今天来给大家做一个AMD显卡使用stable diffusion的小白（硬核）教程。最近这段时间AI特别火，很多小伙伴看到各种大佬用AI画的老婆非常精美（色情），弄的人心痒痒，自己也想画一个心仪的老婆（画作）。
太露骨的图片不能放，你们懂得！！
但是很多小伙伴用的是AMD的独立显卡，而自从矿潮以来，显卡价格就居高不下，特别是英伟达的显卡，虽然它用AI作图有优势，但是贵的吓人，从哥布林洞窟里解救出来的RTX3070也还要2000多，简直离谱。本教程呢适用于只有一张amd的显卡，不想换英伟达显卡（穷），又想玩stable diffusion的小伙伴。
那么今天呢我用的是ubuntu 20.4.5桌面版系统部署stable diffusion的教程，保证你能顺利跑起stable diffusion，因为我是从一个完全不懂linux系统的小白找教程一步一步部署下来的，你也能行！
要部署stable diffusion的话需要满足下面三个条件：
第一，要有一个128G以上的硬盘空间，用于安装ubuntu系统。
第二，最好要有一个科学上网的环境。
第三，要有成功部署的决心，遇到什么问题呢就解决什么问题，不要随便放弃，跟着我一步一步来。
本次的部署环境呢，是AMD的独立显卡RX6600。下图呢是支持AMD显卡部署stable diffusion的型号，从470到580、vega56、64、duo、五千以及六千系列，几乎涵盖了主流的AMD显卡型号。
首先，我们需要安装Ubuntu20.4.5桌面版系统的安装我就不详细讲了，很基础，大概十分钟就能装好。为什么需要大家安装新系统呢，因为已有的ubuntu系统会因为我们装的一些软件会产生奇奇怪怪的问题。
本次部署呢，分为以下三个部分：
第一，python3.10.6的安装。
第二，安装ROCM与pytorch
第三，安装stable-diffusion
第一部分：安装python3.10.6
我们进入系统以后呢，需要安装python3.10.6，因为ubuntu20.4.5呢自带的是python3.8.10。本次安装的stable diffusion需要跑在python3.10.6环境下,当然更高版本的也能跑，只是我没试过。
1.安装依赖 如果出现选择，输入Y。
sudo -i
sudo apt-get update
sudo apt-get upgrade
sudo apt install build-essential zlib1g-dev libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev libsqlite3-dev wget libbz2-dev
2.从官网下载源文件
wget https://www.python.org/ftp/python/3.10.6/Python-3.10.6.tgz
3.解压缩Python3.10文件
①先通过find命令找到Python-3.10.6.tgz的下载在哪里了：
find / -name Python-3.10.6.tgz
②接着转换路径至home：
cd /home/
③将python3.10从/root/Python-3.10.6.tgz（第①步找到的路径,红色的是我的路径）的文件复制到home文件夹下：
cp /root/Python-3.10.6.tgz /home/
④然后将文件解压至home文件夹下：tar -zvxf Python-3.10.6.tgz
tar -zvxf Python-3.10.6.tgz
4.开始安装python3.10.6
cd Python-3.10.6/
./configure –enable-optimizations
5.编译：make（没有安装make命令的安装一下）
make
6.安装sudo make install
sudo make install
这样python3.10就安装完成了。
最后，我们需要更新一下python让python默认指向为python3.10
1.更新python默认指向有以下两个方法：
（下面这两个方法是或的关系，不是且的关系！当然，你也可以都做一遍。）
①建立软连接
首先，删除原有链接
rm /usr/bin/python
其次，找到python3的安装路径（我的是在/usr/local/bin/python3）
which python3
然后，找到的路径建立新链接
ln -s /usr/local/bin/python3 /usr/bin/python
这样输入python就可以了。
②设置python的环境变量(需要搜索vim编辑器的用法)
首先，编辑.bashrc文件
vim ~/.bashrc
在这里写入自己刚刚安装python3.10的路径：
alias python=’/usr/local/bin/python3′
然后：
source ~/.bashrc
python
这样就可以了！
2.更新pip默认指向
pip指向pip3也是如上的两个办法。
这里只展示方法①（如果新装的系统就直接用我的命令）：
which pip3
ln -s /usr/local/bin/pip3 /usr/bin/pip
pip
到这里，小伙伴们可以愉快的使用python3.10了！
我们回到主界面，输入 python -V 返回python 3.10.6 就说明部署成功了。
第二部分：安装ROCM与pytorch
1．ROCM的简介
ROCM和NVDIA的CUDA类似，ROCM是AMD发布的一个用于加速GPU计算的软件平台。而该平台从面世至今仅支持Linux系统，因此本文的一切操作都将在Linux系统下进行。
2.ROCm的配置
2.1 查看显卡型号
由于AMD每更新一次ROCm就抛弃一批老型号显卡支持的不做人行为，安装前确认自己的显卡是否能支持就变成了一件很重要的事。
上表包括了大部分常见的A卡型号，以世代分类。 不在表中的可以去这里输入自己显卡的型号，找到Graphics/Compute这一列会有说明。
2.2 ROCm环境的准备
2.2.1 软件包安装
首先安装AMD显卡驱动：
sudo apt-get update
wget https://repo.radeon.com/amdgpu-install/5.3/ubuntu/focal/amdgpu-install_5.3.50300-1_all.deb
sudo apt-get install ./amdgpu-install_5.3.50300-1_all.deb
执行安装操作：
sudo amdgpu-install –usecase=hiplibsdk,rocm –no-dkms
如有另外安装显卡驱动的需求，就删去后面的 –no-dkms
…漫长的等待…（大概需要一个小时左右，和网络状况关系很大）
如果顺利的话基本不会出现报错，本着warnings不用管的原则直接进入下一步即可。
真报错了原因一般是Linux内核版本不一致造成部分编译不通过，可以查看AMD的官方文档来确定所需的Linux内核版本。
查看系统内核版本：终端输入 uname -r
以楼主安装的ROCM5.3.0为例，对应的内核版本是5.15.0-46-generic，实际系统中是5.15.0-50-generic,安装时未出现报错。
2.2.2 后续配置
添加用户组：
sudo usermod -a -G video $LOGNAME
sudo usermod -a -G render $LOGNAME
配置环境变量：
echo ‘export PATH=$PATH:/opt/rocm-5.3.0/bin:/opt/rocm-5.3.0/opencl/bin’
export LD_LIBRARY_PATH=/opt/rocm-5.3.0/lib:/opt/rocm-5.3.0/lib64
安装完成后重启：
sudo reboot
2.2.3 测试
打开终端输入rocminfo或rocm-smi，会出现当前设备信息和状态。
设备信息里出现GPU，且能正常显示显卡状态，即代表ROCM环境安装成功。
3 .运行库的补充及pytorch的安装
安装完成后仍需补充一些额外的运行库以免报错，测试时按照提示缺什么补什么即可，一般情况下需要补的有这些：
sudo apt install git python3 python3-pip python3-venv rocm-libs miopen-hip rccl libtinfo5 libopenmpi3 libopenblas-dev
pytorch安装，直接去官网下最新的就行
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/rocm5.4.2
4 .环境配置综合测试（本条可以不做！！！已经试过出错好像也没问题）
这里使用 https://github.com/xuhuisheng/rocm-build 提供的检查程序，可以clone或直接下载下来。
找到里面的check文件夹，终端下运行check.sh和另外3个py：
sh check.sh
python test-pytorch-device.py
python test-pytorch-fc.py
python test-pytorch-rocblas.py
运行不报错即可认为ROCm、pytorch环境配置正确。
第三部分：stable-diffusion的本地部署
把stable diffusion软件本体clone下来，参照官方文档说明部署即可。
因为已经在之前的步骤中安装了pytorch，此处可不用安装。
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
cd stable-diffusion-webui
python -m venv venv
source ./venv/bin/activate
python -m pip install –upgrade pip wheel
python launch.py –precision full –no-half
可能发生的错误：
错误1:torch unable to use gpu….
解决办法：
#打开launch.py找到这句代码
安装vim编辑器（已经安装过的可以不用管）
apt-get install vim
进入软件目录
cd /root/stable-diffusion-webui
编辑launch.py
vim launch.py
按“i”修改文件：
将
commandline_args = os.environ.get(‘COMMANDLINE_ARGS’, “”)
#改成
commandline_args = os.environ.get(‘COMMANDLINE_ARGS’, “–skip-torch-cuda-test“)
按ESC然后输入 :wq回车保存
错误2:No module named ‘_lzma‘
解决办法：
打开python3
cd /usr/local/lib/python3.10
安装
apt-get install liblzma-dev -y
pip3 install backports.lzma
环境中修改lzma.py位置依自己的环境路径而定，新装系统和我的路径是一样的不用改
然后
cd /usr/local/lib/python3.10
编辑
vim lzma.py
按“i”修改文件，如下的部分：
from _lzma import *
from _lzma import _encode_filter_properties, _decode_filter_properties
修改成如下：
try:
from _lzma import *
from _lzma import _encode_filter_properties, _decode_filter_properties
except ImportError:
from backports.lzma import *
from backports.lzma import _encode_filter_properties, _decode_filter_properties
按ESC然后输入 :wq回车保存
错误3:No module named ‘backports’
pip3 install backports.lzma
apt-get update
apt-get upgrade
重新启动一下 stable diffusion
cd stable-diffusion-webui
source ./venv/bin/activate
python launch.py –precision full –no-half
cd /usr/local/lib/python3.10
cd ..
python
import lzma
然后就可以退出了
首次运行时会安装依赖包，所以依旧是漫长的等待…
模型文件需放置在stable-diffusion-webui/models/Stable-diffusion/ 文件夹下。可以提前放置，不放也可以，只是第一次回下载默认模型包有点慢。
跑完出现127.0.0.1:7860即代表部署成功，浏览器中输入127.0.0.1:7860可打开webUI。
stable-diffusion的运行，及常用参数
后续运行只需要输入：
cd /root/stable-diffusion-webui
HSA_OVERRIDE_GFX_VERSION=10.3.0 python launch.py –precision full –no-half
如果第一次运行显卡不工作，是CPU在跑图，则需要重启下电脑。然后取得root权限再运行，即：
sudo -i
输入密码就可以了
浏览器中输入 127.0.0.1:7860 即可打开webUI。
然后就可以愉快的玩耍啦！！！
————————————————————————————————
分割线
常用参数：
–precision full 和 –no-half：强制双精度浮点运算（据说在N卡上可以减少绿屏bug出现的几率，A卡上不知道有啥用）
–medvram 和 –lowvram：降低显存占用量，视自己显卡水平加不加。
–opt-split-attention-v1：性能优化，进一步降低显存占用量。
至于具体能降低多少，楼主之前在只有4G显存的R9 nano上运行时使用了–medvram和–opt-split-attention-v1，显存占用大概25%的样子。
–disable-safe-unpickle：加载模型前有一步unpickle(原理不明，类似于哈希校验)的过程，部分用户在这里可能报错中止，加上这个参数跳过这一步可继续运行。
详细参数表见AUTOMATIC1111的文档说明。
视频教程地址：
https://www.youtube.com/watch?v=FLOtfHvX8NE
文章出处登录后可见！
