怎样优化CentOS部署Stable Diffusion

在 CentOS 上部署并优化 Stable Diffusion（SD），通常集中在 系统、驱动、Python 环境、推理参数、资源调度 几个方面。下面按“可落地”的方式给你一套优化清单。

一、系统层面优化（CentOS）

1. 系统版本与内核

• 推荐使用 CentOS 7.9 / Stream 8 / Stream 9
• 更新系统：

yum update -y

2. 关闭不必要的服务

systemctl disable firewalld --now
systemctl disable postfix

（如对外服务请自行配置安全组/防火墙）

3. 调整文件描述符

echo "* soft nofile 65535" >> /etc/security/limits.conf
echo "* hard nofile 65535" >> /etc/security/limits.conf

4. 开启大页内存（可选，显存足够时）

echo 2048 > /proc/sys/vm/nr_hugepages

二、GPU 与驱动优化（核心）

1. 安装 NVIDIA 驱动（推荐 535+）

yum install -y gcc kernel-devel
sh NVIDIA-Linux-x86_64-*.run

验证：

nvidia-smi

2. 安装 CUDA / cuDNN

• SD 常用：CUDA 11.8 / 12.1
• PyTorch 对应版本：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

3. 启用持久模式（减少延迟）

nvidia-smi -pm 1

三、Python 环境优化

1. 使用虚拟环境

python -m venv sd-env
source sd-env/bin/activate

2. 依赖优化

• 使用 xformers（大幅提速）

pip install xformers

• 启动参数：

--xformers

3. 使用较新的 WebUI

• AUTOMATIC1111
• ComfyUI（更省资源）

四、Stable Diffusion 推理优化

1. 显存优化参数（WebUI）

--medvram        # 中等显存
--lowvram        # 低显存
--precision full # 稳定性
--no-half        # 老显卡

2. 采样器与步数

• 推荐：
• 采样器：DPM++ 2M Karras
• 步数：20–30

3. 分辨率控制

• 不要超过显存极限
• 使用 768 模型 / SDXL 分开管理

五、并发与部署优化

1. 使用 API 模式

--api

结合：

• Nginx
• FastAPI
• Docker

2. Docker 部署（推荐）

FROM nvidia/cuda:12.1-runtime

挂载模型目录，避免重复下载。

六、存储与模型优化

• 模型放 NVMe SSD
• 使用 safetensors 格式
• 定期清理 models/Stable-diffusion

七、常见性能对比（参考）

八、快速推荐方案

✅ 最佳实践

• CentOS Stream 9
• RTX 3060+ / A10
• CUDA 12.1 + xformers
• ComfyUI / A1111 + API
• Docker 部署

如果你愿意，我可以：

• 给你 完整一键部署脚本
• 针对 你显卡型号 给具体参数
• 对比 ComfyUI vs A1111

你目前是 哪张显卡 + 什么用途（绘画 / 接口 / 批量）？