Stable Diffusion在CentOS上的使用技巧

以下是Stable Diffusion在CentOS上的使用技巧及关键步骤：

一、环境配置技巧

1. 依赖安装

• 更新系统并安装基础依赖：sudo yum update -y，sudo yum install git python3 python3-pip gcc make。
• 安装Python 3.10.6（官方推荐版本），并配置软链接：

wget https://www.python.org/ftp/python/3.10.6/Python-3.10.6.tgz
tar -zxvf Python-3.10.6.tgz
cd Python-3.10.6 && ./configure --prefix=/usr/local/python3 --with-openssl=/usr/local/openssl
make && sudo make install
ln -s /usr/local/python3/bin/python3.10 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3.10 /usr/bin/pip3
pip3 install --upgrade pip

1. GPU加速（可选但推荐）

• 安装NVIDIA驱动、CUDA和cuDNN，确保支持GPU运算。
• 验证CUDA是否生效：nvidia-smi。

二、快速部署技巧

1. WebUI部署（推荐）

• 下载官方WebUI脚本并运行：

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和依赖，生成stable-diffusion-webui目录。
• 启动后访问：http://localhost:7860（默认端口7860）。

1. Docker部署（轻量级）

• 安装Docker：sudo yum install docker-ce，启动服务：sudo systemctl start docker。
• 拉取镜像并运行容器：

docker pull stablediffusion/stable-diffusion-webui
docker run -it --rm -p 80:80 stablediffusion/stable-diffusion-webui

• 访问：http://localhost。

三、使用优化技巧

1. 参数调优

• 分辨率设置：建议使用8的倍数（如512×512），避免生成异常。
• 采样方法：尝试不同采样器（如Euler a、DPM++ 2M Karras），调整CFG Scale（7-12）平衡创意与细节。
• GPU参数：添加--device cuda指定GPU设备，或--device cpu强制使用CPU（仅适用于测试）。

1. 模型管理

• 下载模型文件（如.ckpt或.safetensors）并放置于models/Stable-diffusion/目录。
• 通过WebUI界面上传模型，或使用命令行指定模型路径：--model path/to/model.ckpt。

1. 性能优化

• 限制生成分辨率或降低采样步数（--steps参数，默认50步，可减至20-30步以加快速度）。
• 使用--skip-torch-cuda-test跳过CUDA兼容性检查（仅适用于已知兼容的GPU环境）。

四、常见问题解决

• 依赖冲突：使用虚拟环境隔离Python包，避免与系统库冲突。
• 权限问题：若无法访问WebUI，检查防火墙规则：sudo firewall-cmd --add-port=7860/tcp --permanent，并重启防火墙。
• CUDA错误：确保CUDA与PyTorch版本匹配，可通过pip install torch==2.0.1+cu118指定版本。

五、进阶使用技巧

• API调用：通过WebUI的API接口实现自动化生成，需启用API服务并配置密钥。
• 批量生成：编写脚本调用WebUI的REST API，批量提交任务并获取结果。

以上步骤参考自，可根据实际需求选择部署方式。