废话不多说,直接开始
我该选择什么操作系统?
系统/容器类型 | 优点 | 缺点 |
Windows 原生运行 | 如果你常用windows那当然是方便了 | 有一定性能损失 |
WSL 1(别用) | 没 | 还用不了GPU |
WSL 2 | 是Windows,也是Linux,不用再安装系统,而且还能正常调用GPU | 有性能损失,而且对小内存不友好 |
Linux | 方便,性能强 | 没有用过的话还是有上手门槛,但能用Rocm(A卡)(但不介绍) |
MacOS | 没 | 你都用mac了还是忍忍吧 |
Docker | 方便配置环境 | 不是在用别人做好的包的话那就是各种问题了 |
配置环境
下载Conda
首先,安装Miniconda以配置环境,相比venv和其他方式,conda提供了一种更快捷更易复现的配置Python环境的方式,但是Anaconda本身体积较大,很多功能用不上,所以我们使用miniconda
下载站点 | 说明 |
https://repo.anaconda.com/miniconda/ | 官方 |
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ | 清华大学镜像 |
你可以无脑选择类似miniconda3-latest-xx这样的文件latest之后对应的是你的系统类型(Windows,MacOS,Linux),再下一个是你的系统架构(如果你看不懂这个的话这项一定是x86_64)下载,开始安装
注:你不需要添加path之类的,可以一路点继续。
安装好Miniconda之后,你可以在开始菜单文件夹或搜索中看到 Anaconda (Powershell) Prompt (conda),点击应该可以看到以(base)开头的命令提示符或Powershell,这就说明你安装成功了
额外操作:
如果你的国内网络环境不太好,可以在 这里 将源换为清华大学源。
如果你想通过普通的Powershell 或 命令提示符 直接运行conda,请在Anaconda (Powershell) Prompt (conda)中运行
conda init
注意,这样可能会降低他们的启动速度
检查显卡CUDA驱动(N卡)
首先,你肯定要有N卡,其次,你要安装好英伟达的驱动,然后在终端中运行
nvidia-smi
然后你会看到这样(差不多就行)的结果
*汉字是我写的备注
Fri Jun 9 14:46:36 2023
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 527.56 Driver Version: 527.56 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA P106-100 WDDM | 00000000:10:00.0 Off | N/A |
| 71% 30C P8 7W / 120W | 0MiB / 6144MiB | 0% Default |
| 你的显卡ID,型号, | 空闲现存/总显存 | 负载 N/A |
|风扇转速,温度,TDP等 | | |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found 当前占用你GPU的进程 |
+-----------------------------------------------------------------------------+
只要你能看到你的显卡和CUDA版本(右上角 CUDA Version)就可以了
安装Pytorch
首先我们先随便找个地方创建个文件夹来存放我们的环境和Stable Diffusion本体
目录结构,假设我们创建了StableDiffusion这个文件夹
StableDiffusion\stable-diffusion-webui
\.env
现在我们打开StableDiffusion这个文件夹,然后选择在终端中打开(如果你进行了额外操作2的话)
或者手动cd到此文件夹
输入
conda create --prefix ./.env python=3.10
将 python 3.10 安装到 .env 这个文件夹中
然后输入
conda activate .\.env\
激活刚才安装的环境
之后,你就发现你原来的(base)变成了环境的路径,这就说明你成功激活了环境
之后要激活环境也是同样的(就上一行)
然后在这里(Pytorch官网)选择你的系统,CUDA或CPU,pip或conda安装pytorch
稍作等待即可安装完成(如果你出现了网络问题,请自行解决)
安装Stable Diffusion WebUI
在这里下载最新的WebUI,然后解压在新创建的文件夹里(目录结构看上面),在终端中cd到这个目录,通过
python .\launch.py\
运行
如果你只能使用GPU,请使用下面的命令
python .\launch.py --no-half --use-cpu 11 --skip-torch-cuda-test
use cpu后的数字代表你愿意使用的核心数,请酌情输入
下载模型
经过了上一步,你还是不能使用Stable Diffusion,因为你没有安装模型。
这边推荐去https://civitai.com/下载模型,有checkpoint标签的就是了,将其放在stable-diffusion-webui\models\Stable-diffusion文件夹下就可以了
常用文件夹意义说明
StableDiffusion 这是按我说的最大的那一层目录
├.env 这是python运行环境目录
└─..stable-diffusion-webui 这是webui所在目录(下面的全在这个目录里,只写了部分文件)
├─launch.py 运行所用的py文件
├─outputs 运行后的输出文件夹
├─embeddings 放embedding的文件夹'TEXTUAL INVERSION'
└─models 模型文件夹
├─Stable-diffusion 底模所在的文件夹
└─Lora 放Lora的文件夹
Comments | NOTHING