CentOS部署Stable Diffusion兼容

CentOS部署Stable Diffusion兼容性指南

一、硬件兼容性要求

Stable Diffusion对硬件的最低要求如下：

• GPU：必须使用NVIDIA显卡（支持CUDA加速），显存≥4GB（推荐6GB及以上，如GTX 1660 Ti、RTX 3050及以上）；
• CPU：四核及以上（无需高性能CPU，但需满足基础运算需求）；
• 内存：至少8GB（推荐16GB及以上，避免生成大图时内存不足）；
• 存储：至少12GB可用硬盘空间（推荐20GB以上，用于存储模型文件及生成结果）。

二、软件兼容性要求

1. 操作系统

推荐使用CentOS 7及以上版本（或衍生版本如Rocky Linux 8、AlmaLinux 8），系统需提前更新至最新状态（sudo yum update -y）。

2. Python环境

需安装Python 3.8及以上版本（推荐3.10.6），并配置虚拟环境（如venv或conda）以隔离项目依赖，避免与其他项目冲突。

3. 依赖库

必须安装的基础依赖包括：git（代码托管库工具）、gcc/gcc-c++（编译工具）、cmake（构建工具）、protobuf（数据序列化工具）、rust（系统编程语言，部分依赖需要）；
若使用GPU，还需安装CUDA Toolkit（推荐11.3及以上，与PyTorch版本匹配）和cuDNN（深度学习加速库，版本需对应CUDA）。

4. PyTorch与模型兼容性

• PyTorch版本需与模型要求严格匹配：
• Stable Diffusion v1.4/v1.5：需torch==1.13.1+cu117（CUDA 11.7）；
• SDXL模型：需torch>=2.0（支持原生ScaledDotProductAttention优化）；
• 安装时需指定CUDA版本（如--extra-index-url https://download.pytorch.org/whl/cu117），并通过torch.cuda.is_available()验证GPU加速是否启用。

三、部署方式兼容性

1. Docker部署（推荐）

通过Docker容器化部署可简化环境配置，需安装Docker CE和NVIDIA Container Toolkit（用于GPU支持）：

• 添加Docker源并安装：sudo yum install -y yum-utils device-mapper-persistent-data lvm2 → sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo → sudo yum install docker-ce docker-ce-cli containerd.io → sudo systemctl start docker && sudo systemctl enable docker；
• 安装NVIDIA Container Toolkit：distribution=$(. /etc/os-release;echo $ID$VERSION_ID) → curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/yum.repos.d/nvidia-docker.list → sudo yum install -y nvidia-docker2 → sudo systemctl restart docker；
• 拉取镜像并运行：docker pull wareft/stablediffusion:1.0 → docker run -it --rm --gpus all -p 54321:54321 wareft/stablediffusion:1.0 /bin/bash。

2. 虚拟环境部署

通过venv创建隔离环境，逐步安装依赖并运行：

• 创建虚拟环境：python3 -m venv stable-diffusion-env → source stable-diffusion-env/bin/activate；
• 升级pip：pip install --upgrade pip；
• 安装依赖：pip install torch torchvision torchaudio transformers opencv-python-headless pillow；
• 克隆仓库并启动：git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git → cd stable-diffusion-webui → bash webui.sh（自动下载模型并启动WebUI）。

四、常见兼容性问题及解决

• CUDA/cuDNN版本不匹配：确保CUDA主版本与PyTorch要求的版本一致（如CUDA 11.7对应PyTorch 1.13.1+cu117），可通过nvcc --version（查看CUDA版本）和cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR（查看cuDNN版本）验证；
• GPU无法使用：检查NVIDIA驱动是否安装（nvidia-smi查看驱动版本，需≥CUDA主版本×1000+余数，如CUDA 11.7需≥450.80.02），并确认Docker运行时添加了--gpus all参数；
• 显存不足：减小生成图像的分辨率（如image_width/image_height设为512×512），或减少num_samples（批量生成数量），关闭其他占用显存的进程；
• 模型加载失败：确认模型文件路径正确（如--model /path/to/model.pt），文件未损坏（可重新下载）。