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。
