10分钟Window本地部署stable diffusion AI绘图【入门教程】

简介: 10分钟Window本地部署stable diffusion AI绘图【入门教程】

前言

自从Stable Diffusion在今年8月份开源以来,着实把AI绘图推向一个新的高潮,官网也同时发布了在线版本,大家可以去体验下。

**体验网址:**https://beta.dreamstudio.ai/dream


官网虽然说生图的速度很快,但每一次都需要消耗积分点,所以今天跟大家分享下,本地部署的方案,这样就没有数量的限制、不用排队、自由度也很高、可以随意修改配置、替换模型。


本地部署电脑的最低要求:


1、操作系统:Win10或者Win11,其他操作系统没测试过。


2、内存:16G及以上


3、显卡:最好是NVIDIA系列的,最低要求4G,当然了越高越好,不支持N卡1050以下的。


下面跟大家分享下具体的安装步骤,文中涉及的相关文件和教程放在文末,大家可以自行下载。

安装步骤

1、下载Stable diffusion WebUI


该项目是针对Stable diffusion的封装一个Web界面操作项目,这样方便我们调试prompt,及各种参数,可以提升生图的效率。


项目地址:https://github.com/Sygil-Dev/sygil-webui

2、下载模型

下载AI模型,用于生成图片的模型,该官网需要注册才能下载,大家自行注册下载就行,我这边下载的1.4版本的。此模型有4G,下载比较慢。


下载后把名字改为:model.ckpt,并放入文件夹stable-diffusion-main/models/ldm/stable-diffusion-v1。

下载地址:https://huggingface.co


3、下载WebUI【可选】


下载地址:


https://github.com/hlky/stable-diffusion-webui/archive/refs/heads/master.zip


操作步骤:


1、将.py的脚步移动到stable-diffusion-main的Scripts文件夹下;


2、将webui.yaml移动到stable-diffusion-main/configs/webui文件夹下;


3、拷贝其他文件到stable-diffusion-main根目录,替换所有文件。4、编辑environment.yaml

打开stable-diffusion-main根目录下的environment.yaml文件,并修改ldm为ldo,该名字是用于环境命令,大家可以自行修改。


5、下载Miniconda 3

到Miniconda官网下载并安装,记得选择所有用户。


下载地址:https://docs.conda.io/en/latest/miniconda.html

我这边下载的的版本是4.12.0版本。


6、下载面部修复模型与图片无损放大模型【可选】


a、下载面部修复模型,并放在以下文件夹下:


/src/gfpgan/experiments/pretrained_models/


下载地址:


https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth


b、下载图片无损模型,并发在以下文件夹下:


/src/realesrgan/experiments/pretrained_models


下载地址:


https://github.com/xinntao/Real-ESRGAN/releases/download/v0.1.0/RealESRGAN_x4plus.pth


https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth7、修改Miniconda路径

打开webui.cmd文件,并修改cutom_conda_path路径,如果是默认安装在C盘的,可以不用修改。

8、运行webui.cmd

直接双击webui.cmd文件,首次打开需要安装相关的依赖文件,比较慢,大约等待20分钟就好,这个根据大家网络情况不同。


最后控制台出现http://localhost:7860,就代表成功,拷贝该地址直接在浏览器打开就行。



好了,今天就跟大家分享到这边,祝大家玩的开心,文中相关文件与教程我已经打包好,已上传,点击下方!


安装包点击下载:Ai绘画Stable Diffusion安装包与教程WebUI版本文字生成图片


- End -


推荐阅读


盘点5个C#实用的Word、PPT、Excel、Mail第三方库


前端性能优化 - 静态资源合并与压缩减少HTTP请求


一个基于EntityFrameworkCore+Lucene实现的全文搜索引擎库


一个C#开发的非常实用的缓存中间件


推荐一个C#开发的、跨平台的解压缩的开源项,值得收藏


专注分享编程知识、热门有用有趣的开源项目

相关文章
|
1月前
|
人工智能 并行计算 安全
从零到一,打造专属AI王国!大模型私有化部署全攻略,手把手教你搭建、优化与安全设置
【10月更文挑战第24天】本文详细介绍从零开始的大模型私有化部署流程,涵盖需求分析、环境搭建、模型准备、模型部署、性能优化和安全设置六个关键步骤,并提供相应的示例代码,确保企业能够高效、安全地将大型AI模型部署在本地或私有云上。
403 7
|
3天前
|
人工智能 Java Serverless
阿里云函数计算助力AI大模型快速部署
随着人工智能技术的快速发展,AI大模型已经成为企业数字化转型的重要工具。然而,对于许多业务人员、开发者以及企业来说,探索和利用AI大模型仍然面临诸多挑战。业务人员可能缺乏编程技能,难以快速上手AI模型;开发者可能受限于GPU资源,无法高效构建和部署AI应用;企业则希望简化技术门槛,以更低的成本和更高的效率利用AI大模型。
33 12
|
2月前
|
人工智能 Serverless
AI助理精准匹配------助力快速搭建Stable Difussion图像生成应用
【10月更文挑战第7天】过去在阿里云社区搭建Stable Diffusion图像生成应用需查阅在线实验室或官方文档,耗时且不便。现阿里云AI助理提供精准匹配服务,直接在首页询问AI助理即可获取详细部署步骤,简化了操作流程,提高了效率。用户可按AI助理提供的步骤快速完成应用创建、参数设置、应用部署及资源释放等操作,轻松体验Stable Diffusion图像生成功能。
|
1天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
4天前
|
机器学习/深度学习 存储 人工智能
【AI系统】训练后量化与部署
本文详细介绍了训练后量化技术,涵盖动态和静态量化方法,旨在将模型权重和激活从浮点数转换为整数,以优化模型大小和推理速度。通过KL散度等校准方法和量化粒度控制,文章探讨了如何平衡模型精度与性能,同时提供了端侧量化推理部署的具体实现步骤和技术技巧。
22 1
【AI系统】训练后量化与部署
|
2天前
|
存储 人工智能 Serverless
方案测评 | 10分钟上手主动式智能导购AI助手构建
本文介绍了一种基于Multi-Agent架构的智能导购系统方案,利用百炼的Assistant API快速构建,旨在10分钟内完成搭建并实现精准的商品推荐。通过详细的操作指南,展示了从获取API Key、创建函数计算应用、部署示例网站、验证导购效果到集成商品检索应用等全过程,最后提出了关于文档完善、功能优化等方面的体验反馈。
|
28天前
|
人工智能 弹性计算 Serverless
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
本文介绍了零售业中“人—货—场”三要素的变化,指出传统营销方式已难以吸引消费者。现代消费者更注重个性化体验,因此需要提供超出预期的内容。文章还介绍了阿里云基于函数计算的AI大模型,特别是Stable Diffusion WebUI,帮助非专业人士轻松制作高质量的促销海报。通过详细的部署步骤和实践经验,展示了该方案在实际生产环境中的应用价值。
77 6
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
|
9天前
|
人工智能 监控 Serverless
《主动式智能导购AI助手构建》解决方案部署测评
在数字化时代,智能导购AI助手已成为提升客户体验和销售效率的重要工具。本文将基于个人体验,对《主动式智能导购AI助手构建》解决方案的部署过程进行详细评测。
29 3
|
1月前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
94 6
|
2月前
|
人工智能 数据安全/隐私保护 UED
RAG让AI大模型更懂业务解决方案部署使用体验
根据指导文档,部署过程得到了详细步骤说明的支持,包括环境配置、依赖安装及代码示例,确保了部署顺利进行。建议优化知识库问题汇总,增加部署失败案例参考,以提升用户体验。整体解决方案阅读与部署体验良好,有助于大型语言模型在特定业务场景的应用,未来可加强行业适应性和用户隐私保护。
68 5