Stable Diffusion WebUI 云服务器部署实战
本地部署虽然灵活，但对硬件尤其是显存要求较高。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，还能随时随地通过浏览器访问，非常适合开发测试与轻量级应用。
一、部署前的准备
1. 选择合适的云服务器
- GPU 型号：优先选择 NVIDIA 显卡，如 V100、T4、3090、4090 等。显存越大越好，建议至少 8GB 起步，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，例如 Ubuntu 20.04 LTS 或 Debian 11。
- 网络带宽：部署初期需要下载大量模型和依赖，稳定的网络环境至关重要。
2. 环境配置
- Python 版本：推荐使用 Python 3.10.x（如 3.10.6）。过高或过低的版本都可能与某些依赖库不兼容。
- 虚拟环境：务必使用
venv或conda创建独立的虚拟环境，避免依赖冲突，这是管理的黄金法则。 - Git 配置：确保 Git 已安装。如果在国内访问 GitHub 较慢，可配置镜像源，例如设置环境变量
HF_ENDPOINT指向镜像站（如https://hf-mirror.com），这能极大加速模型下载。
示例环境选用 Ubuntu + RTX3090（显存 24G），搭配 Python 3.10.6 + Miniconda。
二、项目部署流程
1. 获取项目代码
克隆官方仓库：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
若遇到网络问题，也可以手动下载 zip 压缩包上传。核心文件包括 webui.sh（启动脚本）和 launch.py（程序入口），启动时会按照 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，有助于优化程序性能：
sudo apt-get install libgoogle-perftools4 libtcmalloc-minimal4 -y
3. 启动项目
使用以下命令启动服务：
HF_ENDPOINT=https://hf-mirror.com ./webui.sh --port 7860 --listen --enable-insecure-extension-access --xformers
这里的关键参数说明如下：
- HF_ENDPOINT：将 Hugging Face 的下载请求重定向到镜像站，解决国内访问慢的问题。
- --port 7860：指定监听端口，默认为 7860，可根据需求修改。
- --listen：让服务器监听所有网络接口，允许局域网甚至公网访问（需确保安全）。
- --enable-insecure-extension-access：允许扩展访问本地文件系统，部分社区扩展需要此权限，但存在安全风险，仅在信任扩展时启用。
- --xformers：启用 xFormers 优化，降低显存占用并提升生成速度，仅支持 NVIDIA GPU。
