Stable Diffusion 部署与使用指南
前言
Stable Diffusion（以下简称 SD）是一款开源的深度学习文本到图像生成模型。与 Midjourney（MJ）等线上付费服务不同，SD 允许用户将模型部署在本地或云端服务器上，拥有更高的可控性和隐私性。虽然 MJ 操作相对简单，但 SD 的学习曲线稍陡，一旦掌握，其潜力和可定制性远超前者。
本文旨在提供一套完整的 SD 部署方案，涵盖本地 Windows 环境、云服务器以及在线平台三种方式，并补充核心参数说明与常见问题排查。
一、硬件与环境要求
1. 本地部署配置建议
本地运行 SD 对显卡性能依赖较高，以下是推荐配置：
- 显卡 (GPU): 建议使用 NVIDIA 显卡（N 卡），显存至少 4GB，推荐 8GB 以上。A 卡（AMD）支持度较差，不推荐新手尝试。
- 内存 (RAM): 建议 16GB 及以上，8GB 仅能勉强运行基础功能，多任务处理会卡顿。
- 硬盘: 固态硬盘 (SSD) 建议 200GB 以上，模型文件通常较大，单个大模型可达数 GB。
- CPU: 无特殊要求，主流处理器即可。
2. 云部署配置建议
若本地硬件不足，可选择 GPU 云服务器租赁。主要关注点在于 GPU 型号与计费模式：
- GPU 型号: 建议选择 RTX 3060、3080 或 A10/A100 等支持 CUDA 加速的显卡。
- 存储: 注意系统盘与数据盘的分离，避免模型文件占用系统空间导致启动失败。
二、方案一：本地部署（Windows 版本）
目前社区提供了多种一键整合包，极大降低了安装门槛。以下以常见的整合包为例进行说明。
1. 下载与解压
访问官方或可信社区获取整合包资源。下载后通常会包含以下文件：
- 启动器运行依赖安装包
- WebUI 主程序压缩包（如
sd-webui-xxx.zip） - 启动脚本（如
A 启动器.exe）
2. 安装步骤
- 安装依赖: 首先运行'启动器运行依赖'安装包，按照提示完成 Python、CUDA 等相关环境的配置。
- 解压主程序: 解压主压缩包至指定目录，建议路径不要包含中文或特殊字符。
- 启动服务: 双击运行
A 启动器.exe。首次启动会自动更新依赖库，请耐心等待。 - 浏览器访问: 启动成功后，默认会在本地浏览器打开
http://127.0.0.1:7860页面。
3. 模型管理
- 模型存放: 将下载的
.safetensors或.ckpt模型文件放入models/stable-diffusion/目录下。 - 插件扩展: 在 WebUI 界面的
Extensions标签页中搜索并安装所需插件，重启生效。
三、方案二：云部署（GPU 云平台）
对于没有高性能显卡的用户，租用算力是最佳选择。
1. 平台选择与充值
选择支持 GPU 实例的云平台（如 AutoDL、AutoML 等）。注册登录后，根据需求充值少量金额（如 5-10 元）用于测试。
2. 创建实例
- 选择镜像: 在算力市场选择预置了 SD 环境的社区镜像（如 LazyDog 镜像），无需手动配置环境。
