Stable Diffusion 本地部署与安装教程

适合需要深度定制环境的用户。

1. 创建目录：在指定位置创建文件夹，例如 D:\stable-diffusion-webui。
2. 克隆代码：打开命令行（CMD 或 PowerShell），输入以下命令：

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
   cd stable-diffusion-webui
   

3. 安装依赖：运行批处理脚本安装 Python 依赖。
   • Windows 用户双击 webui-user.bat。
   • 首次运行会自动下载 PyTorch 及相关库，需保持网络通畅。
4. 配置参数：编辑 webui-user.bat 文件，可添加启动参数优化性能，例如：

   set COMMANDLINE_ARGS=--xformers --medvram
   

5. 启动服务：保存后再次运行 webui-user.bat，等待控制台输出 Running on local URL。

四、模型管理

安装完成后，需要下载模型才能生成图片。

1. Checkpoint 模型：存放于 models\Stable-diffusion 目录下。常见格式为 .safetensors 或 .ckpt。
2. VAE 模型：存放于 models\VAE 目录下，用于改善色彩还原。
3. LoRA 模型：存放于 models\Lora 目录下，用于微调风格或人物。
4. ControlNet 模型：存放于 extensions\sd-webui-controlnet\models 目录下。

注意：模型文件通常较大（2GB-7GB），请确保存储空间充足。可从 Civitai 等社区下载开源模型。

五、云平台部署方案

若本地硬件无法满足需求，可使用云 GPU 服务。云平台提供远程高性能计算资源，按小时计费。

1. 适用场景

• 本地显卡显存不足（<4GB）。
• 需要频繁训练模型。
• Mac 用户无法直接运行原生 WebUI。

2. 操作流程

1. 注册账号：选择一家云服务平台，完成实名认证。
2. 选择实例：根据需求选择 GPU 实例（如 T4, V100, A10 等）。建议选择预装好 SD 环境的镜像，可节省配置时间。
3. 连接桌面：通过 RDP 或 VNC 协议连接云桌面。
4. 部署应用：在云环境中重复上述'本地安装'步骤，或直接使用平台提供的快捷工具。
5. 数据保存：注意云桌面通常为临时存储，重要模型和作品请及时下载到本地。

3. 优缺点分析

• 优点：无需购买昂贵硬件，算力灵活，可随时随地访问。
• 缺点：持续使用成本较高，数据传输受网速限制，部分平台存在隐私风险。

六、常见问题排查

1. 显存溢出（OOM Error）

• 现象：生成图片时崩溃，提示 Out of Memory。
• 解决：降低分辨率，减少 Batch Size，或在启动参数中添加 --medvram 或 --lowvram。

2. 启动黑屏或无响应

• 原因：显卡驱动过旧或 CUDA 版本不匹配。
• 解决：更新 NVIDIA 驱动，检查 Python 版本是否与 PyTorch 兼容。

3. 图片生成失败

• 原因：提示词过于复杂或模型损坏。
• 解决：尝试简化提示词，重新下载 Checkpoint 模型。

七、总结

Stable Diffusion 的本地部署是深入理解 AI 绘画技术的重要一步。通过合理的硬件配置和环境搭建，用户可以完全掌控自己的创作流程。对于初学者，建议优先使用整合包快速上手；对于进阶用户，掌握手动安装和参数调优将带来更灵活的体验。随着 AI 技术的普及，具备相关技能将成为职场竞争中的重要优势。

后续可进一步学习 Prompt 工程、ControlNet 控制及模型微调等高级主题。