本地部署 Stable Diffusion WebUI 虽然灵活,但对硬件尤其是显存要求极高。利用带 GPU 的云服务器,不仅能以较低成本体验强大的 AI 绘画能力,还能通过浏览器随时随地访问,极大降低了使用门槛。
部署前准备
1. 硬件与系统选型
- GPU 型号:优先选择 NVIDIA 显卡,如 V100、T4、P4、3090、4090 等。显存越大越好,建议至少 8GB,推荐 12GB 以上。
- 操作系统:Linux 发行版是首选,社区支持好且文档丰富。Ubuntu 20.04 LTS 或 Debian 11 较为稳定。
- 网络环境:部署初期需下载大量模型和依赖包,稳定的网络带宽至关重要。
2. 基础环境配置
- Python 版本:推荐使用
Python 3.10.x(如 3.10.6)。版本过高或过低可能导致部分依赖库不兼容。 - 虚拟环境:务必使用
venv或conda创建独立环境。这能避免依赖冲突,方便管理,是部署的'黄金法则'。 - Git 配置:确保 Git 已安装。若国内访问 GitHub 较慢,建议配置镜像源。例如设置环境变量
HF_ENDPOINT指向镜像站(如https://hf-mirror.com),可显著加速模型下载。
本例采用 Ubuntu + RTX3090(显存 24G)环境,配合 Python 3.10.6 和 Miniconda。
项目部署
1. 获取代码
克隆官方仓库:
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
若遇到网络问题,也可手动下载 zip 压缩包上传。项目结构大致如下,其中 webui.sh 为启动脚本,launch.py 为程序入口,启动时会按 modules/launch_utils.py 的流程配置环境。

2. 性能优化
启动前安装 libgoogle-perftools4 和 libtcmalloc-minimal4 库,有助于优化程序运行性能:
sudo apt-get install libgoogle-perftools4 libtcmalloc-minimal4 -y
3. 启动服务
使用以下命令启动项目:
HF_ENDPOINT=https://hf-mirror.com ./webui.sh --port 7860 --listen --enable-insecure-extension-access --xformers
各参数说明:
HF_ENDPOINT:重定向 Hugging Face 的下载请求到镜像站,解决国内访问慢或无法下载的问题。--port 7860:指定监听端口,默认为 7860,可根据需要修改(如 8080)。- :让服务器监听所有网络接口。默认仅允许本机访问,加上此参数后局域网甚至公网设备均可访问。



