CentOS部署Stable Diffusion环境要求

CentOS部署Stable Diffusion环境要求
一 系统要求

• 操作系统：CentOS 7 或更高版本（x86_64）。
• 容器方案（可选）：若采用 Docker，建议 Docker 19.03+，并启用 NVIDIA Container Toolkit 以支持 --gpus。
• 虚拟化支持：CPU 需支持虚拟化（用于容器/虚拟化场景）。
• 基础工具：建议预装 git 等常用工具，便于拉取代码与脚本。

二 硬件与存储建议

• 内存：至少 8GB，推荐 16GB 或更高。
• GPU（推荐）：NVIDIA 显卡，显存至少 4GB，推荐 6–8GB 或更高；需安装与之匹配的 NVIDIA 驱动 与 CUDA 工具包。
• 存储：至少预留 60GB，建议 100GB+（用于模型权重、缓存与日志）。

三 软件与运行依赖

• Python：建议 Python 3.10.6（许多教程与实践表明该版本在依赖兼容性上更稳妥）。
• 包管理：使用 pip 升级至较新版本；可使用国内镜像源加速安装。
• 深度学习框架：安装与 CUDA 版本匹配的 PyTorch（含 torchvision、torchaudio）。
• 性能加速：建议安装 xformers 以提升显存与速度表现。
• 容器与GPU：如需容器化，安装 Docker 19.03+ 与 NVIDIA Container Toolkit，容器启动需配置 --gpus all 等参数。
• WebUI常见端口：7860（默认 Gradio/WebUI 端口）。

四 版本兼容与注意事项

• Python 与 PyTorch：部分环境反馈 较新 Python 版本可能与部分 PyTorch 构建不兼容，实践中 3.10.6 的成功率更高。
• 以 root 运行 WebUI：如使用 AUTOMATIC1111/stable-diffusion-webui，需要在脚本中设置 can_run_as_root=1 方可 root 直接执行。
• 首次启动网络：下载模型与依赖可能较慢，建议配置 代理 或 国内镜像源 提升成功率与速度。
• 驱动与 CUDA：确保 NVIDIA 驱动 与 CUDA 版本匹配，并在容器方案中正确暴露 GPU 能力。