Linux上部署Stable Diffusion需要注意什么

1. 硬件配置要求
Stable Diffusion对硬件的最低要求为：NVIDIA独立显卡（4GB显存及以上，推荐8GB及以上，如RTX 3060/4060系列），用于支持CUDA加速；16GB及以上内存（8GB可能导致运行卡顿，建议升级至32GB以提升大规模模型处理能力）；至少20GB可用存储空间（推荐SSD，加快模型加载和图像生成速度）。需确保显卡驱动为最新版本，以兼容CUDA 11.0及以上版本。
2. 操作系统与软件环境
优先选择Ubuntu 20.04及以上版本（对CUDA和NVIDIA驱动支持更稳定），或CentOS 7/8（需手动配置依赖）。需安装Python 3.8及以上版本（推荐3.10，避免版本冲突），并通过venv创建虚拟环境（隔离依赖，防止与其他项目冲突）。此外，需安装Git（克隆WebUI仓库）、CUDA Toolkit（GPU加速）、cuDNN（深度学习库）等基础依赖。
3. 依赖安装与冲突解决
使用虚拟环境（python3 -m venv venv）安装依赖，避免污染全局环境。通过requirements.txt（如AUTOMATIC1111 WebUI的requirements.txt）安装Python依赖，若遇到版本冲突，可通过pip install --upgrade 包名升级或降级特定包（如torch需匹配CUDA版本）。常见冲突包括numpy与torch版本不兼容，需参考官方文档调整版本。
4. 模型文件管理
模型文件（如v1-5-pruned-emaonly.safetensors）需放置在WebUI指定的models/Stable-diffusion目录下（可通过修改webui-user.bat或启动脚本调整路径）。下载模型时建议使用国内镜像（如Hugging Face国内节点），并验证文件完整性（如检查SHA256哈希值），避免因文件损坏导致加载失败。
5. Docker部署注意事项
若使用Docker部署，需安装NVIDIA Container Toolkit（distribution=$(. /etc/os-release;echo $ID$VERSION_ID)；curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg；echo "deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://nvidia.github.io/nvidia-docker/$distribution/ /" | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list；sudo apt update && sudo apt install -y nvidia-container-toolkit），并在docker-compose.yml中配置GPU资源（deploy.resources.reservations.devices.driver: nvidia; count: 1; capabilities: [gpu]）和持久化存储（volumes: - ./data/models:/app/models，避免容器重启丢失模型）。
6. 性能优化技巧

• 显存优化：根据显卡显存大小调整WebUI参数，如--medvram（中等显存优化）或--lowvram（低显存优化），降低显存占用；降低生成图像分辨率（如从1024x1024调整为768x768），减少显存消耗。
• 启动参数调整：通过COMMANDLINE_ARGS环境变量传递参数，如--xformers（启用xFormers内存优化，提升生成速度）、--precision full（使用FP32精度，提升图像质量，但会增加显存占用）。

7. 权限与安全配置
避免使用root用户运行WebUI（易引发安全风险），建议新建专用用户（如useradd -m sduser；passwd sduser；su - sduser），并赋予必要的权限（如chown -R sduser:sduser /path/to/stable-diffusion）。生产环境中需配置防火墙（如ufw allow 7860/tcp）和安全组规则，限制访问IP（如仅允许本地IP或特定网段），防止未授权访问。
8. 常见问题排查

• CUDA内存不足：添加--medvram或--lowvram参数，降低图像分辨率，或升级至更高显存显卡。
• 依赖冲突：删除venv目录（rm -rf venv），重新创建虚拟环境并安装依赖（python3 -m venv venv；source venv/bin/activate；pip install -r requirements.txt）。
• 模型加载失败：检查模型文件路径是否正确（ls models/Stable-diffusion），验证文件完整性（如重新下载），或调整模型加载顺序（如将模型放在custom_models目录下）。