Python3.8 环境下 Stable Diffusion 轻量化部署
Stable Diffusion 是强大的图像生成模型。本文将介绍如何在 Python3.8 环境下，利用 Miniconda 构建隔离环境，快速部署该模型。无需复杂配置，即可搭建独立的 AI 绘画工作台。
1. 方案优势
基于 Miniconda-Python3.8 的方案具有环境隔离、快速启动和稳定性高的特点。
- 环境隔离：Miniconda 创建独立工作间，不影响系统其他项目。
- 快速启动：预配置镜像包含基础环境，省去从零安装步骤。
- 版本稳定：Python3.8 与 PyTorch 等主流框架兼容性好。
2. 环境准备与启动
2.1 获取镜像环境
获取预置好的 Miniconda-Python3.8 镜像环境。在云平台搜索对应镜像，选择带 GPU 的实例以获得最佳生成速度（CPU 亦可运行），配置登录信息后自动创建实例。
2.2 连接工作台
实例启动后，可通过 Jupyter Notebook 或 SSH 命令行进入。
- Jupyter Notebook：适合交互式编程，直接在网页中查看代码输出。
- SSH 命令行：适合后台任务或习惯终端操作的用户。
连接后确认环境：
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
根据是否有 GPU 安装 PyTorch。仅 CPU 环境示例：
pip install torch torchvision torchaudio
3.3 编写生成脚本
创建 generate_image.py：
import torch
from diffusers import StableDiffusionPipeline
from PIL import Image
# 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=None
).to("cuda" if 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()
()
