✅作者简介：人工智能专业本科在读
  
  
  
  
  
  
  
 ，喜欢计算机与编程  
  
  
  
  
  
  
 ，写博客记录自己的学习历程               。

🍎个人主页：小嗷犬的个人主页

🍊个人网站：小嗷犬的技术小站

🥭个人信条：为天地立心
 


 


 


 


 


 


 


 
，为生民立命
 
 
 
 
 
 
 
，为往圣继绝学   
   
   
   
   
   
   
  ，为万世开太平
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  。

图像生成

Stable Diffusion Model 是一个基于扩散模型的图像生成模型














。早在模型刚刚兴起的时候
 

 

 

 

 

 

 

 
，博主就有所关注

 

 

 

 

 

 

 
，尝试过本地部署                ，但是由于设备硬件配置限制
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，最终也没有能够真正的在本地跑起来 
  
  
  
  
  
  
  
。

考虑到人工智能各个领域的模型都是往着大模型方向发展














，所以博主觉得如果当时跑不起来                       ，在不更新硬件的情况下 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，以后也没有机会再跑了
  
  
  
  
  
  
  
 。

当时各个在线 AI 图片生成平台生成的效果往往都不尽人意






















，并且不支持自己训练模型               ，博主就很长一段时间没有再关注这个领域了
 


 


 


 


 


 


 


 。

前几天偶然发现 AI 生成图片的效果有明显的提升  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，甚至可以说是有些惊艳了 
 
 
 
 
 
 
 
。于是博主在网上恶补了这段时间的相关知识














，发现进步似乎比我想象的还要大
   
   
   
   
   
   
   
 。

stable-diffusion-webui

stable-diffusion-webui 是 AUTOMATIC1111 大佬在 Github 上开源的一个专用于图片生成模型的 WebUI
  
  
  
  
  
  
  
 ，可以在本地部署  
  
  
  
  
  
  
 ，支持导入模型和自己训练
 

 

 

 

 

 

 

 。

重要的是
 


 


 


 


 


 


 


 
，该项目的部署方式非常简单
 
 
 
 
 
 
 
，不需要任何的编程基础   
   
   
   
   
   
   
  ，环境也会帮你自动配置好；GUI 的操作也非常简单
 

 

 

 

 

 

 

 
，所见即所得 

 

 

 

 

 

 

 
。

你所做的只是要安装 git

 

 

 

 

 

 

 
，下载项目                ，然后点击运行脚本
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，就可以了














，部署和使用门槛大大降低               。

Stable Diffusion Model

除了 stable-diffusion-webui 外                       ，我们还需要一个图片生成模型才能生成图片

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 。

模型可以自己训练 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，但我推荐第一次还是直接下载别人训练好的模型






















，这样可以直接体验














。各种的 Stable Diffusion 模型可以在 Civitai 上找到                       。

现在的各种模型对硬件要求各不相同               ，有的模型不仅效果好于从前  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，而且硬件要求也比原来更低了
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 。

博主使用的显卡为 NVIDIA GeForce RTX 3050 Ti Laptop GPU














，只有 4G 显存






















。以前的模型连生成 128x128 的图片都会爆显存
  
  
  
  
  
  
  
 ，现在的模型却可以生成 512x768 的图片               。

硬件门槛也没有以前那么高了
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  。

本地部署

本教程的设备要求：

显卡为 NVIDIA 显卡  
  
  
  
  
  
  
 ，显存大于 4G 硬盘空间足够 Windows 系统

安装 git

首先
 


 


 


 


 


 


 


 
，我们需要安装 git
 
 
 
 
 
 
 
，如果你已经安装了 git   
   
   
   
   
   
   
  ，可以跳过这一步














。

git 是一个开源的分布式版本控制系统
 

 

 

 

 

 

 

 
，用于敏捷高效地处理任何或小或大的项目 
  
  
  
  
  
  
  
。

git 的安装非常简单

 

 

 

 

 

 

 
，只需要在 git 官网 下载安装包                ，然后正常安装就可以了
  
  
  
  
  
  
  
 。

stable-diffusion-webui 需要使用它来自动配置环境
 


 


 


 


 


 


 


 。

项目下载

点击以下链接下载项目 release：

stable-diffusion-webui

项目部署

下载完成后
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，解压到任意目录














，然后双击运行 update.bat                       ，更新项目为最新版本 
 
 
 
 
 
 
 
。

当出现以下信息时 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，说明项目已经是最新的：

然后双击运行 run.bat






















，运行项目
   
   
   
   
   
   
   
 。首次运行会安装环境               ，所以需要等待一段时间
 

 

 

 

 

 

 

 。环境安装时出现错误通常属于 GitHub 的连接问题  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，可以自行设置代理 

 

 

 

 

 

 

 
。

安装的环境是 Pytorch 和 CUDA 以及一些 Python 第三方库和 Github 上的项目














，安装过程中会自动下载               。stable-diffusion-webui 自带 Python
  
  
  
  
  
  
  
 ，所以不需要自己安装 Python 环境

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 。

当出现以下信息时  
  
  
  
  
  
  
 ，说明 WebUI 已经运行在本地了：

在浏览器中访问 local URL
 


 


 


 


 


 


 


 
，即可打开 WebUI














。

模型导入

将 .safetensors 或 .ckpt 后缀的模型文件放入以下目录下
 
 
 
 
 
 
 
，然后重启 WebUI 即可                       。

sd.webui/webui/models/Stable-diffusion/

多个模型之间还可以通过 WebUI 切换
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 。

中文支持

在 WebUI 的 Extentions 中   
   
   
   
   
   
   
  ，选择 install from URL
 

 

 

 

 

 

 

 
，输入以下 URL

 

 

 

 

 

 

 
，点击 install：

https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN

安装完成之后                ，在 Settings 的 User interface 中
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，选择 Localization (requires restart)














，选择 zh-CN






















。

回到 Settings 最上面点击 Apply settings                       ，然后点击 Reload UI               。

UI汉化效果：

其他内容的安装

Lora 文件可以放在sd.webui/webui/models/Lora/下 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，通过 Prompt 输入 Lora 指令使用 VAE 文件可以放在sd.webui/webui/models/VAE/下






















，在设置的 Stable Diffusion 版面设置模型的 VAE extensions 文件可以放在sd.webui/webui/extensions/下               ，通过 WebUI 的 Extentions 版面启用 textual inversion 文件可以放在sd.webui/webui/embeddings/下  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，通过 Prompt 输入关键词使用

相关资源都可以在 Civitai 上找到














，可以自行下载               、安装
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  、体验
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  。

一些生成图片的展示

以下图片来自相同模型
  
  
  
  
  
  
  
 ，使用同一 Prompt 进行随机生成：

图片被判定违规  
  
  
  
  
  
  
 ，图片效果请见：小嗷犬的技术小站 - AI生成图像竟如此真实了？Stable Diffusion Model本地部署教程

不同采样方法之间的比较

同一模型可以选择不同的采样方式进行采样
 


 


 


 


 


 


 


 
，生成的图片也会有所不同














。

以下图片都来自相同模型














、相同 Prompt 
  
  
  
  
  
  
  
、相同 Seed 的生成结果
 
 
 
 
 
 
 
，只是采样方法不同   
   
   
   
   
   
   
  ，其他参数完全一致 
  
  
  
  
  
  
  
。

图片被判定违规
 

 

 

 

 

 

 

 
，对比图片效果请见：小嗷犬的技术小站 - AI生成图像竟如此真实了？Stable Diffusion Model本地部署教程