Linux上Stable Diffusion的安装途径

Linux上Stable Diffusion的主流安装途径
一 原生安装 AUTOMATIC1111 WebUI

• 适用人群：希望在本地或服务器上获得完整功能的一站式界面（txt2img、img2img、图生图、脚本扩展等）。
• 基本步骤：

1) 安装系统依赖与工具：sudo apt update && sudo apt install -y git python3 python3-venv python3-dev；如需GPU，先安装NVIDIA驱动与CUDA/cuDNN。
2) 克隆仓库：git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git && cd stable-diffusion-webui。
3) 创建并激活虚拟环境：python3 -m venv venv && source venv/bin/activate。
4) 启动安装与运行：./webui.sh（会自动安装依赖；如需加速可加参数：--xformers；显存优化可用 --medvram 或 --lowvram）。
5) 访问界面：浏览器打开 http://127.0.0.1:7860；远程访问使用服务器IP与端口。
6) 常见问题速解：

• 报错 “Cannot locate TCMalloc” → 安装 libtcmalloc：sudo apt install libgoogle-perftools4 libtcmalloc-minimal4 -y。
• 以 root 运行被拒 → 使用 ./webui.sh -f 绕过（仅在可信环境下）。
• Hugging Face 连接失败 → 预先下载所需模型/Tokenizer到本地并配置缓存路径，或配置网络代理。

二 容器化部署 Docker 或 Podman

• 适用人群：追求环境隔离、快速部署、易于迁移与升级的场景。
• 基本步骤（以 Docker 为例）：

1) 安装 Docker 与 NVIDIA 容器支持：sudo apt update && sudo apt install -y docker.io nvidia-driver-535 nvidia-container-toolkit && sudo systemctl restart docker。
2) 准备本地持久化目录：mkdir -p ~/stable-diffusion/{models,outputs}。
3) 拉取并运行容器（示例）：
docker run -d --gpus all -p 7860:7860 \
-v ~/stable-diffusion/models:/app/models \
-v ~/stable-diffusion/outputs:/app/outputs \
--name sd-webui ghcr.io/automatic1111-webui/stable-diffusion-webui:latest
4) 访问界面：http://localhost:7860。
5) 说明：在 RHEL/CentOS 等发行版上可使用 Podman 作为无守护进程替代方案，命令与 Docker 近似（如 podman run ...）。
6) 提示：容器方式同样支持在启动命令中加入 WebUI 参数（如 --xformers、--medvram），具体取决于镜像的启动脚本支持。
三 轻量库方式 diffusers + Transformers + Accelerate

• 适用人群：开发者、脚本化批量生成、与现有 Python 服务集成。
• 基本步骤：

1) 创建虚拟环境：conda create -n sd-env python=3.10 && conda activate sd-env。
2) 安装核心依赖：pip install diffusers transformers accelerate safetensors ftfy。pip 会自动拉取与当前环境匹配的 PyTorch GPU 版本（如 2.6.0+cu124）。
3) 运行最小示例（txt2img）：
from diffusers import StableDiffusionPipeline
import torch
pipe = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16).to("cuda")
image = pipe("a photo of an astronaut riding a horse on mars").images[0]
image.save("astronaut.png")
4) 说明：该方式灵活可定制，适合集成到 FastAPI/Flask、Celery 任务队列或推理服务中。
四 选型与注意事项

• 硬件建议：至少 NVIDIA GPU 4GB 显存（推荐 RTX 3060 及以上）、内存 16GB+、存储 20GB+ SSD，以保证基础模型与依赖的流畅运行与下载。
• 版本匹配：确保 Python、PyTorch、CUDA/cuDNN 版本相互兼容；出现 RuntimeError/加载失败时优先核对版本组合与驱动是否正常。
• 网络与模型：首次运行会从 Hugging Face 拉取权重与 Tokenizer，网络不稳可预先下载并设置本地缓存路径。
• 远程访问与防火墙：开放对应端口（如 7860），并确保云服务器安全组/本机防火墙已放行。