

#启动虚拟环境，因为刚刚上面我们已经创建过虚拟环境了

conda activate sd

5.先定位到的stable-diffusion-webui项目下

cd stable-diffusion-webui

6.第一次启动sd，sd会安装基础的配置，这里等待一段时间，网速慢的个把小时，所需要的内容才会下载完毕。

#以下两者都是启动公网环境，二选一执行即可。

./webui.sh --listen #(推荐)

#或者加–share也可以
./webui.sh --share

#listen与share的区别在于listen启动的地址是0.0.0.0:7860，而share启动后是一个随机的地址。

7.第一次执行会自动下载“v1-5-pruned-emaonly.safetensors”这个模型，如果下载速度还行就耐心等待，如果网络慢的同学，可以先“ctrl+C”断开下载步骤，然后到C站随便下个大模型上传上去。

2、打开webui

后续我们启动stable diffusion时分为3个步骤：

#启动虚拟环境 conda activate sd #定位到sd根目录 cd stable-diffusion-webui #加listen是启动公网环境 ./webui.sh --listen

#启动虚拟环境

conda activate sd

#定位到sd根目录
cd stable-diffusion-webui

#加listen是启动公网环境
./webui.sh --listen

然后等待有出现http:/0.0.0.0:7860就说明已启动成功。浏览器访问http://x.x.x.x（云主机公网ip）:7860，出现stable diffusion内容即为成功。

webui界面

（四）小结

虽然webui已经启动，但是我们可以看到页面下边的配置

• version：当前webui的版本，我在写这份文档时最新版本就是1.4，当你们看到这份文档的时候注意使用最新版本的。

• python：版本是3.10.11，这个版本会比较合适，既能用xformers，刚刚安装又不会报错，我试过3.10.12、3.11这些版本，会出现安装不上，至于原因我没去深入研究，你们想要用最新版本的话就研究下怎么配置。

• torch：2.0.1+cu117，sd会用到的神经网络和cuda版本，这里我cuda只有117，但是上面我安装的cuda是11.8。我不知道为什么会降一个版本，有大佬懂得话可以评论区解答下。

• xformers：N/A，等会会安装这个，能提升出图速度。

• gradio：这个是AI的界面，可以不用管。

• checkpoint：这个是大模型，我们还没下载，后面步骤会下载。

二、webui-user.sh文件配置

通过我自己部署整个sd后，认为修改webui.user.sh文件，去先行配置一些参数，可以减少我们后续启动时输入的内容，以及减少后续的一些麻烦。这是其他教程所没有的，大家有必要可以参考下。

1.打开sd根目录下的webui-user.sh文件，将export commandline_args前面的#去掉，并且加上后面内容。

#!/bin/bash

#########################################################

# Uncomment and change the variables below to your need:# #########################################################

# Install directory without trailing slash #install_dir=“/home/$(whoami)”

# Name of the subdirectory #clone_dir=“stable-diffusion-webui”

# Commandline arguments for webui.py, for example: export COMMANDLINE_ARGS=“–medvram --opt-split-attention”

export COMMANDLINE_ARGS=“–theme dark --xformers --enable-insecure-extension-access --listen”

# python3 executable

#python_cmd=“python3”

# git executable

#export GIT=“git”

# python3 venv without trailing slash (defaults to $instal{l}_{d}ir/${clone_dir}/venv) #venv_dir=“venv”

# script to launch to start the app

#export LAUNCH_SCRIPT=“launch.py”

# install command for torch #export TORCH_COMMAND=“pip install torch==1.12.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113”

# Requirements file to use for stable-diffusion-webui #export REQS_FILE=“requirements_versions.txt”

# Fixed git repos

#export K_DIFFUSION_PACKAGE=“”

#export GFPGAN_PACKAGE=“”

# Fixed git commits #export STABLE_DIFFUSION_COMMIT_HASH=“”

#export CODEFORMER_COMMIT_HASH=“”

#export BLIP_COMMIT_HASH=“”

# Uncomment to enable accelerated launch

#export ACCELERATE=“True”

# Uncomment to disable TCMalloc #export NO_TCMALLOC=“True” ###########################################

• –theme dark。让webui变为暗色模式。有需要就加，没需要就不用加。

• –xformers。Xformers库可以加速图像的生成。

• –enable-insecure-extension-access。在我们用–listen启动时，会成为公网环境，在公网环境下，系统会阻止extension（扩展）的使用，以避免风险因素。所以我们如果只是自己使用的话，完全可以通过这个绕开安全检查，这样我们在启用公网环境时可以继续使用extension（扩展）功能。

• –listen。启用公网环境。（–listen要在最后一个）。

配置完后我们在启动sd时，便不用再输入–listen。

#启动虚拟环境

conda activate sd

#定位到sd根目录
cd stable-diffusion-webui

#加listen是启动公网环境
./webui.sh

最后我们启动起来的webui就是这样。

三、extensions换源

automatic1111大佬自带的extensions源我们国内无法直接访问，所以我们需要替换成境内的源，方便于我们后续使用扩展。这里我使用秋叶大佬的源地址。

找到sd/modules/ui_extensions.py文件的这段。

with gr.TabItem(“Available”, id=“available”):

with gr.Row():

refresh_available_extensions_button = gr.Button(value=“Load from:”, variant=“primary”)

available_extensions_index = gr.Text(value=“https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui-extensions/master/index.json”, label=“Extension index URL”).style(container=False)

extension_to_install = gr.Text(elem_id=“extension_to_install”, visible=False)

install_extension_button = gr.Button(elem_id=“install_extension_button”, visible=False)

将其中的地址这段替换为https://gitee.com/akegarasu/sd-webui-extensions/raw/master/index.json

with gr.TabItem(“Available”, id=“available”):

with gr.Row():

refresh_available_extensions_button = gr.Button(value=“Load from:”, variant=“primary”)

available_extensions_index = gr.Text(value=“https://gitee.com/akegarasu/sd-webui-extensions/raw/master/index.json”, label=“Extension index URL”).style(container=False)

extension_to_install = gr.Text(elem_id=“extension_to_install”, visible=False)

install_extension_button = gr.Button(elem_id=“install_extension_button”, visible=False)

这样我们就可以秒加载扩展

四、CheckPoint的下载

（一）下载至本地再上传至服务器

1. 从模型网站上下载checkpoint的模型到本地后

2. 再打开服务器的编辑

1. 打开model下的sd路径：stable-diffusion-webui/models/Stable-diffusion，并右键点击上传

上传至服务器后刷新webui就可以看到该模型了

（二）直接下载至服务器

1.获取下载路径，如：

https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt

2.cd到stable-diffusion-webui/models/Stable-diffusion目录下，用wget指令下载

#wget指令下载

wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt

#若出现Unable estalish SSL connent，SSL无法连接的情况，加上该指令
wget --no-check-certificate https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt

#如果wget版本过旧，更新wget
apt-get install wget -y

#以上是通过apt升级wget，如果没有apt，则需要先安装apt管理工具包
sudo apt-get install

五、LoRA的下载与安装

每个lora都附带一张图片，这张图片的名称与模型名称相同，一并上传到服务器中的lora文件夹下，在webui中就会显示该模型和预览图。当然你也可以后面安装C站助手，通过C站助手下载预览图。

六、VAE的下载与安装

1.VAE的模型全部放在这个文件夹下。模型继续使用上面提到的上传方法（这里我用本地部署的举例，服务器配置的时候要找到服务器中的path）

2.VAE模块默认是没有出来的，需要到「Settings — User interface — Quicksettings list」中添加VAE模块

3.再保存、重启UI即可。

七、ControlNet的下载与安装

（一）直接安装

若是境外服务器可以直接在sd上安装

https://github.com/lllyasviel/ControlNet

https://github.com/lllyasviel/ControlNet

（二）压缩包安装

1.我的是境内服务器，所以无法直接从github上下载，所以直接下载压缩包

然后将压缩包上传至服务器/stable diffusion/extensions目录下

2.定位到extensions目录下

cd stable-diffusion/extensions

3.解压zip

unzip ControlNet-main.zip

4.重启webui就能看到

（三）安装models

1.下载秋叶大佬已经整理好的包

链接: https://pan.baidu.com/s/1rh39DI9xVbguLO5l7O4pjA 

提取码: yqqe

2.将预处理器下的downloads文件压缩成zip

3.定位位置，具体path看自己的服务器

cd stable-diffusion-webui/extensions/sd-webui-controlnet/annotator

4.解压zip

unzip downloads.zip

5.再将下载文件中“模型”文件下的所有文件放到stable diffusion/models/ControlNet/文件内。

6.最后即可使用ControlNet。

八、Clip skip的配置

Clip skip具体有什么用可以百度下，Clip skip默认是不显示的，需要我们自己配置。

1.先到「Settings — Stable Diffusion — Clip skip」中将数值调成2

2.再到「Settings — User interface — Quicksettings list」中添加clip模块

注意：这两个步骤不可颠倒，否者先把clip模块加载出来的话，就无法设置clip的默认值，这是个坑。

九、hypernetworks的下载与安装（选装）

去模型网站上下载hypernetworks的模型，然后上传到sd/models/hypernetworks文件夹中，然后在webui界面点击刷新就可以看到了

十、插件的使用

（一）sd的汉化

1.扩展中搜索zh

2.然后找到这2个进行安装

3.到Setting——User interface——localization选择zh-hans，然后保存，重启webui。

（二）中英对照tag自动补齐

这个插件能汉化 UI 界面、Tag 自动补全、提示词 prompt 翻译等功能，解决英文不好的问题，有效减少用翻译软件的时间，不过测试发现词库并不全，有些可能还会用到翻译软件。

想要安装这个插件，需要先装一个前置插件，叫“a1111-sd-webui-tagcomplete-main”

可以通过「扩展—从网址安装」输入以下github仓下载安装。

https://github.com/DominikDoom/a1111-sd-webui-tagcomplete.git

最后重启webui就可以看到

十一、其他

（一）可下载模型的网站

• https://civitai.com/

• https://huggingface.co/

• https://www.liblibai.com/

• https://www.liandange.com/

• https://i-desai.com/#/

• https://aigccafe.com/

（二）如何让服务器不断开连接

腾讯云的这个OrcaTerm shell经常会不定时的断开，而我们的sd需要一直启动住，所以我们需要解决服务器断开的问题。

1.下载Putty，https://www.chiark.greenend.org.uk/~sgtatham/putty/latest.html

2.打开putty并在host name输入自己服务器的公网ip，然后点击open

3.点击accept即可

4.此处写上自己服务器的名称和密码就是我们用orcaterm登录时这里的用户名和密码。

注意这里输入密码是不会显示的，输入完后回车即可。

5.顶部右键选择“change setting”，connection这里，输入60，意味着每60秒向服务器发送一个空包保持session处于活动中。

（三）其他

#定位到models中的Stable-diffusion

cd stable-diffusion-webui/models/Stable-diffusion

#用wget命令来下载sd-v1-4模型
wget https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt

#如果出现SSL无法连接，那么加上–-no-check-certificate
wget –-no-check-certificate https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt

#如果文件太大，一次性没办法下载完，可以加上断点续传
wget –-no-check-certificate --continue https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt

十二、总结

    以上就是作者在Linux服务器下安装stable diffusion的全部内容，通过以上方法，大家可以配置一个较为完整的在线sd。至于更多的插件、模型大家就根据自己的需求去下载安装即可，更多sd的功能大家就自己去挖掘。

    如果觉得本文有用，请来个三连吧~

    如果觉得专栏的排版不够美观的话，可以去我的飞书看https://k9v8wpkvnx.feishu.cn/docx/Icdjdcw53oGEltxhE6yc5lmhn0e

本文为我原创 本文禁止转载或摘编

云服务器

sd

stable diffusion

sd安装教程

stable diffusion云部署

link