介绍在 Python3.8 环境下通过 Miniconda 构建隔离环境，快速部署 Stable Diffusion 图像生成模型的方法。步骤包括获取镜像、启动实例、创建 Conda 环境、安装 diffusers 及 torch 依赖，并编写脚本调用 API 生成图片。方案强调环境隔离与轻量级配置，适合开发者测试或爱好者快速体验，支持 CPU/GPU 运行模式及提示词优化技巧。
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。
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。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
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。
实例启动后，可通过 Jupyter Notebook 或 SSH 命令行进入。
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。
conda create -n sd_env python=3.8 -y
conda activate sd_env
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
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() else "cpu")
# 定义提示词
prompt = "A beautiful sunset over a serene mountain lake, digital art, highly detailed"
negative_prompt = "blurry, ugly, deformed"
# 生成图像
print("正在生成图像...")
image = pipe(
prompt=prompt,
negative_prompt=negative_prompt,
num_inference_steps=20,
guidance_scale=7.5,
height=512,
width=512,
num_images_per_prompt=1
).images[0]
# 保存图像
image.save("my_first_ai_art.png")
print("图像已保存为 'my_first_ai_art.png'！")
激活 sd_env 后运行 python generate_image.py。首次运行会下载模型文件，完成后在当前目录查看生成的图片。
num_inference_steps 影响细节与速度；guidance_scale 控制提示词遵循度。可更换 from_pretrained 中的模型 ID 尝试不同风格，如动漫、写实摄影等。
fp16)，开启注意力切片 (enable_attention_slicing)。本文演示了在 Python3.8 Miniconda 环境中部署 Stable Diffusion 的流程。通过预制镜像和 Conda 隔离环境，实现了快速、稳定的模型运行。结合 diffusers 库与提示词工程，可有效生成高质量图像。