【Stable Diffusion】在windows环境下部署并使用Stable Diffusion Web UI---By Conda

文章目录

一、Stable Diffusion介绍
二、本地部署stable diffusion
- 2.1 安装所需依赖环境
- - 2.1.1 安装CUDA
  - 2.1.2 安装显卡驱动
  - 2.1.3 安装Conda
  - 2.1.4 安装git工具--gitForWindows
  - 2.1.5 检查环境
- 2.2 配置Transformer环境变量
- 2.3 安装SD WebUI
- 2.4 安装SD WebUI过程中遇到的问题
三、参考

一、Stable Diffusion介绍

Stable Diffusion是当下最强大的AI绘画工具；

可本地部署，可切换多种模型，且新的模型和开源库每天都在更新发布，最重要的是免费，没有绘图次数限制；

其是一种基于深度学习的文本到图像生成模型，于2022年发布。它能够根据文本描述生成详细的图像，同时也可以应用于其他任务，例如图生图，生成简短视频等。

Stable Diffusion Web UI是一个基于Web的用户界面，用于使用Stable Diffusion进行图像生成和其他任务。该Web UI由AUTOMATIC1111开发，并开源上传至Github，也是目前使用最多的WebUI版本。Stable Diffusion Web UI提供了易于使用的图形界面，可以帮助用户更直观地了解和使用Stable Diffusion的功能，并在基本不需要编写代码的情况下启动和监视训练过程。

Stable Diffusion 的主要优点：

(1) 免费开源与另外一个主流的AI绘画软件Midjourney相比，它是免费开源的。Midjourney需要登陆Discard上进行使用（国内无法直接链接注册），而且需要付费才能继续使用，最低价格为10美元/月，而SD在B站上有人整理好的免费安装包，无需付费即可下载一键安装。将SD安装到本地后，用户可以随时使用，生成的图片只有自己可以看到，保密性更高。

(2) SD拥有强大的开源模型和插件由于其开源属性，SD拥有许多免费的高质量外接预训练模型和插件。例如，可以提取物体轮廓、人体姿势骨架、图像深度信息的插件Controlnet可以让用户在绘画过程中精确控制人物的动作姿势、手势和画面构图等细节；插件Mov2Mov可以将真实视频进行风格化转换。此外，SD还具备Inpainting和Outpainting功能，可以智能地对图像进行局部修改和扩展，而这些功能目前Midjourney无法实现。

二、本地部署stable diffusion

2.1 安装所需依赖环境

2.1.1 安装CUDA

首先去Pytorch官网，点击链接https://pytorch.org/即可跳转；

在这里插入图片描述

可以看到，它目前支持到CUDA的11.8版本，因此我们需要去下载CUDA 11.8;

【CUDA下载网址】https://developer.nvidia.com/cuda-downloads

在这里插入图片描述
打开后我们可以看到，目前已经升级到了12.3这个版本，但是我们需要的下载的是11.8版本，所以需要找到12.1进行下载，如下步骤进行：

在这里插入图片描述
点击上图红框中的按钮，获取以前发布的版本，

在这里插入图片描述

然后以下图片示例进行操作：

在这里插入图片描述
下载完成后，如下图所示，双击打开：

路径选择默认路径即可：
在这里插入图片描述

然后选择自定义安装：
在这里插入图片描述

在这里插入图片描述

然后等待安装完成即可：

在这里插入图片描述

2.1.2 安装显卡驱动

然后我们需要去下载显卡的驱动，

【NVIDIA下载网址】https://www.nvidia.cn

首先看一下我们笔记本当前的驱动版本：

此电脑->右键->属性->设备管理器->显示适配器：

在这里插入图片描述
打开后，点击“驱动程序”

可以看到我的驱动程序是2018年3/16号的，非常古老了，所以我们去下载它的最新版；

【NVIDIA下载网址】https://www.nvidia.cn

在这里插入图片描述

按照你笔记本的实际显卡进行选择：

在这里插入图片描述

在这里插入图片描述
下载完成后如下所示：

双击打开，路径也不用修改：

在这里插入图片描述
然后选择NVIDIA显卡驱动和GeForce Experience

然后选择自定义安装：
在这里插入图片描述

PhysX系统软件可以选择不安装，如果有USBC Driver，也可以选择不安装；
在这里插入图片描述
然后勾选执行清洁安装，下一步；等待安装完成即可：

安装完成后关闭即可。

2.1.3 安装Conda

接下来我们安装Conda，Conda是一个Python的包管理工具，什么系统都支持，

【ANACONDA下载网址】https://anaconda.org

在这里插入图片描述

直接点击下载即可。下载完成后如下图所示：
在这里插入图片描述

双击打开，基本按照给出的默认选项配置，无脑下一步即可：
安装完成后如下图所示：

在这里插入图片描述

安装完成后，一般会自己启动一次，通常默认会建立一个叫做Base的环境，如下图：

在这里插入图片描述

未来我们的Sable Diffusion会用它自己的环境，所以这里的Base对我们来说暂时不用太关心，直接关掉即可。

2.1.4 安装git工具–gitForWindows

【git工具下载网址】http://gitforwindows.org
在这里插入图片描述
直接点击下载即可；下载完成后如下图所示：

双击打开，按照它推荐的功能，基本保持所有的选项都是默认选项，无脑下一步即可。
完成后如下所示：

2.1.5 检查环境

至此，CUDA、NVIDA、ANACONDA以及gitForWindows我们已经安装完成了；

下面检查一下Anaconda Prompt和Conda的安装；

打开开式菜单，在Anaconda3文件夹下，找到Anaconda Prompt，如下图所示：
在这里插入图片描述
双击打开：

可以看到前面默认有个（base），指的是现在窗口使用的是Base的环境；
在上面输入nvidia-smi指令，检查一下当前的显卡驱动：

然后输入git指令，会发现git也开始工作了，如下图：

没什么问题。

2.2 配置Transformer环境变量

transformer是一个机器学习的框架，Gradio是它的一个可视化的部署，未来AI工具也都会用到这个工具；

我们现在E盘建立一个空的目录，我起名为transformerCache，用来存放那些大模型的；
该目录的路径为E:\transformerCache
然后点击：
开始菜单->设置->系统->关于->高级系统设置->环境变量->系统变量->新建
在这里插入图片描述
依次添加六个环境变量，变量名分别是PYTORCH_PRETRAINED_BERT_CACHE、PYTORCH_TRANSFORMERS_CACHE、TRANSFORMES_CACHE、XDG_CACHE_HOME、HF_MODULES_CACHE、HUGGINGFACE_HUB_CACHE，变量值均为E:\transformerCache，如下图所示：

这个cache我们一般建议放在一个比较大一点的硬盘上，因为我们未来会有很多模型，从HavingFace这边去下载回来；会占用很大空间；所以这里我们把所有的环境变量都放在了E:\transformerCache里；

建好以后，点击确定即可：

在这里插入图片描述

2.3 安装SD WebUI

在Anaconda Prompt中，切换到E盘，并克隆Stable Diffusion代码到SDWebUI文件夹中，指令如下所示：

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

在这里插入图片描述
克隆完成后，我们打开stable-diffusion-webui，然后执行webui-user.bat：

cd stable-diffusion-webui
webui-user.bat

在这里插入图片描述
首次执行的时候，系统会检查当前的情况，如果没有自己的执行环境，系统会自动调用虚拟环境的命令，去创建一个适用于它自己的这么一个Python环境；所以这个脚本的过程基本是下载配置python环境、依赖包、更新python包管理器、下载所需模型（人脸恢复、嘴唇对齐、反推关键词、放大算法等模型）等等；

如果遇到报错，请去看2.4节；

下载模型中。。。。
在这里插入图片描述

执行过程中需要保持网络环境的稳定；整个过程我是挂着科学上网执行的。

完成后如下图所示：
在这里插入图片描述

此时我们可以打开127.0.0.1:7860,并随便输入一个参数，来查看一下效果了：
在这里插入图片描述
如果能生成图片，说明Web UI搭建成功了；

2.4 安装SD WebUI过程中遇到的问题

执行webui-user.bat的时候遇到报错：

1、fatal: unable to access ‘https://github.com/Stability-AI/stablediffusion.git/’:

fatal: unable to access 'https://github.com/Stability-AI/stablediffusion.git/': Failure when receiving data from the peer
Traceback (most recent call last):
  File "E:\SDWebUI\stable-diffusion-webui\launch.py", line 48, in <module>
    main()
  File "E:\SDWebUI\stable-diffusion-webui\launch.py", line 39, in main
    prepare_environment()
  File "E:\SDWebUI\stable-diffusion-webui\modules\launch_utils.py", line 380, in prepare_environment
    git_clone(stable_diffusion_repo, repo_dir('stable-diffusion-stability-ai'), "Stable Diffusion", stable_diffusion_commit_hash)
  File "E:\SDWebUI\stable-diffusion-webui\modules\launch_utils.py", line 186, in git_clone
    run(f'"{git}" clone "{url}" "{dir}"', f"Cloning {name} into {dir}...", f"Couldn't clone {name}", live=True)
  File "E:\SDWebUI\stable-diffusion-webui\modules\launch_utils.py", line 115, in run
    raise RuntimeError("\n".join(error_bits))
RuntimeError: Couldn't clone Stable Diffusion.
Command: "git" clone "https://github.com/Stability-AI/stablediffusion.git" "E:\SDWebUI\stable-diffusion-webui\repositories\stable-diffusion-stability-ai"
Error code: 128
请按任意键继续. . .

在这里插入图片描述

解决：
在终端执行：

git config --global --unset http.proxy 
git config --global --unset https.proxy

2、RuntimeError: Torch is not able to use GPU; add --skip-torch-cuda-test to COMMANDLINE_ARGS variable to disable this check

在这里插入图片描述
按照它给的提示，打开webui-user.bat脚本，在后面加上--skip-torch-cuda-test：

三、参考

Stable Diffusion是什么意思？https://www.zhihu.com/question/561527911/answer/3119390120

【Stable Diffusion教程】01如何快速本地部署SD教学方法一：SD-WEBUI（包教包会，小白速来）