Stable Diffusion 本地部署与快速上手指南
简介
继 DALL-E 和 Midjourney 之后，AI 绘图领域又一款热门的深度学习模型问世——Stable Diffusion。2022 年 8 月发布的 Stable Diffusion 更加高效且轻量，可以在消费级 GPU 上运行。Stability AI 公司表示：'它在速度和质量上的突破意味着它可以在消费者级的 GPU 上运行。这将允许研究人员和公众在一系列条件下运行它，并使图像生成普及化。'
这意味着现在你只需一句话和几十秒的时间，就可以让你脑海中天马行空的画面出现在你眼前：
或者随手画一笔，让 AI 帮你加'亿点点'细节：
使用方式对比
目前主要有三种方式来体验和使用 Stable Diffusion，各有优劣。
1. 官方在线 Web App - DreamStudio
- 优点：最易上手，登录即可直接使用；可视化调参。
- 缺点：免费次数有限，高级功能需付费。
适合快速上手体验一下，或者付费玩家。
2. Google Colab 运行
Colab 是 Google Research 团队开发的一款产品，可以通过浏览器编写和执行 Python，并免费分配使用包括 GPU 在内的计算资源。
- 优点：免费，次数无限；无需本地硬件配置。
- 缺点：操作略微繁琐；不能持久运行（会话超时）；网络环境要求较高。
打开 Colab 笔记本页面，按照步骤和提示执行即可。可能存在的坑在于模型的载入，需要用到特定的 Notebook 链接，不过通常都不是大问题。
虽然看着繁琐，但是可以薅羊毛用免费的显卡资源，性能也还不错，还是很香的。
3. 本地、云服务器部署
这是最推荐的方式，适合长期开发和深度定制。
- 优点：本地部署免费，次数无限；功能完整，可玩性高；数据隐私安全。
- 缺点：硬件要求高；租用云服务成本较高；初次部署较为麻烦。
目前存在多个基于官方代码仓库 fork 出来的不同版本，可以有不同的部署和运行方式，包括 Docker 部署、WebUI（如 Automatic1111）等。这里讲解基于官方的原版进行部署和使用，其他的方式都大同小异。
本地部署详细步骤
硬件要求
- 显卡：本地建议 10G 显存以上的显卡（NVIDIA CUDA 核心）。显存不够也有其他办法（见后文优化方案）。
