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 ..
确保处于 /root/stable-diffusion-webui 目录下。
2. 启动命令
执行以下 Python 脚本启动 WebUI。该命令包含多个优化参数：
python webui.py --deepdanbooru --no-half --precision full --port 6006 --disable-safe-unpickle --xformers --share
参数说明：
--deepdanbooru：启用标签预测功能。--no-half：禁用半精度计算，提高某些模型的兼容性。--precision full：使用全精度浮点运算，提升生成质量。--port 6006：指定服务端口，防止冲突。--disable-safe-unpickle：允许加载未签名的 pickle 文件，解决部分模型加载报错。--xformers：启用 XFormers 优化库，显著降低显存占用并提升生成速度。--share：开启公网访问权限，生成临时链接供外部访问。
步骤三：访问 WebUI
- 在平台控制台点击'自定义服务'或查看分配的公网地址。
- 浏览器打开对应链接，即可进入 Stable Diffusion WebUI 界面。
- 首次访问可能需要等待模型加载完成。
基础使用指南
文生图流程
- 提示词输入：在 Prompt 框中输入英文描述，例如
a girl, beautiful scenery, high quality。 - 负向提示词：在 Negative Prompt 中输入不想要的元素，如
low quality, bad anatomy。 - 参数设置：
- Sampling Steps：20-30 步（平衡速度与质量）。
- CFG Scale：7 左右（控制提示词遵循度）。
- Resolution：512x512 或 768x768（根据显存调整）。
- 生成：点击 Generate 按钮等待结果。
进阶功能
- ControlNet：利用预置的 ControlNet 插件，可精确控制人物姿态、边缘线条等，实现更精准的构图。
- LoRA 模型：可在模型管理页面下载特定风格的 LoRA 模型，用于固定画风或角色。
成本控制与维护
1. 及时关机
GPU 实例按秒计费，闲置时会产生费用。操作完成后，务必在平台控制台点击'关机'或'释放实例'。
2. 常见问题排查
- 显存溢出 (OOM)：
- 现象：终端报错
CUDA out of memory。 - 解决：减小分辨率，减少采样步数，或更换显存更大的 GPU 实例。
- 现象：终端报错
- 无法访问：
- 现象：网页打不开或连接超时。
- 解决：检查是否开启了
--share参数，或确认防火墙/安全组设置。
- 模型加载慢：
- 现象：启动后长时间无响应。
- 解决：首次启动需下载基础模型，请保持网络通畅，耐心等待。
总结
通过云端部署 Stable Diffusion，开发者可以快速搭建 AI 绘图环境，无需受限于本地硬件配置。本文涵盖了从环境选型、命令配置到实际使用的完整链路。掌握这些技能后，您可以进一步探索 AI 绘画在商业设计、艺术创作等领域的应用。随着技术迭代，云端算力将变得更加廉价高效，成为 AI 开发者的标配工具。