CentOS部署Stable Diffusion要求

一、硬件要求

• 显卡：必须使用NVIDIA显卡（支持CUDA加速），显存至少4GB（推荐6GB及以上，如RTX 3050、3060及以上型号），以确保图像生成的效率和速度。
• 内存：至少8GB RAM（推荐16GB及以上），处理高分辨率图像或多轮生成时需更大内存。
• 存储：至少100GB可用SSD空间（推荐120GB及以上），用于存储模型文件（如stable-diffusion-v1-5约10GB）、生成结果及临时文件。
• CPU：64位多核处理器（主频2.0GHz及以上），如Intel Xeon、AMD Ryzen系列，辅助处理非GPU密集型任务。

二、操作系统要求

• 推荐使用CentOS 7/8（或其衍生版本如Rocky Linux 8、AlmaLinux 8），系统需为64位架构。
• 需提前更新系统至最新版本：sudo yum update -y，确保内核及基础软件包的安全性与兼容性。

三、软件依赖要求

• 基础工具：需安装git（代码托管库管理）、python3（推荐3.8及以上版本，如3.10.6）、pip（Python包管理）、cmake（构建工具）、protobuf（数据序列化）、rust（系统编程语言，部分依赖需要）。
• Python虚拟环境：建议使用venv或conda创建隔离环境（如python3 -m venv stable-diffusion-env），避免与其他项目依赖冲突。
• Docker（可选但推荐）：若通过容器化方式部署，需安装Docker CE及NVIDIA Container Toolkit（支持GPU加速），步骤包括添加Docker源、安装Docker、配置NVIDIA Container Toolkit（distribution=$(. /etc/os-release;echo $ID$VERSION_ID)；curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/yum.repos.d/nvidia-docker.list；sudo yum install -y nvidia-docker2；sudo systemctl restart docker）。

四、Python依赖要求

• 核心库：需安装torch（含CUDA支持，如torch==1.13.1+cu117）、torchvision、torchaudio（版本需与CUDA版本匹配，如CUDA 11.7），以及transformers（Hugging Face模型处理）、opencv-python-headless（图像处理）、pillow（图片编解码）。
• 可选优化库：xformers（内存优化注意力机制，减少长序列生成时的OOM风险）、accelerate（Hugging Face分布式推理工具，支持跨GPU负载均衡）。

五、其他关键要求

• NVIDIA驱动与CUDA/cuDNN：需安装与显卡型号匹配的NVIDIA驱动（如RTX 3050需驱动≥450.80.02），并安装对应版本的CUDA Toolkit（如11.7）及cuDNN库（如8.5），确保GPU加速功能正常启用（通过nvidia-smi验证驱动，nvcc --version验证CUDA）。
• 网络环境：需具备稳定的互联网连接，用于下载模型文件（如从Hugging Face拉取stable-diffusion-v1-5）、依赖库及更新。
• 权限设置：部署过程中需使用sudo或具有root权限的用户，确保能安装软件包、创建目录及启动服务。