Python3.8 环境下 Stable Diffusion 轻量化部署
本文介绍如何在 Python3.8 环境下，使用轻量、便捷的方式部署 Stable Diffusion 图像生成模型。
1. 方案优势
在开始动手之前，明确选择基于 Miniconda-Python3.8 方案的原因：
- 省心：Miniconda 可创建隔离的 Python 环境，避免影响系统其他项目。
- 快速：预配置镜像包含基础环境，省去从零安装和配置依赖的时间。
- 稳定：Python3.8 与 PyTorch、TensorFlow 等主流框架兼容性良好，减少版本报错。
该方案适合 AI 绘画爱好者、研究人员及希望独立沙箱环境的开发者。
2. 环境准备与启动
2.1 获取镜像
访问云服务平台获取预置 Miniconda-Python3.8 镜像。搜索对应镜像后，按指引完成配置（如选择 GPU 实例以获得最佳速度），系统将自动创建并启动云服务器实例。
2.2 进入工作台
实例启动后，可通过以下方式连接：
方式一：Jupyter Notebook（推荐新手）
- 在管理页面点击 JupyterLab 链接。
- 浏览器打开新标签页，左侧为文件管理器，右侧可新建 Notebook。
- 直接编写代码，结果即时显示。
方式二：SSH 命令行（推荐有经验用户）
- 获取 SSH 连接信息（IP、端口、密码/密钥）。
- 本地终端执行
ssh root@你的实例 IP -p 端口号。 - 输入密码登录。
验证环境：
python --version
conda --version
若返回 Python 3.8.x 和 conda 4.x.x，则环境就绪。
3. 安装与运行 Stable Diffusion
3.1 创建 Conda 环境
conda create -n sd_env python=3.8 -y
conda activate sd_env
3.2 安装核心依赖
pip install diffusers transformers accelerate pillow
PyTorch 建议根据是否使用 GPU 选择安装命令。仅 CPU 环境示例：
pip install torch torchvision torchaudio
3.3 编写生成脚本
创建 generate_image.py，内容如下：
import torch
from diffusers import StableDiffusionPipeline
from PIL import Image
# 1. 加载预训练模型管道
print("正在加载模型，首次加载可能需要几分钟...")
pipe = StableDiffusionPipeline.from_pretrained(
"runwayml/stable-diffusion-v1-5",
torch_dtype=torch.float16,
safety_checker=
).to( torch.cuda.is_available() )
prompt =
negative_prompt =
()
image = pipe(
prompt=prompt,
negative_prompt=negative_prompt,
num_inference_steps=,
guidance_scale=,
height=,
width=,
num_images_per_prompt=
).images[]
image.save()
()
