手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

Stable Diffusion AI 美女

如果你还不知道 Stable Diffusion 是什么的话,看看这张图片,这就是它的作品。

之前本站(xzhihui.pro)分享过可以免费使用Stable Diffusion绘画的3个网站,如果你还不知道,请点此文章查看。这三个网站可以免费生成AI图像,对一般用户来说足够用了。

但如果你对图像要求比较高,而且不差钱,你也可以选择在腾讯云或阿里云云端部署Stable Diffusion来跑图,也可以选择在本地电脑部署Stable Diffusion。

在本篇接下来的内容中,我会手把手教你在本地电脑上搭建 Stable Diffusion 环境,并生成第一张AI图像。

环境配置要求

Stable Diffusion主要分为两大部分:

  1. 第一部分是Stable Diffusion WebUI,它是一个可视化的操作界面,就相当于一个软件,我们跟着操作就可以生成AI图像。
  2. 第二部分是Model,也就是模型。在Stable Diffusion WebUI中,我们可以选择不同的模型,这样生成出来的图像会有不同的效果。Model你可以在本站model下载模块随意下载,想用哪个用哪个。这一点就不多做解释了,未来我们还会更细致的讲解Model的使用方法。

想要顺利运行Stable Diffusion WebUI和Model,对电脑配置有一定的要求。由于Stable Diffusion主要吃显存的,显存越大运行速度越快。而且电脑内存也不能太小,最好不小于16GB。

一般来说,Stable Diffusion的最低配置至少为:

  • GPU:4GB显存
  • CPU:4核
  • 内存:16GB

预算充足的情况下,你可以专门升级显卡,最差也得是3060ti,显存越大越好。CPU和内存够用就行。

如果你电脑没有GPU,或者GPU显存太小,那么也不用灰心,Stable Diffusion可以选择GPU模式和CPU模式,没有GPU用CPU运行跑图也是可以的,只不过速度相对于GPU来说比较慢,我之前完全使用的是CPU模式,4核CPU生成一张图片大约5分钟,玩一玩还是没问题的。

如果你是个新人,想要快速的创建几张AI图像玩一玩,我推荐你阅读《AI图像无限免费生成!Stable Diffusion初学者强烈推荐!》这篇文章,可以快速入门Stable Diffusion。

本地电脑部署 Stable Diffusion

Stable Diffusion 是一个开源项目,源代码可以直接在Github上获取到。但是直接从项目中启动,需要的环境资源非常多而且杂乱,所以推荐你用大佬们创建出来的整合包。这样你把整合包下载到本地安装好,就可以直接运行Stable Diffusion绘画了,省去了很多麻烦。

目前比较火的整合包有(放上链接以示尊重):

这里我用的是秋叶的整合包,你也可以在百度网盘下载,链接:https://pan.baidu.com/s/11Du5S4zPcMLO7WOG2UbDlw 提取码:izqc。

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

下载下来后总共有以上3种文件,我们先运行【启动器运行依赖】,把依赖项安装上,然后解压【sd-webui-aki-v4.1.zip】文件,Stable Diffusion的所有程序都在这个压缩包中。至于【可选controlnet1.1】文件夹,其中是一些Model模型,不是必须的,不用管它。

【sd-webui-aki-v4.1.zip】文件解压后,,运行【A启动器】,然后再点击【一键启动】即可启动Stable Diffusion。如下:

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!
手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

稍等片刻之后,会在浏览器中自动打开Stable Diffusion WebUI,界面如下,即说明安装成功了。

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

恭喜你,你现在可以进行AI绘画创作了!

接下来我将简单演示使用【文生图】功能创作一张AI图片,大家可以跟我一块实操。如果下列WebUI中有些设置选项你不是很清楚,先不用着急,后续的文章中我们会深度讲解Stable Diffusion的高级操作方法。

首先我们先选择几个基本的参数,输入到对应的文本框中:

  • Stable Diffusion模型:此处选择的是绘图model,你们刚安装完的应该是默认的Stable Diffusion v2.1模型,此处我使用了majicMIX realistic模型,这款模型生成出来的图片特别真实、漂亮。由于模型不一样,所以你们生成的图片可能跟我的有很大差别。
  • 正向提示词:(8k, best quality, masterpiece:1.2), (realistic, photorealistic, photo-realistic:1.37), ultra-detailed, beautiful detailed eyes, beautiful detailed nose,
  • 反向提示词:(EasyNegative:1.2),paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality, ((monochrome)), ((grayscale)), skin spots , acnes, skin blemishes, age spots, (outdoor:1.6), (manboobs), (backlight), (ugly:1.33), (duplicate:1.33), (morbid:1.21), (mutilated:1.21), (tranny: 1.33), mutated hands, (poorly drawn hands:1.33), blurry, (bad anatomy:1.21), (bad proportions:1.33), extra limbs, (disfigured:1.33), (more than 2 nipples), (missing arms: 1.33), (extra legs:1.33), (fused fingers:1.61), (too many fingers:1.61), (unclear eyes:1.33), bad hands, missing fingers, extra digit, (futa:1.16), bad body, NG_DeepNegative_V1_75T, (too many fingers:1.7), (bad hands:0.1), (extra fingers:1.9), (mutated hands:1.9), abdominal stretch, glans, {{fused fingers}}, {{bad body}}
  • 宽度:512
  • 高度:768
  • 随机数种子:2887709609

设置好参数之后,我们点击【生成】按钮。

如果你的GPU显存足够,图片会很快生成,如果你没有GPU,使用的是CPU模式,那么就会很慢,只能耐心等待。

片刻之后,SD给我生成了这张女神照片:

手把手教你在本地电脑部署Stable Diffusion生成AI图像!无GPU也能跑图!

你们生成的图片是怎样的,比一比呀!

看完本篇文章你应该已经入门AI绘画领域了,接下来你可以学习《关于Stable Diffusion模型你应该知道的所有知识!》,也可以学习《Ai绘图关键字大全》进一步学习AI绘画。

本文转载自https://www.xzhihui.pro/134625.html,本文观点不代表Python技术站立场。

(7)
上一篇 2023年7月11日 下午7:58
下一篇 2023年7月15日 上午8:18

相关文章

  • TF、Keras错误解决:TypeError: Cannot interpret feed_dict key as Tensor …… is not an element of this graph.

    原因:多线程情况下,model执行预测时的session、graph环境和加载时的不一致。 解决办法: 加载模型前,先执行 from tensorflow.keras import backend as K K.clear_session() 加载模型后获取session、graph,并保存: K.get_session()tf.get_default_gr…

    Keras 2023年4月8日
    00
  • 【零基础学会LTE】【3】LTE 36.212 咬尾卷积码详解

    //本文均属原创,转载请注明出处。 //本课程以36.212 v10.4.0为教材,请自行到3GPP网站下载。 //由于保密的原因,暂不提供代码查看。   模块作用:对控制信息和广播信道进行信道编码,增强鲁棒性。 相关模块:速率匹配 咬尾卷积码优缺点:克服了码率损失的问题,并且适合迭代译码,但是译码复杂度增加了。   本文主要介绍咬尾卷积码,协议上(v10.…

    2023年4月6日
    00
  • pytorch进行mnist识别实战

    mnist实战 开始使用简单的全连接层进行mnist手写数字的识别,识别率最高能到95%,而使用两层卷积后再全连接,识别率能达到99% 全连接: import torch from torch import nn from torch.nn import functional as F from torch import optim import torch…

    PyTorch 2023年4月6日
    00
  • 使用caffe的HDF5数据完毕回归任务

        一直在研究怎样用caffe做行人检測问题。然而參考那些经典结构比方faster-rcnn等,都是自己定义的caffe层来完毕的检測任务。 这些都要求对caffe框架有一定程度的了解。近期看到了怎样用caffe完毕回归的任务,就想把检測问题当成回归问题来解决。     我们把行人检測问题当成回归来看待,就须要限制检出目标的个数,由于我们的输出个数是固定…

    Caffe 2023年4月7日
    00
  • [Caffe]Jupyter notebook如何root

    sudo jupyter notebook –allow-root

    Caffe 2023年4月6日
    00
  • [ML从入门到入门] 支持向量机:从SVM的推导过程到SMO的收敛性讨论

      前言 支持向量机(Support Vector Machine,SVM)在70年代由苏联人 Vladimir Vapnik 提出,主要用于处理二分类问题,也就是研究如何区分两类事物。 本文主要介绍支持向量机如何解决线性可分和非线性可分问题,最后还会对 SMO 算法进行推导以及对 SMO 算法的收敛性进行简要分析,但受限于篇幅,本文不会对最优化问题、核函数…

    机器学习 2023年4月11日
    00
  • Pytorch 包下载

    https://blog.csdn.net/qq_27009517/article/details/81484662

    PyTorch 2023年4月8日
    00
  • CAFFE(FAQ.2):Ubuntu 配置caffe 框架之数据库读取,错误解决:ImportError: No module named leveldb解决办法

    Z: 在安装了caffe框架后需要读取大量的数据进行学习训练。比如在MNIST识别训练中,一般直接读图片会比较耗时,我们一般将图片转存为数据库中。目前主流的数据库有以下两种选择:   LevelDB   LmDB 如果我们需要的数据格式是LevelDB,我们需要执行以下命令 gedit^C/caffe/examples/mnist/create_mnist.…

    Caffe 2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部