CentOS部署Stable Diffusion优化

CentOS部署Stable Diffusion优化指南

一、系统准备：优化底层环境

1. 更新系统与基础依赖

运行sudo yum update -y更新系统内核及软件包；安装开发工具链（gcc、make、cmake）和核心依赖（git、python3、python3-pip），确保后续安装流程顺畅。

1. 创建Python虚拟环境（强力建议）

使用python3 -m venv stable-diffusion-env创建独立虚拟环境，通过source stable-diffusion-env/bin/activate激活，避免与系统Python包冲突，提升环境稳定性。

1. GPU加速配置（关键优化项）

• 安装NVIDIA官方驱动：通过yum或官网下载对应版本的驱动（如nvidia-driver-latest-dkms），确保显卡驱动版本符合CUDA要求；
• 安装CUDA Toolkit：选择与PyTorch版本匹配的CUDA版本（如CUDA 11.8），通过rpm包或源码编译安装；
• 安装cuDNN：下载NVIDIA cuDNN库（需注册账号），解压后复制至CUDA安装目录（如/usr/local/cuda），并配置环境变量（export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH）；
• 验证GPU可用性：运行nvidia-smi确认驱动正常，nvcc --version确认CUDA编译器版本。

二、部署方式选择：兼顾效率与灵活性

1. WebUI快速部署（推荐新手）

使用AUTOMATIC1111官方脚本，一键完成WebUI及依赖安装：

wget -q https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui/master/webui.sh
chmod +x webui.sh
./webui.sh

脚本会自动下载模型（默认stable-diffusion-v1-5）、安装Python依赖，并启动Web服务（默认端口7860）。

1. Docker轻量部署（适合隔离环境）

安装Docker后，拉取官方镜像并运行容器：

sudo yum install -y docker-ce
sudo systemctl start docker
docker pull stablediffusion/stable-diffusion-webui
docker run -it --rm -p 80:80 --gpus all stablediffusion/stable-diffusion-webui

通过--gpus all参数启用GPU加速，访问http://localhost即可使用WebUI。

1. 手动克隆仓库部署（适合自定义需求）

克隆Stable Diffusion WebUI仓库，手动安装依赖并启动：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
pip install -r requirements.txt
./webui.sh

此方式可灵活调整配置文件（如webui-user.bat或webui-user.sh）。

三、核心参数调优：提升生成效率与质量

1. 分辨率设置

建议使用8的倍数（如512×512、768×768），避免非整数分辨率导致的生成异常（如模糊、变形）。

1. 采样方法与步数

• 采样器选择：优先尝试DPM++ 2M Karras（平衡速度与质量）或Euler a（稳定但较慢）；
• 采样步数：默认50步，可降至20-30步（对质量影响较小，显著提升生成速度）。

1. CFG Scale调整

控制生成结果与提示词的匹配度，范围7-12（7为保守，12为激进），推荐9-11以兼顾创意与细节。

1. 设备指定

强制使用GPU加速：在启动命令中添加--device cuda；若需强制使用CPU（仅测试）：--device cpu。

四、模型与依赖管理：避免版本冲突

1. 模型存放路径

将下载的模型文件（如.ckpt、.safetensors）放置于stable-diffusion-webui/models/Stable-diffusion/目录，WebUI会自动识别。

1. 依赖版本控制

• 使用requirements.txt文件锁定依赖版本（如torch==2.0.1+cu118、transformers==4.30.0），避免自动升级导致的兼容性问题；
• 安装PyTorch时指定CUDA版本：pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118。

五、性能与安全优化：保障稳定运行

1. 性能优化技巧

• 限制生成分辨率：降低--medvram（中等显存优化）或--lowvram（低显存优化）参数，减少显存占用；
• 跳过CUDA检查：若已知环境兼容，添加--skip-torch-cuda-test参数，缩短启动时间。

1. 安全配置

• 开放防火墙端口：若通过公网访问，运行sudo firewall-cmd --add-port=7860/tcp --permanent（替换为实际端口）并sudo firewall-cmd --reload；
• 使用HTTPS：通过Nginx反向隧道或Cloudflare配置SSL证书，加密传输数据。

1. 维护优化

• 定期更新系统：sudo yum update -y获取安全补丁；
• 备份模型与配置：定期备份models/目录和webui-user.*配置文件，防止数据丢失。

六、常见问题排查：快速解决部署障碍

1. 依赖冲突

若出现ModuleNotFoundError或版本不兼容错误，激活虚拟环境后重新安装依赖（pip install -r requirements.txt），或使用pip check检查冲突。

1. 权限问题

若无法访问Web界面，检查防火墙规则（如上述）；若为端口占用，修改webui.sh中的PORT参数（如PORT=8080）。

1. CUDA错误

若出现CUDA out of memory，降低生成分辨率或步数；若出现CUDA version mismatch，重新安装匹配的CUDA Toolkit与PyTorch版本。