Stable Diffusion2.0实验室Linux服务器详细运行教程

最近在学习ai共创，在官方网站dreamstdio玩了几次发现需要收费，于是决定部署一个在服务器上。将部署的过程和遇到的问题记录下来供大家参考。

1. 工具准备

也可以手动安装，如果镜像中安装好了，就不用手动安装了，但是要注意版本！！！
cuda：11.6：https://developer.nvidia.com/cuda-11-6-0-download-archive
miniconda3：https://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh
python：3.8：安装完conda以后直接conda create -n sdwebui python=3.8
git：linux安装git
更新pip：python -m pip install --upgrade pip
设置pip源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
以上步骤有问题可以直接百度，网上有很多，这里就不一一细讲了。

2. 下载代码和模型

下载代码 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
下载模型
经过测试目前sd2.0只有以下两种模型可以用，其他模型加载都会报错，github上看了issue上大家都有遇到这个问题

768-v-ema.ckpt
这个模型需要生成的图片在768768的时候效果比较好，如果是生成512512的，图片有点拉垮；

# 768-v-ema.ckpt
https://huggingface.co/stabilityai/stable-diffusion-2/resolve/main/768-v-ema.ckpt
# 配置文件（下载以后注意把文件名修改为768-v-ema.yaml）
https://raw.githubusercontent.com/Stability-AI/stablediffusion/main/configs/stable-diffusion/v2-inference-v.yaml

512-base-ema.ckpt
如果显存不够的，比较小的，可以使用这个模型；比较推荐768，效果比512的好；

# 512-base-ema.ckpt
https://huggingface.co/stabilityai/stable-diffusion-2-base/resolve/main/512-base-ema.ckpt
# 配置文件（下载以后注意把文件名修改为512-base-ema.yaml）
https://raw.githubusercontent.com/Stability-AI/stablediffusion/main/configs/stable-diffusion/v2-inference.yaml

3. 环境准备

conda activate sdwebui
cd stable-diffusion-webui
python launch.py

如果能够成功运行那么恭喜你，如果和我一样不能运行的，报错ERROR: Command errored out with exit status 128: git clone -q https://hub.fastgit.org/openai/CLIP.git /tmp/pip-req-build-k8qahgs9 Check the logs for full command output.，这是无法访问github，需要魔法，那就只能手动安装了。以下是手动安装的步骤，已经安装好的可以直接跳到第4步运行。阅读launch.py文件以后，发现他一共做了三件事，安装repositories，安装几个包，安装xformers、GFPGAN、CLIP、open_clip，安装requirements_versions中的包。

安装repositories

可以看到一共有五个repositories。
首先进入stable-diffusion-webui目录下。

cd xxx(你的路径)/stable-diffusion-webui
git clone https://github.com/Stability-AI/stablediffusion repositories/stable-diffusion-stability-ai
git clone https://github.com/CompVis/taming-transformers repositories/taming-transformers
git clone https://github.com/crowsonkb/k-diffusion repositories/k-diffusion
git clone https://github.com/sczhou/CodeFormer repositories/CodeFormer 
git clone https://github.com/salesforce/BLIP repositories/BLIP

安装repositories，安装几个包，安装xformers、GFPGAN、CLIP、open_clip
安装xformer：pip install xformers=0.0.17 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装GFPGAN、CLIP、open_clip需要手动安装。根据链接去github下载相应的包。例如第一个GFPGAN，下载链接。

下载以后，进入下载的目录，开始安装包。CLIP、open_clip的安装同理。

cd /xxx(你的下载目录)/GFPGAN-master
pip install .

安装requirements_versions中的包

cd xxx(你的路径)/stable-diffusion-webui
pip install -r requirements_versions.txt --prefer-binary

上面的都安装完以后，再运行一次python launch.py，如果缺什么包，直接安装就可以。如果不知道版本可以不带版本自动安装最新版。

pip install safetensors==0.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

【报错】如果你遇到了这个问题：

RuntimeError: The NVIDIA driver on your system is too old (found version 10020). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver.
Warning: caught exception ‘The NVIDIA driver on your system is too old (found version 10020). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver.’, memory monitor disabled

【解决】在launch.py文件第13行改为

commandline_args = os.environ.get('COMMANDLINE_ARGS', "--skip-torch-cuda-test")

225行左右按照你需要的cuda版本进行更改，不知道版本的参考https://blog.csdn.net/qq_40877575/article/details/124231007

# torch_command = os.environ.get('TORCH_COMMAND', "pip install torch==2.0.0 torchvision==0.15.1 --extra-index-url https://download.pytorch.org/whl/cu118")
torch_command = os.environ.get('TORCH_COMMAND', "pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102")

再重新运行launch.py，如果torch的版本没有改过来的话，直接在命令行中运行pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102

4. 运行代码

回到stable-diffusion-webui目录运行webui.py。出现下图的网址就是运行成功了。也可能运行完launch.py就会出现链接，因为launch.py调用了webui.py。如果没有出现公网链接，在webui.py中的317行改为share=True。再重新运行webui.py就可以了。

访问公网链接就可以进入页面了，链接72小时有效。运行成功的页面就是这样啦！参数的具体含义可以参考文章stable diffusion手册。讲的比较详细。

后面可能会继续出一篇ControlNet的文章，大家遇到了什么问题可以在评论区留言，说不定有人遇到了和你一样的问题，发出来大家相互探讨。

文章出处登录后可见！

已经登录？立即刷新

Stable Diffusion2.0实验室Linux服务器详细运行教程

目录

1. 工具准备

2. 下载代码和模型

3. 环境准备

4. 运行代码

相关推荐