一、为什么选择云主机部署 Stable Diffusion?
云主机专为 AI 开发场景优化,对 Stable Diffusion 这类图形密集型任务适配性良好,核心优势如下:
- 丰富高端 GPU 可选:RTX 5090(32GB 显存)完美支撑大模型 + 高清绘图,避免显存不足(OOM)问题
- 开箱即用的开发环境:预装 Python 3.10+、CUDA 及适配驱动,无需手动配置深度学习框架
- 弹性计费更省钱:按实际使用时长计费,关机零费用,比本地装机成本低
- 完整工具链支持:自带终端,无需 SSH 配置,浏览器即可完成所有操作
- 国内网络加速:访问 PyPI 镜像、模型仓库无卡顿,下载大模型速度快
二、环境准备:精准配置云主机
2.1 创建云主机实例
-
访问云平台控制台
- 完成注册并实名认证
-
创建云主机配置详解
- 基础配置:
- 实例名称:
SD-WebUI-RTX5090(便于识别) - 算力规格:RTX 5090(32GB 显存) ← 关键选择!
- 系统镜像:默认 Linux 镜像(已预装 Python 3.10+、CUDA)
- 实例名称:
- 存储配置:
- 系统盘:50GB(默认足够)
- 数据盘:如需要存储大量模型,可添加共享存储卷
- 网络与安全:
- 区域选择:国内节点(网络更稳定)
- 安全组:默认开放全部端口(方便后续访问)
- 基础配置:
-
确认创建与启动
- 点击'立即创建',等待 2-3 分钟实例状态变为'运行中'
2.2 登录云主机终端
-
Web Shell 登录(推荐新手)
- 实例列表点击'登录' → 选择'Web Shell'
- 浏览器内直接打开终端界面,无需 SSH 配置
-
验证基础环境 在终端中执行以下命令,检查预装环境:
# 检查 Python 版本
python3 --version
# 检查 CUDA 版本
nvcc --version
# 检查 GPU 状态
nvidia-smi
正常输出应显示 Python 3.10+、CUDA 版本、RTX 5090 显卡信息。
三、完整部署流程
3.1 环境清理与依赖安装
步骤 1:彻底清理冲突环境
# 卸载可能冲突的包(避免版本不兼容)
pip3 uninstall -y torch torchvision torchaudio xformers diffusers transformers
# 彻底清理残留文件
-rf /root/.cache/pip
-rf /opt/miniconda3/lib/python3.12/site-packages/{torch*,xformers*,diffusers*,transformers*}
pip3 install --upgrade pip
pip3 cache purge


