3.Stable Diffusion WebUI本地部署和实践

        本文看了(68 封私信) 逼真的图片生产 | Stable Diffusion WebUI本地部署看这一篇就够了 - 知乎和(68 封私信) Stable Diffusion WebUI 实践: 基本技法及微调 - 知乎,本人根据它们部署了一遍,中间遇到一些报错,但根据报错提示解决了问题,最后部署成功,这里主要作为笔记用。

Windows自动安装步骤极简版

  1. 安装指定python版本3.10.6并添加到环境变量
  2. 安装git
  3. 下载stable-diffusion-webui。https://github.com/AUTOMATIC1111/stable-diffusion-webui
  4. 自动安装stable-diffusion-webui。运行 webui-user.bat 安装。
  5. 下载模型。SD模型以及CLIP模型。

在这里,第1和2步我就不做介绍了,直接从第3步开始介绍。

3.下载stable-diffusion-webui

stable-diffusion-webui 的 git 地址是:https://github.com/AUTOMATIC111

运行以下命令,clone到你的本地。下面的命令可以在conda 的powershell运行,也可以在Git Bash中运行。

git clone https://github.com/AUTOMATIC111

4.自动安装stable-diffusion-webui。运行 webui-user.bat 安装。

进入你刚下载的stable-diffusion-webui目录,双击运行 webui-user.bat ,然后让它自动安装即可。安装过程有些耗时,耐心等待。

安装完成后,双击 webui-user.bat 运行程序。如果不出意外的话,通常你会遇到报错。原因是你的本地此时没有任何模型,系统会尝试从huggingface下载,但是由于huggingface在国内被禁,因此会报错。

5.下载模型。SD模型以及CLIP模型。

为了让程序正常运行,我们需要下载一个Stable diffusion模型,还有一个CLIP模型。

下载Stable diffusion模型

进入ModelScope的模型仓库官网地址:https://www.modelscope.cn/models

直接搜索chilloutmix,就可以看到,直接下载没有套路。模型直达地址:https://www.modelscope.cn/models/Th

from modelscope.hub.snapshot_download import snapshot_downloadmodel_dir = snapshot_download('TheKernelZ/chilloutmix_NiPrunedFp32Fix', cache_dir='your_download_path')

如果自己电脑安装了git,可以直接clone模型地址下载模型。

下载完成后,你需要把模型放到 stable-diffusion-webui 目录下的 models 目录下的 Stable-diffusion 目录如下:

下载CLIP模型

下载完 Stable diffusion模型后,你双击运行 webui-user.bat,通常会报错,报错内容一般是"OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14' ..."我们需要下载clip-vit-large-patch14模型。

在ModelScope模型仓库搜索'openai/clip-vit-large-patch14',就能找到对应的模型。如果自己电脑安装了git,可以直接clone模型地址下载模型。下载完成后,我们需要将模型放到如下图的文件夹里面:

这个openai文件夹是手动新建的文件夹。

此时双击运行 webui-user.bat,如果没有WARNING,那么应该就可以使用了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/86831.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/86831.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

阿里最新开源:Mnn3dAvatar 3D数字人框架, 无需联网,本地部署可离线运行,支持多模态实时交互

Mnn3dAvatar 3D数字人框架是基于阿里巴巴开源的轻量级深度学习推理框架MNN(Mobile Neural Network)开发的全新3D数字人框架。Aibot亲测这是一个可以在本地运行、完全离线、支持多模态实时交互的智能数字人App。可以在本地私有部署。感兴趣的同学可以拿来…

03【C++ 入门基础】函数重载

文章目录 引言函数重载函数重载的使用函数重载的原理extern “C” 静态多态 总结 引言 通过00【C 入门基础】前言得知,C是为了解决C语言在面对大型项目的局限而诞生: C语言面对的现实工程问题(复杂性、可维护性、可扩展性、安全性&#xff0…

改写一个小项目: flask -------------------> next js

现在,请把上面改写代码的过程中,所有的过程,都写下来,写为文章的形式,内容比较长,你可以分多次输出。而且要求语言幽默,苦中作乐的心态。分条理,要清晰。一场从 Flask 到 Next.js 的…

线性相关和线性无关

在线性代数中,线性相关和线性无关是刻画向量组性质的核心概念,以下是关于它们的重要结论总结: 一、基本定义与核心判定 线性相关的定义 向量组 { α 1 , α 2 , … , α m } \{\alpha_1, \alpha_2, \dots, \alpha_m\} {α1​,α2​,…,αm​…

非常有科技感的wpf GroupBox 控件

效果 样式 <Style TargetType="GroupBox"><Setter Property="Margin" Value="10,5" /><Setter Property="Template"><Setter.Value><ControlTemplate TargetType="GroupBox"><Grid>&l…

【Java--SQL】${}与#{}区别和危害

目录 一区别 二SQL${}注入问题 一区别 在MyBatis中&#xff0c;#{}和${}是两种不同的参数占位符&#xff0c;用于在SQL语句中引用变量或参数。它们的区别如下&#xff1a; 1.#{}占位符&#xff08;预编译&#xff09;&#xff1a;#{}是MyBatis中的预编译占位符&#xff0c;…

【科技核心期刊推荐】计算机与数字工程

【论文发表利器】《计算机技术与工程应用》——工程技术领域的学术新天地&#xff01; 作为计算机技术与工程应用交叉领域的前沿期刊&#xff0c;《计算机技术与工程应用》期刊&#xff0c;聚焦算法、系统结构、信息融合与安全、图像处理等方向&#xff0c;为学术界提供了一个…

导出docker-compse.yml中docker镜像成tar文件

#!/bin/bash # 确保脚本在正确的目录下运行 SCRIPT_DIR$(dirname "$(realpath "$0")") cd "$SCRIPT_DIR" || exit 1 # 定义docker-compose文件路径 COMPOSE_FILE"${SCRIPT_DIR}/docker-compose.yml" # 创建导出目录 EXPORT_DIR"$…

ECMAScript 2019(ES2019):数组与对象操作的精细化升级

1.版本背景与发布 发布时间&#xff1a;2019年6月&#xff0c;由ECMA International正式发布&#xff0c;标准编号为ECMA-262 10th Edition。历史意义&#xff1a;作为ES6之后的第四次年度更新&#xff0c;ES2019聚焦于数组、对象和字符串操作的精细化改进&#xff0c;提升开发…

2.1.1 配置堡垒机以控制Linux资产文件传输

文章目录 一、试题及考试说明二、操作步骤1. 启动JumpServer服务&#xff0c;浏览器登录&#xff08;admin/Sjtu1896&#xff09;2. 创建堡垒机用户&#xff0c;用户名为“ops01”格式命名&#xff0c;邮箱以为“ops01jumpserver.cn”&#xff0c;使用密码“admin123”&#xf…

react ant-design通用页面自适应适配不同分辨率屏幕的方法工具类

该方法会根据 目标分辨率&#xff08;options.width/height&#xff09; 和 当前窗口尺寸&#xff08;innerWidth/innerHeight&#xff09; 计算缩放比例&#xff0c;并保持 等比例缩放&#xff08;Math.min(scaleX, scaleY)&#xff09;&#xff0c;确保内容不变形&#xff1a…

基于IEC61499实现的工业机器视觉方案

1.什么是机器视觉 机器视觉就是赋予机器看懂图像的能力。它是一门涉及人工智能、计算机科学、图像处理、光学、机械工程和自动化的交叉技术领域。核心目标是&#xff1a;通过摄像头或其他成像设备获取图像或视频&#xff0c;然后利用计算机算法对这些图像进行分析和理解&#x…

机电一体化论文写作实战指南:从创新设计到工程验证的完整路径

机电论文的“技术-表达”鸿沟 某高校团队研发的智能抓取系统实物表现优异&#xff0c;却被审稿人质疑&#xff1a; “未说明机电耦合设计对性能的影响”——这揭示了机电一体化研究的核心痛点&#xff1a;强工程弱理论。本文基于217篇高影响力论文&#xff0c;拆解从技术到写作…

MySQL 配置参数调优:根据工作负载调整服务器设置

MySQL 数据库的默认配置参数是为了适应各种通用场景而设定的,它们通常无法最大化发挥服务器硬件的潜力,也无法完全匹配特定应用程序的工作负载。一个未优化的 MySQL 配置,在面对高并发、大数据量或特定查询模式时,很容易成为系统性能的瓶颈。 配置参数调优,就是根据你的服…

嵌入式Linux驱动开发基础-2 LED驱动

imx6ull中GPIO涉及寄存器 1&#xff1a;CCM寄存器 GPIOx 要用 CCM_CCGRy 寄存器中的 2 位来决定该组 GPIO 是否使能。哪组 GPIO 用哪个 CCM_CCGR 寄存器来设置。 CCM_CCGR 寄存器中某 2 位的取值含义如下&#xff1a; 00 &#xff1a;该 GPIO 模块全程被关闭 01 &…

深度解析】使用Go语言实现JWT:从原理到实践

JWT&#xff08;JSON Web Token&#xff09;已成为现代Web应用中身份验证的基石。本文深入剖析如何用Go语言实现JWT&#xff0c;从基础概念、底层机制到完整代码实践&#xff0c;助你全面掌握。 一、JWT概述 JWT是一种开放标准&#xff08;RFC 7519&#xff09;&#xff0c;用…

深入解读 DeepSeek-V3 架构及落地的挑战

从多专家架构&#xff08;MoE&#xff09;到模型落地实战的一线观察 一、引言&#xff1a;DeepSeek-V3 是什么&#xff1f; 在大模型百花齐放的今天&#xff0c;DeepSeek-V3 作为 DeepSeek 系列的第三代开源模型&#xff0c;不仅延续了高质量对话能力&#xff0c;还在架构上迈…

前端进阶之路-从传统前端到VUE-JS(第二期-VUE-JS框架结构分析)

经过上期内容的学习&#xff0c;我们已经可以构建一个VUE-CLI框架了&#xff0c;接下来我们分析一下这个框架&#xff0c;毕竟知己知彼&#xff0c;百战百胜 我们创建完成后可以看到以下内容 接下来我们分析一下他的文件结构 node_modules用于存放项目所依赖的第三方模块和包…

网络协议 / 加密 / 签名总结

加密方式&#xff1a; 对称加密&#xff1a;key 不可公开。 非对称加密&#xff1a;公钥加密的信息只有私钥能解密。私钥加密的信息只有公钥能解密&#xff0c;且公钥只能解密私钥加密的信息&#xff08;用于签名&#xff09;。 非对称加密应用&#xff1a; 签名&#xff1a…

集成学习基础:Bagging 原理与应用

本文由「大千AI助手」原创发布&#xff0c;专注用真话讲AI&#xff0c;回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我&#xff0c;一起撕掉过度包装&#xff0c;学习真实的AI技术&#xff01; Bagging 介绍 1. 定义与全称&#xff1a; Bagging 是 Bootstrap Agg…