Stable Diffusion于Linux的安装法 - AI技术

Linux 上安装 Stable Diffusion 的实用做法
一环境准备与硬件建议

操作系统：推荐 Ubuntu 22.04/24.04（也可在 CentOS/RHEL 等发行版按相同思路部署）。
GPU 与驱动：有 NVIDIA 显卡时安装匹配版本的 NVIDIA 驱动 与 CUDA/cuDNN；无独显也可运行但速度很慢。
硬件建议：显存至少 4GB（推荐 8GB+），内存 16GB+，可用存储 20GB+（建议 SSD）。
基础工具：安装 Python 3.10、Git，并准备虚拟环境（venv 或 conda）以隔离依赖。

二方法一原生安装 AUTOMATIC1111 WebUI（Ubuntu/Debian 系）

安装依赖
sudo apt update && sudo apt install -y python3.10 python3-pip python3-venv git
克隆与进入目录
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
cd stable-diffusion-webui
创建并激活虚拟环境（可选但推荐）
python3.10 -m venv venv && source venv/bin/activate
安装 Python 依赖
pip install -r requirements.txt
下载模型权重
从 Hugging Face 下载如 v1-5-pruned-emaonly.safetensors，放入 models/Stable-diffusion。
启动与访问
本地：./webui.sh（默认端口 7860，浏览器访问 http://127.0.0.1:7860）
远程：./webui.sh --listen（服务器开放 7860/tcp 防火墙端口）
常用启动参数
--xformers（NVIDIA 加速，降低显存占用）
--medvram / --lowvram（显存优化）
--listen / --port 7890（远程访问与端口）
--gradio-auth user:pass（简单登录保护）

三方法二 Docker 部署（更简洁、环境隔离）

安装 Docker 与 NVIDIA 容器支持（Ubuntu 示例）
sudo apt update && sudo apt install -y nvidia-driver-535 nvidia-container-toolkit
sudo systemctl restart docker
准备本地目录
mkdir -p ~/stable-diffusion/{models,outputs}
启动容器（使用官方镜像）
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

访问与说明
浏览器访问 http://localhost:7860；如需远程访问，确保服务器防火墙放行 7860/tcp。

四国内网络优化与常见问题

使用国内 PyPI 镜像加速
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
模型下载与放置
从 Hugging Face 获取权重（如 v1-5-pruned-emaonly.safetensors），放入 models/Stable-diffusion。
启动参数优化
显存不足：添加 --medvram 或 --lowvram
速度优化：添加 --xformers（NVIDIA）
远程访问：添加 --listen，必要时设置 --gradio-auth
常见报错处理
依赖冲突：在干净的虚拟环境中重装依赖
模型加载失败：核对模型文件完整性与路径
端口占用：更换 --port 或关闭占用进程

五 CentOS/RHEL 简要指引

安装基础工具
sudo yum install -y python3 python3-pip git
后续步骤
参考“方法一”的克隆、虚拟环境、依赖安装与启动流程；如使用 Docker，同样可用“方法二”的容器方式（需确保 nvidia-docker 可用）。