怎样在Linux上安装Stable Diffusion

Linux上安装Stable Diffusion的简明步骤
一 环境准备

• 硬件建议：NVIDIA 显卡（显存≥4GB，推荐8GB+）、内存≥16GB、可用存储≥20GB（建议 SSD）。
• 基础工具：安装 Python 3.10、Git，并准备 CUDA/cuDNN 与对应版本的 PyTorch（后续由脚本/容器自动匹配更稳妥）。
• 验证命令：nvidia-smi（查看驱动与 CUDA 版本）、python3 --version、git --version。
• 说明：以下步骤以 Ubuntu/Debian 为主，也给出 CentOS/RHEL 的关键差异。

二 方法一 原生安装 AUTOMATIC1111 WebUI（推荐）

• 安装依赖
• Ubuntu/Debian：

sudo apt update
sudo apt install -y python3.10 python3-venv python3-dev git

• CentOS/RHEL（或兼容发行版）：

sudo yum install -y git
# 可编译安装 Python 3.10.6 或使用 conda 管理环境

• 获取代码与创建虚拟环境

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
python3 -m venv venv
source venv/bin/activate

• 安装依赖与启动

pip install -U pip
pip install -r requirements.txt
# 可选：使用 xFormers 加速（NVIDIA 显卡）
echo 'export COMMANDLINE_ARGS="--xformers"' >> webui-user.sh
./webui.sh

• 访问界面：浏览器打开 http://127.0.0.1:7860；如需局域网访问，放行防火墙端口（如 sudo ufw allow 7860/tcp）。

三 方法二 Docker 部署（更干净、易迁移）

• 安装 Docker 与 NVIDIA 容器支持（Ubuntu/Debian 示例）

sudo apt update
sudo apt install -y docker.io nvidia-driver-535 nvidia-container-toolkit
sudo systemctl restart docker
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

• 准备数据与模型目录

mkdir -p ~/stable-diffusion/{models,outputs}

• 启动容器（使用官方镜像）

docker run -d --gpus all \
-p 7860:7860 \
-v ~/stable-diffusion/models:/app/models \
-v ~/stable-diffusion/outputs:/app/outputs \
--name sd-webui \
ghcr.io/automatic1111-webui/stable-diffusion-webui:latest

• 访问界面：http://localhost:7860。

四 模型放置与常用优化

• 放置模型：将权重（如 v1-5-pruned-emaonly.safetensors）放入 models/Stable-diffusion，刷新 WebUI 即可使用。
• 显存与速度优化：
• 添加启动参数 --xformers 提升速度与显存效率（NVIDIA）。
• 显存不足时使用 --medvram 或降低分辨率；依赖冲突时重建虚拟环境再安装。

五 常见问题与排查

• CUDA 内存不足：添加 --medvram、降低分辨率或批量大小。
• 依赖冲突：在干净的 venv/conda 环境中重装依赖。
• 模型加载失败：核对模型文件完整性与路径，必要时校验 SHA256。
• 国内网络慢/失败：为 git 与 pip 配置镜像源（如清华源）或使用代理。
• 远程访问失败：放行防火墙端口（如 7860/tcp）并使用服务器 IP:7860 访问。