Stable Diffusion 简介
Stable Diffusion (SD) 是一种基于潜在扩散模型(Latent Diffusion Models, LDMs)的文生图(text-to-image)生成模型。得益于 Stability AI 的计算资源支持和 LAION 的数据集支持,该模型在大规模图像数据上进行了训练,能够根据文本描述生成高质量图像。
对于普通用户而言,本地部署 SD 需要高性能显卡(如 NVIDIA RTX 3090/4090)和大量内存,门槛较高。通过云端 GPU 服务器部署,可以低成本、灵活地体验 AI 绘画能力,无需购买昂贵硬件。
部署前准备
1. 选择云平台
本文以 AutoDL 为例,该平台提供按小时计费的 GPU 算力,适合短期实验和学习。
- 成本意识:GPU 实例按秒计费,使用后务必及时关机或释放实例,避免产生额外费用。
- 预算建议:初次尝试充值少量金额(如 10-20 元)即可满足学习需求。
2. 选择 GPU 实例
进入平台的算力市场,根据需求选择 GPU 型号。对于 Stable Diffusion WebUI,推荐以下配置:
- 显存要求:至少 8GB 显存,推荐 12GB 及以上(如 A5000, 3090, 4090)。
- 性能对比:下表为常见卡型性能参考(越往下越强):
| GPU 型号 | 显存 | 适用场景 |
|---|---|---|
| T4 | 16G | 基础生成,速度较慢 |
| V100 | 16G/32G | 稳定运行,兼容性好 |
| A5000 | 24G | 推荐,速度快,支持大模型 |
| 3090/4090 | 24G | 最佳性价比,生成极快 |
建议选择 A5000 及其以下型号,平衡速度与成本。若追求极致速度且预算充足,可选择 3090 或 4090。
部署流程详解
步骤一:创建实例
- 点击左上角'创建实例'。
- 在镜像市场中搜索
stable-diffusion-webui。 - 推荐使用预置了 ControlNet 等插件的镜像,例如
stable-diffusion-webui-controlnet-fix。- 优势:已安装常用扩展,开箱即用,节省手动配置时间。
- 确认配置后点击'立即创建',等待实例启动。
步骤二:配置启动参数
实例启动成功后,点击 JupyterLab 进入终端界面。
1. 检查路径
输入以下命令查看当前工作目录:
pwd
通常默认路径可能位于子目录中,需返回到 WebUI 根目录:
cd ..


