Stable Diffusion WebUI本地部署全步骤(含CUDA,cuDNN,Pytorch GPU版安装过程)(Win 11 + RTX5060)

部署SD WebUI前,先安装CUDA+cuDNN+Pytorch

电脑配置:

系统:windows 11

显卡:NVIDIA GeForce RTX 5060 Laptop GPU

内存:24G

下载版本:

CUDA:13.0

cuDNN:9.13.1

Pytorch:12.9

第一步:安装CUDA

步骤一:查看CUDA version

win+R输入cmd,在命令提示符窗口中输入nvidia-smi,查看CUDA Version

我的CUDA version 为13.0,所以我下载的版本为13.0的(也可以向下安装低版本的,我建议下载最新的版本)。
CUDA下载网址:https://developer.nvidia.com/cuda-toolkit-archive

本文以13.0的安装为例。

步骤二:下载CUDA安装包

打开网站后,选择13.0版本,点击箭头指向的位置。

跳转到下图页面

选择对应的选项,我的是win11系统,所以选择的11,如果你是win10系统,则选择10;

Installer Type可以是本地下载exe(local),也可以是exe(network),这里我选择的是exe(network),点击download即可

步骤三:运行安装包

双击运行

点“同意并继续”

选择自定义,然后点击下一步

点击下一步

这里的安装路径,可以放在C盘,也可以放在D盘,可以自定义路径,我是C盘空间不足,所以放到了D盘,路径选择好之后,点击下一步。

继续点击下一步

关闭

CUDA的安装完成

第二步:安装cuDNN

步骤一:下载cuDNN安装包

打开网址https://docs.nvidia.com/deeplearning/cudnn/backend/latest/index.html

点击cuDNN 9.13.1后下载安装包

双击运行安装包

下一步选择自定义,自定义路径选择D:\Program Files\NVIDIA\CUDNN\v9.13,然后下一步

点击关闭

cuDNN的安装完毕

第三步:安装Pytorch

步骤一:打开pytorch官网

打开pytorch官网:https://pytorch.org/get-started/locally/

下载stable版本的 CUDA 12.9
复制这串代码:pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu129

步骤二:全局环境下安装pytorch

注意,这里要在全局环境下安装pytorch,不要在虚拟环境下安装pytorch。

按win+R,输入cmd打开命令提示符,

输入D: ,进入D盘

输入pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu129

pytorch安装成功

第四步:本地部署Stable Diffusion WebUI

 按win+R,输入cmd打开命令提示符,

输入D: ,进入D盘

输入git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

按下Enter回车

在D盘根目录下就有一个stable-diffusion-webui文件夹

然后在项目中创建一个虚拟python环境:

cd stable-diffusion-webui //进入刚才下载项目 python -m venv .\venv //创建一个虚拟python环境

创建完成以后,我们进入到venv目录中的Scripts文件夹,执行activate:

cd .\venv\Scripts .\activate.bat

执行完成后,Windows命令行会自动清屏(之前执行的所有命令及输出结果清空),首会出现“(venv)”的字样 ,表示我们已经进入了虚拟环境。

开始安装项目的依赖项:

cd ../.. pip install -r requirements_versions.txt

等待安装完成后,运行项目:

.\webui-user.bat

还需要修改一下 webui-user.bat 这个文件, 设置PYTHON路径安装的路径/stable-diffusion-webui\venv\Scripts\python.exe:

set PYTHON=G:\StableDiffusion\stable-diffusion-webui\venv\Scripts\python.exe

后边再启动,直接双击执行webui-user.bat即可,可以发送桌面快捷方式到桌面,后面再启动,可以直接在桌面启动。

Read more

18美元让AI智能体越用越聪明?腾讯优图开源的Youtu-Agent做到了

18美元让AI智能体越用越聪明?腾讯优图开源的Youtu-Agent做到了

18美元让AI智能体越用越聪明?腾讯优图开源的Youtu-Agent做到了 一句话总结:不会写代码也能创建AI智能体,而且只花18美元就能让它持续进化——腾讯优图开源的Youtu-Agent框架,用"聊天生成+低成本学习"两招,把智能体开发的门槛降到了大学生都能上手的程度。 📖 引言:为什么需要Youtu-Agent? 想象一下,你想让AI帮你完成一个复杂任务,比如"每天监控竞品官网,发现更新就截图并发邮件通知"。按照传统方式,你需要: 1. 写Python代码实现网页爬取 2. 编写截图工具 3. 配置邮件发送功能 4. 设计提示词让AI理解任务 5. 反复调试,确保各模块协同工作 这个过程可能需要数天甚至数周的工程工作。更糟糕的是,一旦部署完成,这个智能体就"固化"了——它无法从错误中学习,也无法适应新的环境变化。 Youtu-Agent正是为了解决这两大痛点而生: 痛点传统方案Youtu-Agent方案高配置成本手动编写工具代码、设计提示词自然语言描述需求,自动生成配置静态能力部署后难以改进,微调成本高双模块持续优化:

By Ne0inhk
2025年全球AI大模型格局:技术突破、开源崛起与未来趋势

2025年全球AI大模型格局:技术突破、开源崛起与未来趋势

个人名片 🎓作者简介:java领域优质创作者 🌐个人主页:码农阿豪 📞工作室:新空间代码工作室(提供各种软件服务) 💌个人邮箱:[[email protected]] 📱个人微信:15279484656 🌐个人导航网站:www.forff.top 💡座右铭:总有人要赢。为什么不能是我呢? * 专栏导航: 码农阿豪系列专栏导航 面试专栏:收集了java相关高频面试题,面试实战总结🍻🎉🖥️ Spring5系列专栏:整理了Spring5重要知识点与实战演练,有案例可直接使用🚀🔧💻 Redis专栏:Redis从零到一学习分享,经验总结,案例实战💐📝💡 全栈系列专栏:海纳百川有容乃大,可能你想要的东西里面都有🤸🌱🚀 目录 * 2025年全球AI大模型格局:技术突破、开源崛起与未来趋势 * 一、2025年全球AI大模型综合排名 * 1. Top 5 综合能力最强的大模型 * 二、细分领域领先模型 * 1. 编程与代码生成

By Ne0inhk

PyCharm激活码永久破解风险高,不如用开源GLM模型省心

开发者的安全之选:为何开源多模态模型比破解工具更值得信赖 在智能应用爆发式增长的今天,开发者每天都在面对一个现实矛盾:既要快速交付功能强大的产品,又要控制成本、保障系统安全。于是我们常看到一种“捷径”——使用破解版IDE来省下几千元的授权费用。比如PyCharm这类主流Python开发工具,其专业版虽功能强大,但订阅制收费让不少个人开发者和小团队望而却步。 可曾想过,你节省下来的那点授权费,可能正以百倍代价悄悄透支项目的未来? 我见过太多案例:某创业公司为节省成本全员使用“永久激活码”的PyCharm,结果半年后核心代码库被远程窃取;另一个团队因破解插件携带后门,导致CI/CD流水线密钥外泄,最终云账单暴增数十万元。这些不是危言耸听,而是真实发生的安全事故。 相比之下,越来越多开发者开始意识到:真正的“省心”,不在于规避眼前的成本,而在于选择一条可持续、可验证、可掌控的技术路径。也正是在这个背景下,像GLM-4.6V-Flash-WEB这样的开源多模态模型,正在成为新一代开发者的首选基础设施。 为什么说“破解即风险”? 先说清楚一个问题:所谓“PyCharm永久激活码”,9

By Ne0inhk

Zvec 架构深度解析:阿里巴巴开源的轻量级进程内向量数据库

Zvec 架构深度解析:阿里巴巴开源的轻量级进程内向量数据库 Zvec 是阿里巴巴开源的一个轻量级、闪电般快速的进程内向量数据库。本文将深入分析 Zvec 的代码架构,揭示其核心设计理念和技术实现细节。 一、项目概览 1.1 核心特性 Zvec 基于 Alibaba 久经考验的 Proxima 向量搜索引擎构建,提供生产级的低延迟、可扩展的相似度搜索能力: * 极致性能:毫秒级搜索数十亿级向量 * 简单易用:无需服务器配置,零依赖安装 * 混合向量支持:同时支持稠密向量(Dense)和稀疏向量(Sparse) * 混合搜索:语义相似度 + 结构化过滤 * 随处运行:嵌入到应用进程内运行 1.2 技术栈 组件技术语言C++17构建系统CMakePython绑定Pybind11存储引擎RocksDB向量索引Proxima (IVF, HNSW, Flat)序列化Protobuf压缩LZ4位图CRoaring距离计算SIMD 加速 1.3

By Ne0inhk