部署前准备
在开始之前，请确保你的电脑满足以下基础要求。本教程以 Windows 11 系统搭配 NVIDIA 独立显卡为例，重点解决 CUDA、cuDNN 和 PyTorch 的兼容性问题。
硬件参考：
- 系统：Windows 10/11 64 位
- 显卡：NVIDIA GeForce RTX 系列（显存建议 8GB 以上）
- 内存：16GB 及以上
安装 CUDA Toolkit
首先检查当前显卡驱动支持的 CUDA 版本。按下 Win + R 输入 cmd，在命令行中输入 nvidia-smi。右上角显示的 CUDA Version 即为驱动支持的最高版本，安装时选择该版本或略低版本即可。
访问 NVIDIA 开发者中心 下载对应版本的安装包。推荐选择 exe (network) 类型以便自动更新组件。
运行安装程序后，建议选择自定义安装路径。如果 C 盘空间紧张，可以将其安装在 D 盘或其他分区。安装过程中保持默认勾选，完成后重启电脑生效。
安装 cuDNN
cuDNN 是深度学习加速库，需手动解压配置。前往 NVIDIA cuDNN 官网 下载与 CUDA 版本匹配的包。
下载后解压，将 bin、include、lib 三个文件夹内的内容分别复制到 CUDA 安装目录的对应位置。例如，若 CUDA 安装在 D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1，则将 cuDNN 的文件覆盖进去。这一步是为了让 PyTorch 能调用 GPU 加速功能。
配置 PyTorch GPU 环境
打开命令提示符，建议在全局环境下操作，或者创建一个新的虚拟环境。这里我们演示直接安装稳定版。
复制以下命令并执行，它会自动匹配 CUDA 12.x 的 PyTorch 版本：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
等待下载完成，终端显示 Successfully installed 即表示安装成功。此时可通过 python -c "import torch; print(torch.cuda.is_available())" 验证是否识别到显卡。
部署 Stable Diffusion WebUI
回到项目存放目录（如 D 盘），打开命令行执行克隆命令：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
为了隔离依赖，建议创建 Python 虚拟环境：
python -m venv .\venv
激活虚拟环境，Windows 下进入 Scripts 目录执行：
cd .\venv\Scripts
.\activate.bat
激活成功后，命令行前会出现 (venv) 标识。接下来安装项目所需的依赖包：
cd ..
pip install -r requirements_versions.txt
