环境准备
在开始部署 Stable Diffusion WebUI 之前，我们需要先搭建好底层的计算环境。本次部署基于 Windows 11 系统，显卡选用 NVIDIA GeForce RTX 4060 Laptop（显存建议 8G 以上），内存 24G。
核心组件版本建议如下：
- CUDA：12.x 系列（需与驱动匹配）
- cuDNN：对应 CUDA 版本的最新稳定版
- PyTorch：支持 GPU 加速的版本（如 cu121）
安装 CUDA Toolkit
首先确认当前显卡驱动支持的 CUDA 版本。按 Win+R 输入 cmd 打开命令行，执行 nvidia-smi 查看右上角的 CUDA Version。如果版本较低，建议更新驱动至最新以支持更高版本的 CUDA。
前往 NVIDIA 开发者官网下载对应版本的 CUDA Toolkit。选择操作系统为 Windows 11，安装包类型推荐选择网络安装包（exe network）以便自动处理依赖。运行安装程序，同意许可协议后选择自定义安装路径。C 盘空间不足的话，可以指定到 D 盘或其他分区。安装过程中保持默认选项即可，完成后重启电脑生效。
配置 cuDNN
cuDNN 是深度学习加速库，需要手动解压并配置环境变量。访问 NVIDIA cuDNN 文档页面，下载与 CUDA 版本匹配的压缩包。解压后，将 bin、include、lib 三个文件夹的内容分别复制到 CUDA 安装目录下的对应位置。这一步是为了让 PyTorch 能调用 GPU 进行加速运算。
安装 PyTorch 框架
PyTorch 的安装推荐使用官方提供的索引源，以确保下载速度和版本兼容性。
打开命令行，切换到目标安装目录（例如 D 盘根目录）。直接复制官方生成的安装命令执行，注意不要使用虚拟环境，先在全局环境下安装基础包：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
等待 pip 完成依赖下载和安装，若出现报错请检查网络连接或尝试更换镜像源。安装成功后，可通过 python -c "import torch; print(torch.cuda.is_available())" 验证 GPU 是否可用。
部署 Stable Diffusion WebUI
环境就绪后，就可以拉取 WebUI 项目了。在命令行中执行以下操作：
-
克隆项目
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui -
创建虚拟环境 为了避免依赖冲突，建议在项目内创建独立的 Python 虚拟环境：
python -m venv .\venv -
激活环境并安装依赖 进入 Scripts 目录激活环境，随后安装项目所需的依赖包：
.\venv\Scripts\activate.bat cd .. pip install -r requirements_versions.txt注意：激活后命令行前缀会出现
(venv)字样，表示已进入虚拟环境。依赖安装过程可能较长，请耐心等待。 -
配置启动脚本 为了后续方便启动，建议修改
webui-user.bat文件。找到该文件，在第一行添加 PYTHON 路径设置，指向虚拟环境中的解释器：set PYTHON=D:\stable-diffusion-webui\venv\Scripts\python.exe
