无需本地部署 在线使用Stable Diffusion Webui 使用共享模型

Posted 2023-04-06 Kerry_Blue

尝试本地部署Stable Diffusion的时候遇到了很多的麻烦，自己训练AI也非常的麻烦，可以尝试使用Webui使用别人上传的模型

第一步进入网站https://github.com/camenduru/stable-diffusion-webui-colab

向下拉到readme

第一个 stable_diffusion_webui_colab，点击左边Open in Colab的图标

跳转到Google Colab的网站，这一步需要谷歌账号注册，方法可以参见我的上一篇文章http://t.csdn.cn/BV9Ya

点击上方任务栏中的“代码执行程序”

点击更改运行时类型

选择GPU

保存之后，点击“代码执行程序”“全部运行”

会经过一段时间的下载和安装

拉到下方，会给你一个public URL 点击它

选择上面的Civitai，就可以选择模型了

这里可以选择你想应用的模型

进入网站civitai挑选，浏览各种当下最火的模型https://civitai.com/

以Dreamshaper为例，回到刚刚的public URL

Content Type选择对应的Checkpoint，勾选Search by term，在右边的Search Term里填Dreamshaper，点击Get List，Loading完之后下面的model中选择Dreamshaper，点击下面的Download model

回到Colab页面，程序提示在下载安装了，会需要一会

提示Successfully Downloaded之后，回到Public URL页面

可以进行创作了

有些博主分享图片的时候会把prompt和参数一起分享了，Civitai中的一些图片可以点击右下角的i查看

可以参考

需要元素法典的话也可以留言让我分享

AI生成图像竟如此真实了？Stable Diffusion Model本地部署教程

✅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。

---

本文目录

• 图像生成
• stable-diffusion-webui
• Stable Diffusion Model
• 本地部署
• • 安装 git
  • 项目下载
  • 项目部署
  • 模型导入
  • 中文支持
  • 其他内容的安装
• 一些生成图片的展示
• 不同采样方法之间的比较

---

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