共绩算力 RTX 5090 极速部署 Stable Diffusion WebUI：新手也能秒开 AI 绘图工作站

优质文章学习记录

— 12 min read
共绩算力 RTX 5090 极速部署 Stable Diffusion WebUI：新手也能秒开 AI 绘图工作站
还在为本地硬件不足跑不动 AI 绘图模型发愁？想快速拥有高性价比的 Stable Diffusion 绘图环境？今天给大家带来共绩算力 RTX 5090 部署 Stable Diffusion WebUI（增强版）的详细教程，全程零兼容冲突，从云主机配置到生成第一张 AI 画作仅需 30 分钟，步骤清晰可复现，无论是设计爱好者还是 AI 新手都能轻松上手！

目录

一、为什么选择共绩算力部署 Stable Diffusion？

二、环境准备：精准配置云主机

2.1 创建云主机实例

1.2 登录云主机终端

二、完整部署流程

2.1 环境清理与依赖安装

2.2 下载与配置Stable Diffusion WebUI

2.3 配置启动脚本

2.4 首次启动与配置

三、本地访问与基础使用

3.1 浏览器访问WebUI

3.2 生成第一张AI图片

3.3 常用功能体验

四、进阶优化与插件安装

4.1 安装实用插件

4.2 性能优化配置

4.3 模型管理技巧

五、故障排查与维护

5.1 常见问题解决

5.2 日常维护命令

六、总结与资源推荐

6.1 部署成果总结

6.2 进阶学习资源

6.3 成本优化建议

一、为什么选择共绩算力部署 Stable Diffusion？

共绩科技的云主机专为 AI 开发场景优化，对 Stable Diffusion 这类图形密集型任务适配性拉满，核心优势直击痛点：

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 12.8 及适配驱动，无需手动配置深度学习框架弹性计费更省钱：1.68 元 / 时起步，关机零费用，仅按实际使用时长计费，比本地装机成本低 90%完整工具链支持：自带 Jupyter、Web Shell 等终端，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，下载大模型速度比海外云平台快 3 倍

二、环境准备：精准配置云主机

2.1 创建云主机实例

1. 访问共绩算力平台

2. 创建云主机配置详解

  • 进入控制台 → 云主机 → 创建实例
  • 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 12.8）
  • 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（按需付费）
  • 网络与安全：
    • 区域选择：安徽一区或广东一区（国内网络更稳定）
    • 安全组：默认开放全部端口（方便后续访问）

3. 确认创建与启动

  1. 点击"立即创建"，等待2-3分钟实例状态变为"运行中"
  2. 成本提示：RTX 5090实例约2.5元/小时，关机期间不收费！

1.2 登录云主机终端

1. 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

2. 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

3. 正常输出应显示Python 3.10+、CUDA 12.8、RTX 5090显卡信息。

二、完整部署流程

2.1 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 rm -rf /root/.cache/pip rm -rf /opt/miniconda3/lib/python3.12/site-packages/{torch*,xformers*,diffusers*,transformers*} # 更新pip并清理缓存 pip3 install --upgrade pip pip3 cache purge

步骤2：安装PyTorch与基础依赖

# 安装适配RTX 5090的PyTorch（CUDA 12.8版本） pip3 install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 \ --index-url https://download.pytorch.org/whl/cu128 \ -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装图像处理基础库 pip3 install numpy==1.26.4 pillow==10.3.0 opencv-python==4.9.0.80 \ -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤3：安装Stable Diffusion核心依赖

# 安装HuggingFace相关库 pip3 install transformers accelerate diffusers \ -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装Web界面框架 pip3 install gradio==3.41.2 fastapi==0.104.1 uvicorn==0.24.0 \ -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装性能优化插件 pip3 install xformers -i https://pypi.tuna.tsinghua.edu.cn/simple

2.2 下载与配置Stable Diffusion WebUI

步骤1：克隆最新版WebUI源码

# 安装git（如果未预装） apt update && apt install -y git wget # 克隆AUTOMATIC1111的WebUI（功能最全的版本） git clone https://gitee.com/mirrors/stable-diffusion-webui.git /root/sd-webui # 进入工作目录 cd /root/sd-webui

步骤2：创建模型目录结构

# 创建必要的模型目录 mkdir -p /root/sd-webui/models/Stable-diffusion # 基础模型 mkdir -p /root/sd-webui/models/Lora # LoRA模型 mkdir -p /root/sd-webui/models/VAE # VAE模型 mkdir -p /root/sd-webui/models/ControlNet # ControlNet模型 mkdir -p /root/sd-webui/outputs # 输出目录

步骤3：下载基础模型（国内镜像加速）

# 使用 Hugging Face 国内镜像 wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors \ https://hf-mirror.com/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors # 或者使用阿里云镜像 wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors \ https://mirror.ghproxy.com/https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors # 下载SDXL精炼模型（优化细节） wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_refiner_1.0.safetensors \ https://hf-mirror.com/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors # 下载中文优化模型（可选，提升中文提示词理解） wget -O /root/sd-webui/models/Stable-diffusion/chilloutmix_NiPrunedFp32Fix.safetensors \ https://hf-mirror.com/ckpt/chilloutmix/resolve/main/chilloutmix_NiPrunedFp32Fix.safetensors

2.3 配置启动脚本

创建一键启动脚本start_sd.sh：

cat > /root/sd-webui/start_sd.sh << 'EOF' #!/bin/bash # 进入WebUI目录 cd /root/sd-webui # 设置环境变量 export PYTHONPATH="/root/sd-webui:$PYTHONPATH" export HF_HOME="/root/.cache/huggingface" # 启动参数说明： # --listen：允许外部访问 # --port 7860：指定端口 # --xformers：启用显存优化 # --enable-insecure-extension-access：允许安装插件 # --medvram：中等显存优化模式（适合RTX 5090） # --no-half-vae：避免VAE精度问题 python3 launch.py \ --listen \ --port 7860 \ --xformers \ --enable-insecure-extension-access \ --medvram \ --no-half-vae \ --skip-torch-cuda-test \ --skip-version-check \ --update-check EOF # 赋予执行权限 chmod +x /root/sd-webui/start_sd.sh

2.4 首次启动与配置

步骤1：首次启动WebUI

cd /root/sd-webui ./start_sd.sh

报错解决：

# Deactivate current environments conda deactivate conda deactivate # Create a new environment with Python 3.10.6 conda create -n sd-webui python=3.10.6 # Activate the new environment conda activate sd-webui # Navigate to your project and run the script cd /root/sd-webui ./start_sd.sh

首次启动会自动：

  • 下载CLIP模型和VAE模型（约5-10分钟）
  • 编译xformers优化器
  • 初始化Web界面

等待终端显示以下信息即启动成功：

Running on local URL: http://0.0.0.0:7860 To create a public link, set `share=True` in `launch()`.

步骤2：后台运行配置（重要）

为避免断开SSH后服务停止，配置后台运行：

# 创建后台启动脚本 cat > /root/sd-webui/start_sd_background.sh << 'EOF' #!/bin/bash cd /root/sd-webui nohup python3 launch.py \ --listen \ --port 7860 \ --xformers \ --enable-insecure-extension-access \ --medvram \ --no-half-vae \ > /root/sd-webui/webui.log 2>&1 & echo "WebUI已启动，日志文件：/root/sd-webui/webui.log" echo "查看日志：tail -f /root/sd-webui/webui.log" echo "停止服务：pkill -f launch.py" EOF chmod +x /root/sd-webui/start_sd_background.sh # 启动后台服务 ./start_sd_background.sh

三、本地访问与基础使用

3.1 浏览器访问WebUI

1. 获取公网IP

  • 共绩控制台 → 云主机 → 实例详情 → 复制"公网IP"

2. 浏览器访问

  • 本地浏览器打开：http://你的公网IP:7860
  • 首次加载约30秒，出现Stable Diffusion WebUI界面

3.2 生成第一张AI图片

1. 模型选择

左上角选择：sd_xl_base_1.0.safetensors

2. 提示词填写

# 正向提示词（英文效果更好） masterpiece, best quality, 8k resolution, cyberpunk cityscape at night, neon lights, futuristic buildings, rain-wet streets, cinematic lighting, detailed reflections # 反向提示词（避免不良效果） low quality, worst quality, bad anatomy, blurry, jpeg artifacts, watermark, text

3. 参数设置

  • 采样方法：DPM++ 2M Karras
  • 采样步数：25
  • 图片宽度：1024
  • 图片高度：768
  • 提示词引导系数：7.5
  • 随机种子：-1（随机）

4. 生成图片

  • 点击"生成"按钮
  • RTX 5090约15秒完成生成
  • 右键图片可保存到本地

3.3 常用功能体验

图生图功能：上传本地图片 → 调整重绘强度（0.5-0.7）→ 添加风格提示词

图片放大：生成后点击"Extras" → 选择放大算法（ESRGAN）→ 调整倍数

模型管理：设置 → Model Settings → 添加模型下载路径

四、进阶优化与插件安装

4.1 安装实用插件

通过WebUI安装（推荐）：

  1. 进入"Extensions"标签页
  2. 点击"Available" → "Load from URL"
  3. 输入插件GitHub地址：
    1. 中文翻译：https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN
    2. 提示词自动补全：https://github.com/DominikDoom/a1111-sd-webui-tagcomplete
    3. 模型预览图：https://github.com/AlUlkesh/stable-diffusion-webui-images-browser

命令行安装：

cd /root/sd-webui/extensions git clone https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN git clone https://github.com/DominikDoom/a1111-sd-webui-tagcomplete

4.2 性能优化配置

修改启动参数webui-user.sh：

# 编辑用户配置 nano /root/sd-webui/webui-user.sh # 添加以下优化参数 export COMMANDLINE_ARGS="--listen --xformers --opt-split-attention --no-half-vae --medvram" export TORCH_COMMAND="pip3 install torch==2.7.1 torchvision==0.22.1"

4.3 模型管理技巧

批量下载模型：

# 编辑用户配置 nano /root/sd-webui/webui-user.sh # 添加以下优化参数 export COMMANDLINE_ARGS="--listen --xformers --opt-split-attention --no-half-vae --medvram" export TORCH_COMMAND="pip3 install torch==2.7.1 torchvision==0.22.1"

五、故障排查与维护

5.1 常见问题解决

问题1：浏览器无法访问

# 检查服务状态 ps aux | grep python | grep launch # 检查端口占用 netstat -tlnp | grep 7860 # 重启服务 pkill -f launch.py cd /root/sd-webui && ./start_sd_background.sh

问题2：显存不足（OOM）

  • 解决方案：减少图片尺寸（1024×1024以内）
  • 启用--medvram或--lowvram参数
  • 关闭其他占用显存的进程

问题3：模型加载失败

# 重新下载模型 rm -f /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors [模型链接]

5.2 日常维护命令

查看服务状态：

# 查看运行日志 tail -f /root/sd-webui/webui.log # 查看GPU使用情况 watch -n 1 nvidia-smi # 检查存储空间 df -h /root

备份重要数据：

# 备份模型配置 tar -czf sd_backup_$(date +%Y%m%d).tar.gz /root/sd-webui/models/ /root/sd-webui/outputs/

六、总结与资源推荐

6.1 部署成果总结

通过本教程，你已经成功在共绩算力RTX 5090上部署了：

  • ✅ 完整的Stable Diffusion WebUI环境
  • ✅ SDXL 1.0等高质量基础模型
  • ✅ 中文化界面和实用插件
  • ✅ 优化后的启动参数和后台运行
  • ✅ 可远程访问的专业级AI绘图工作站

6.2 进阶学习资源

提示词技巧：

  • 学习网站：Lexica.art、OpenArt.ai
  • 关键词组合：质量词+主体+风格+细节

模型推荐：

  • 写实风格：Realistic Vision、ChilloutMix
  • 动漫风格：Anything V5、Counterfeit
  • 特殊风格：Arcane、MoDi

参数优化：

  • 采样器：DPM++ 2M Karras（平衡速度质量）
  • 步数：20-30步（效果与速度平衡）
  • CFG Scale：7-9（创意与服从度平衡）

6.3 成本优化建议

  1. 及时关机：不用时在控制台关机，仅按实际使用时间计费
  2. 使用快照：配置好环境后创建系统快照，便于快速恢复
  3. 模型管理：只下载常用模型，避免存储空间浪费

Read more

Llama-Factory训练日志分析：如何判断模型收敛状态？

Llama-Factory训练日志分析：如何判断模型收敛状态？ 在大语言模型（LLM）日益普及的今天，越来越多团队希望将通用模型适配到具体业务场景——比如医疗问诊、法律咨询或智能客服。但全参数微调动辄需要数百GB显存和数天训练时间，这对大多数开发者来说是难以承受的成本。 于是，像 Llama-Factory 这样的开源微调框架应运而生。它不仅集成了 LoRA、QLoRA 等高效微调技术，更重要的是提供了一套完整的可视化训练监控体系。其中最关键的环节之一，就是通过训练日志准确判断模型是否真正收敛。 这听起来像是个理论问题，但在实际开发中却直接决定成败：训早了性能不足，训晚了浪费资源甚至过拟合。而 Llama-Factory 的价值，正在于把这种“凭经验猜”的过程，变成可观察、可量化、可自动响应的数据驱动决策。 日志不只是记录，而是模型学习的“生命体征” 很多人把训练日志当作简单的 loss 打印输出，但实际上，在 Llama-Factory 中，日志系统扮演的是模型学习状态的“监护仪”角色。每一次 step 输出的指标，

Leather Dress Collection开源大模型实践：Stable Diffusion 1.5皮革垂直领域应用

Leather Dress Collection开源大模型实践：Stable Diffusion 1.5皮革垂直领域应用 1. 项目介绍 Leather Dress Collection是一个专注于皮革服装设计的AI生成工具集，基于Stable Diffusion 1.5模型开发。这个项目包含了12个专门针对不同皮革服装风格的LoRA模型，可以帮助设计师、时尚爱好者快速生成高质量的皮革服装概念图。 这套工具特别适合以下人群使用： * 服装设计师寻找灵感 * 电商平台需要快速生成商品展示图 * 时尚博主创作内容 * 游戏/影视角色服装设计 2. 模型特点与优势 2.1 模型技术特点 Leather Dress Collection采用LoRA（Low-Rank Adaptation）技术对基础模型进行微调，这种技术有以下几个优势： * 模型文件小（平均19MB） * 训练成本低 * 可以灵活组合使用 * 生成效果专业 2.2 包含的服装风格 这套模型覆盖了多种流行的皮革服装风格： * 紧身连衣裙（Leather Bodycon Dress）
DeepSeek、Kimi、笔灵谁最好用？5款网文作者亲测的AI写作神器横评

DeepSeek、Kimi、笔灵谁最好用？5款网文作者亲测的AI写作神器横评

作为在网文圈一路摸爬滚打过来的我，面对“AI写小说”这个现象，心情其实挺复杂的。 这有点像工业革命时期的纺织工人看着蒸汽机——恐惧是真的，但效率的碾压也是真的。 不是纯用AI生成，而是用AI搭建了极其高效的“外挂工作流”。 有人用它日更两万字，有人用它把废稿救活。 当然，不是纯用AI生成，而是用AI搭建了极其高效的“外挂工作流”。为了不让大家白给工具交学费，我实测了市面上十几款软件，挑出了这5款真正能嵌入小说创作流的“神器”。 1️⃣ DeepSeek：除了逻辑强，它还很懂中式网文 适合人群： 玄幻、仙侠、古言作者，以及看重文章设定和逻辑的人。 直通车：https://www.deepseek.com/ 很多人吹DeepSeek的逻辑和代码能力，但在写小说上，它有一个小众的用法是做体系。 👉 独家用法： 你可以用它来写“设定集”和“功法体系”。你可以参考图片中我的指令来和它对话： 它吐出来的东西，特有那味，既有传统网文的爽感，又有你指令里要的感觉。所以虽然它的逻辑能力也在线，但你也不要忽略了它在描写和设定生成上的亮点！
「源力觉醒 创作者计划」实测解析！文心一言 4.5 开源版本地化部署的表现与潜力

「源力觉醒 创作者计划」实测解析！文心一言 4.5 开源版本地化部署的表现与潜力

引言 2025 年 6 月 30 日，百度文心大模型 4.5 系列正式开源，并首发于 GitCode 平台！这一重磅消息在 AI 领域掀起了不小的波澜。作为国内最早布局大模型研发的企业之一，百度所推出的文心大模型目前已跻身国内顶级大模型行列，此次开源无疑将对各行各业产生深远影响，进一步加速大模型的发展进程。接下来，就让我们一同探究文心一言 4.5 开源版本地化部署的表现与潜力。 文章目录 * 引言 * 一、文心大模型 ERNIE 4.5 开源介绍 * 1.1 开源版本介绍 * 1.1 ERNIE 4.5 的主要特点和区别 * 二、文心ERNIE 4.5 技术解析 * 2.1