如何快速在CentOS部署Stable Diffusion

一、准备工作

1. 系统更新与基础依赖安装

首先更新系统软件包并安装必要工具，确保后续步骤顺利进行：

sudo yum update -y
sudo yum install -y git python3 python3-pip python3-devel gcc cmake

1. 硬件要求确认

Stable Diffusion对硬件配置有明确要求，需提前检查是否符合：

• GPU：必须使用NVIDIA显卡（显存≥4GB，推荐6GB及以上，如GTX 1660 Ti、GTX 3060 Ti等）；
• CPU：四核及以上（Intel i5/i7或AMD Ryzen系列）；
• 内存：≥8GB（推荐16GB及以上）；
• 存储：预留≥60GB可用空间（模型文件及生成结果需占用大量空间）。

二、安装Python环境

1. 升级pip并创建虚拟环境（推荐）

为避免依赖冲突，建议使用虚拟环境隔离项目：

python3 -m pip install --upgrade pip
python3 -m venv stable-diffusion-env  # 创建虚拟环境
source stable-diffusion-env/bin/activate  # 激活虚拟环境

1. 安装Python依赖库

安装Stable Diffusion运行所需的Python包：

pip install torch torchvision torchaudio  # PyTorch核心库（需匹配CUDA版本）
pip install transformers opencv-python-headless pillow  # 图像处理与模型支持库

三、部署Stable Diffusion WebUI（推荐方式）

1. 克隆WebUI仓库

使用AUTOMATIC1111团队的WebUI项目（功能最完善，支持Web交互）：

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

1. 启动WebUI安装脚本

运行webui.sh脚本自动完成依赖安装与环境配置：

bash webui.sh

• 脚本会自动安装PyTorch、transformers等依赖，并下载默认模型（如Stable Diffusion v1.5）；
• 若需使用特定模型（如Stable Diffusion XL），可修改脚本中的MODEL_PATH参数。

1. 访问Web界面

脚本运行完成后，在浏览器中访问http://localhost:7860（默认端口），即可看到Stable Diffusion的WebUI界面，通过文本提示词生成图像。
四、可选：手动部署（非WebUI方式）
若无需Web界面，可直接通过命令行生成图像：

1. 下载预训练模型

从Hugging Face或其他来源下载模型文件（如stable-diffusion-v1-5）：

git clone https://huggingface.co/stable-diffusion-v1-5
cd stable-diffusion-v1-5

1. 运行生成脚本

使用Stable Diffusion的Python API生成图像：

from diffusers import StableDiffusionPipeline
import torch
# 加载模型（需替换为实际模型路径）
model_path = "/path/to/stable-diffusion-v1-5"
pipe = StableDiffusionPipeline.from_pretrained(model_path, torch_dtype=torch.float16)
pipe = pipe.to("cuda")  # 使用GPU加速
# 生成图像（提示词示例："a beautiful sunset over the ocean"）
image = pipe("a beautiful sunset over the ocean", num_inference_steps=50).images[0]
image.save("output.png")  # 保存结果

五、常见问题排查

1. CUDA/cuDNN版本不匹配

确保PyTorch版本与CUDA/cuDNN版本兼容（如PyTorch 2.0需搭配CUDA 11.8+）。可通过nvcc --version查看CUDA版本，cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR查看cuDNN版本。

1. 显存不足

若出现CUDA out of memory错误，可尝试：

• 减小生成图像分辨率（如将image_width/image_height从512调整为256）；
• 减少生成数量（num_samples）；
• 关闭其他占用显存的程序。

1. 模型加载失败

确保模型文件路径正确且未损坏。若从第三方来源下载，建议验证文件哈希值（如SHA256）。

1. 网络问题（下载慢）

若git clone或pip install速度慢，可设置代理或使用国内镜像（如清华源）：

git config --global http.proxy http://your_proxy:port
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch