市场上有许多应用程序可用于AI绘画，例如Dall-E，Midjourney，Novelai等。其中大多数依赖云服务器，其中一些也需要支付会员费来购买更多图片。 2022年8月，一个名为“稳定扩散”的应用程序通过算法迭代将AI绘画的细度提升到了新的水平，并且可以在几秒钟内完成输出，并且还可以在计算机上使用“平民”图形卡运行。

通过稳定的扩散，可以绘制各种样式的作品，例如动画样式，插图，中国风格的墨水绘画，3D建模，甚至是照片级别的逼真图像。借助诸如Lora和ControlNet之类的衍生功能，您还可以准确地控制艺术风格，角色细节，姿势，动作，构图等。更重要的是，它是完全开源的，这意味着您可以在计算机上部署整个程序，并使用它来绘制图片和绘制图片和绘画是完全免费的，并且是无限的！市场上大多数商业级AI绘画应用程序都是基于SD开发的。

尽管稳定的扩散非常实惠，但仍具有某些配置要求。它需要一张具有足够性能的独立图形卡，以提供绘图的计算能力。实际上，“跑步”和“快乐地玩耍”是两种不同的经历。计算能力的差异将极大地影响在AI绘画中绘画时绘图生产的效率。正是由于这种情况，许多学生错过了由于个人计算机的紧急配置而经历稳定扩散的机会。等一下，您知道JD Cloud吗？ JD Cloud GPU Cloud主机是一种弹性计算服务，可提供GPU计算能力。它具有超强的平行计算能力，可在深度学习，科学计算，图形和图像处理，视频编码和编解码器等中广泛使用，为您提供指尖内的计算能力，从而有效地减轻了计算机压力，可以提高业务效率，并极大地扩大了扩展，可帮助您快速构建异型计算应用程序。

经过一系列探索，我为您汇总了一组Nanny Collection教程，这些教程为零，并且非常易于使用JD Cloud GPU gpu Cloud主机来部署和安装稳定的扩散WebUI及相关工具和插件。请检查。

一、创建GPU主机实例

1.1 创建GPU云主机

JD Cloud GPU云主机的标准配置包括Tesla P40 24G图形卡，12核48G，并且运行稳定扩散的经验非常好。配置建议如下：

配置

推荐

阐明

系统

Ubuntu 20.04 64位

规格

GPU标准P.N -P.N1P40.3XLARGE

12核48G NVIDIA TESLA P40 24G图形记忆

系统磁盘

100克

系统磁盘建议100克

带宽

5m

推荐5m

1.2 创建安全组并绑定

首先在左菜单[安全组]中创建一个安全组，然后在[Inbound规则]和[出站规则]中分别添加和打开端口7860、7861、8080和8888。在

然后在实例详细信息中，单击[安全组] – [绑定安全组]以绑定您刚创建的安全组。

二、环境安装

2.1 安装GPU驱动

在NVIDIA的官方网站中，根据图形卡型号，操作系统，CUDA等查询驱动程序版本。官方网站QUERY QUERY QUERY LINK 3https://WWW.NVIDIA.com/download/index.aspx？如果未安装CUDA，则可以先选择一个版本，然后以后安装CUDA。

单击搜索

如上图所示，适当的版本为510。然后，您可以使用APT安装相应的驱动程序版本，该版本更方便地使用APT安装。

安装510版驱动程序APT安装NVIDIA-DRIVER-510查看驱动程序信息NVIDIA-SMI如果安装成功，则可以显示以下提示信息。

2.2 安装CUDA

访问NVIDIA开发人员网站，并首先选择CUDA版本（该版本必须对应于GPU驱动程序在2.1中支持的CUDA版本），然后根据操作系统选择相应的CUDA安装命令。访问链接https://Developer.nvidia.com/cuda-toolkit-archive

如果上面安装，请确定与所选驱动程序相对应的CUDA版本为11.6。根据安装命令进行安装。以下命令适用于Ubuntu 20.04 x86_64，GPU驱动程序版本510

wget https://Developer.download.nvidia.com/compute/cuda/repos/repos/repos/repuntu2004/x86_64/cuda-ubuntu2004.pinsudo mv cuda-ubuntu2004.pin/et e https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda-repo-ubuntu2004-11-6-6-local_11.6.2-510.47.03-1.03-1_amd64.debsudo dpkg-i cuda-repo-ubuntu2004-11-6-local_11.6.2-510.47.03-1_amd64.debsudo apt-apt-key add/var/var/cuda-repo-ubuntu2004-11-6-6-6-6-6-6-6-6-local/7fa2af80.pbubsudo appsudo apt-apt-get-get-get-get-get-get-get-get-get cptaipaud-get-get catpet-get cat强烈建议使用Anaconda。 Anaconda可以轻松获取软件包并管理软件包，还可以管理可以通过Python环境统一管理的分布。安装命令也非常简单：

wget https://repo.anaconda.com/archive/anaconda3-2023.03-1-linux-x86_64.shbash ./anaconda3-2023.03-13-1-1-linux-x86_64.sh

conda create -n python3.10.9 python==3.10.9conda激活python3.10.9

2.3 安装Python 3.10

首先查询Pytorch官方网站上的相应的CUDA版本。例如，在上面的第2.2章中，CUDA 11.6要求安装pytorch1.13.1

使用Conda安装，选择两种安装方法之一conda安装pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch -cuda=11.6 -c pytorch -c pytorch -c nvidia torchvision==0.13.1 – extra-index-url https://Download.pytorch.org/whl/cu116

2.5 安装PyTorch

注意，首先激活Python 3.10环境：

conda激活python3.10.9，然后下载稳定的扩散- webui

git克隆https://github.com/automatic1111/stable-diffusion-webui.git

三、部署Stable Diffusion WebUI

cd到稳定的- 散至- webui目录以安装相应的依赖关系。如果有网络访问超时，失败等，请注意，国内源将在第2.3章中设置。如果再次失败，请重试几次可以完成安装。

CD稳定-Diffusion-webuipip install -R Eunctirs_versions.txtpip install -r sumplion.txt

3.1 下载stable-diffusion-webui

完成后，安装完成后，执行以下启动命令：

Python启动.py- listen-enable-Insecure-Extension-Access此步骤将下载一些常用的模型。如果遇到下载失败，请根据错误提示下载ginggingface.co的模型，然后将其放入相应的目录中。例如，下载稳定的扩散-V1-5型号。搜索并查找https://HuggingFace.co/runwayml/stable-diffusion-v1-5/tree/main

单击图中的下载按钮，然后下载v1-5-pruned-emeonly.safetensors到稳定的- 散射webuui/models/stable-diffusion目录。同样适用于其他模型。下载模型，然后再次执行启动命令。它提示它已经开始端口7860，并且可以通过IP+7860端口访问：

建议为公共网络设置访问密码，请注意，以下命令中的用户名：Password替换为用户名和密码。

python aunplion.py-listen-enable-Insecure-extension-access -gradio-auth用户名：Password上面的命令在后台不运行。如果您需要在后台运行，则可以使用NOHUP，TMUX和其他方法来实现它。

3.2 安装依赖

将模型下载到/稳定- 扩散webuui/型号/稳定- 扩散目录。该模型可以在https://civitai.com/上找到，如下图中使用的Majicmix现实模型。下载完成后，单击左上角的“刷新”按钮，然后选择刚下载的模型，输入促销和参数以生成图片。

附加上图中使用的促销和参数提示

1女孩一个24岁的女人，金发，黑暗的主题，舒缓的音调，柔和的色彩，高对比度，观看观众，对比，充满活力，充满活力，强烈，令人惊叹，在午后的阳光下被捕获，使用佳能EOS EOS R6和16-35mm捕获每个细节，并在下午的下午阳光下捕捉到所有细节和角度

（变形，扭曲，毁容，Doll:1.3），绘制不佳，解剖学不良，解剖学错误，额外的肢体，肢体缺失，浮动的肢体（突变的手和手指：1.4），脱节的肢体，突变，突变，突变，丑陋，丑陋，丑陋的，杂乱无章，柔和，铺设，杂物，铺设，铺设，铺设，铺设，3. （变形，扭曲，毁容：1.3），绘制不佳，解剖结构不良，解剖学错误，额外的肢体，缺失的肢体，浮动的肢体，其他参数

3.3 启动stable-diffusion-webui

3.4 使用stable-diffusions生成图片

使用Lora的基本插件，其他网络可用于控制CheckPoint+Lora或多个Lora型号来生成混合风格的图像，并可以设置Lora模型的重量。安装方法如下：

Open stable-diffusion-webui, click [Extensions]- [Install from URL] Enter https://ghproxy.com/https://github.com/kohya-ss/sd-webui-additional-networks.git and click [Install] to wait for installation until it is displayed in [Installed], and then directly restart stable-diffusion-webui (not reload稳定的扩散- Webui）。强烈建议通过在安装完成后重新启动稳定的扩散- Webui重新启动所有插件，这可以节省很多麻烦。最后，单击[设置] – [其他网络]输入LORA文件夹的绝对路径，例如/root/stable-diffusion-webuui/models/lora（例如，请填写您的系统路径），然后[reload ui]等待重新启动完成。

然后，您可以在[txt2img]或[img2img]中选择LORA模型，并设置要使用的权重。

四、常用相关工具与插件

作为稳定扩散的必备插件，ControlNet允许用户精心控制生成的图像以获得更好的视觉效果。 ControlNet将AI绘画的可控性变成了定性突变，从而使Agics可以真正投入生产和使用中。打开稳定- 扩散- webui，单击[扩展] – [从URL安装]输入3https://ghproxy.com/3https://github.com/mikubill/mikubill/sd-webui-controlnet.git.git，然后单击[安装]以等待安装，直到在[安装]中显示出[安装]，然后直接启动star starbable-nest-unife-diff-diff-diff-diff-diff-diff-diff-diffu（使用命令。由于ControlNet使用了许多模型，因此默认情况下将在重新启动过程中下载。如果下载失败或失败，则需要手动将其下载到ControlNet目录。访问huggingface.co查找ControlNet的地址：https://HuggingFace.co/lllyasviel/controlnet-v1-1/tree/main/main

手动将上面的型号文件下载到稳定的扩散- Webui/Extensions/sd-webui-controlnet/型号目录，并查看下载的ControlNet模型：

下载完成后，重新启动稳定- 扩散- Webui，可以在[txt2img]或[img2img]中使用。

4.1 安装LoRa插件Additional Networks

Jupyter Notebook是一个基于Web的交互式环境，可用于编辑和运行Python代码以视觉上查看运行结果。同时，它提供基本的文件树操作功能等。如果在第2.4章中安装了Anaconda，请使用以下命令直接运行笔记本

jupyter笔记本- allow-root -notebookapp.toke.token=\’设置您的令牌\’访问IP+8888端口，您可以开始使用笔记本

4.2 安装ControlNet

KOHYA_SS是用于训练稳定扩散模型的公认可视化工具。它特别适合Windows平台支持。尝试直接在Linux上使用它后，您将遇到各种环境问题。为了避免这些问题，建议使用Docker安装它。首先根据Docker官方文件安装Docker。 Ubuntu安装Docker文档：https://docs.docker.com/engine/install/ubuntu/由于docker容器中需要GPU资源，NVIDIA容器工具包也需要安装

sudo apt-get update \\ sudo apt-get install -y nvidia-container-toolkit-base检查安装是否成功nvidia-ctk- version-version和下载kohya_ss：

git克隆https://github.com/bmaltais/kohya_ss.git如下图所示。将KOHYA_SS/DOCKER-COMPOSE.YAML端口修改为0.0.0.0.0.0.0:7861:7860（地图映射kohya_ss的7860港口的7861端口到主机的7861端口，因为7860将被7860占用，因为7860将被稳定的diffusion webufusion-poxs-poxs-pormand-pormand-wory-poarns-wory-operand wory-operns-wory-selecks-witer-selecks tosexs-selects-selects-selects-selects组成xxxx-头部\’，请注意，xxxx被您需要设置的帐户密码替换

然后执行

Docker组成的构建第一个执行需要构建Docker构成运行-Service-Service-ports kohya-ss-gui。模型文件将从huggingface.co下载。如果下载失败，您可以尝试将其手动下载到目录kohya_ss/.cache/user/huggingface/hubgingface/hub/models-openai-clip-vit-vit-large-patch14/snapshots/snapshots/8D052A0F05F05EF05EFBBAEFBC9E8786BA291CFDFDF93E3E5BFF。请将最后一个哈希值更改为相应的版本。下载地址https://HuggingFace.co/openai/clip-vit-large-patch14/tree/main，请下载所有文件

下载完成后，然后访问端口+7861，您可以开始使用KOHYA_SS训练该模型。

4.3 Jupyter Notebook