快来玩AI画图！StableDiffusion模型搭建与使用入门~

1前言

最近AI很火🔥，先是AI画图，然后就ChatGPT，后者我已经用了一段时间了，用来写作文挺不错的，但OpenAI屏蔽了中国IP，加上用户太多啥的，用起来没那么爽，但没办法全球只此一家，只能捏着鼻子用。而AI画图就不一样了，全是开源的，自己部署一下可以玩个爽~

正好我们这有台2080Ti的工作站，之前用来训练模型的，现在部署个画图应该轻轻松松，于是就开始了折腾之路~

2效果

先看看我生成出来的一些图片

3Stable Diffusion

AI画图有 Novel AI 、Disco Diffusion、Stable Diffusion等模型，为了快速上手，我选择了最简单的 Stable Diffusion ~

Stable Diffusion 是一个「文本到图像」的人工智能模型（AI 绘图工具），开源且能部署在家用电脑（对硬件要求不高）上。使用 Stable Diffusion，你可以在拥有 6GB 显存显卡，16GB 内存或只依赖 CPU 的电脑上生成图像，并且仅需几秒钟的时间，无需进行预处理或后处理。

GitHub上有个项目可以快速将 Stable Diffusion 用 docker 跑起来，还附带了 UI 界面，方便得很，本文用的就是这个项目。

项目地址: https://github.com/AbdBarho/stable-diffusion-webui-docker

4前置条件

Linux系统（炼丹绕不开的，推荐Ubuntu系；Windows可以借助WSL，但折腾）NVIDIA显卡，6G以上显存（当然AMD显卡或者没显卡用CPU跑也行，但不在本文讨论范围）CUDA版本 11.6 以上通畅的网络（能够正常访问GitHub、下载模型）

5配置docker网络

安装这个 Stable Diffusion 模型，需要下载很多模型，单纯基础模型和数据就得十几个GB，这些都是要从国外的服务器下载，所以为了安装顺利，先来配置一下docker的代理。

Dockerd 代理

在执行docker pull时，是由守护进程dockerd来执行。因此，代理需要配在dockerd的环境中。而这个环境，则是受systemd所管控，因此实际是systemd的配置。

sudo mkdir -p /etc/systemd/system

/docker.service.d

sudo touch /etc/systemd/system

/docker.service.d/proxy.conf

在这个 proxy.conf 文件（可以是任意 *.conf 的形式）中，添加以下内容：

[Service

]

Environment=“HTTP_PROXY=http://proxy.example.com:8080/”Environment=“HTTPS_PROXY=http://proxy.example.com:8080/”Environment=“NO_PROXY=localhost,127.0.0.1,.example.com”

其中，proxy.example.com:8080 要换成可用的免密代理。

Container 代理

在容器运行阶段，如果需要代理上网，则需要配置 ~/.docker/config.json。以下配置，只在Docker 17.07及以上版本生效。

{

“proxies”

: {

“default”

: {

“httpProxy”: “http://proxy.example.com:8080”

,

“httpsProxy”: “http://proxy.example.com:8080”

,

“noProxy”: “localhost,127.0.0.1,.example.com”

}

}

}

这个是用户级的配置，除了 proxies，docker login 等相关信息也会在其中。

Docker Build 代理

虽然 docker build 的本质，也是启动一个容器，但是环境会略有不同，用户级配置无效。在构建时，需要注入 http_proxy 等参数。

如果是通过 docker 命令启动的容器，可以使用以下命令

docker

build . \

–build-arg “HTTP_PROXY=http://proxy.example.com:8080/”

\

–build-arg “HTTPS_PROXY=http://proxy.example.com:8080/”

\

–build-arg “NO_PROXY=localhost,127.0.0.1,.example.com”

\

-t your/image:tag

不过我们一般使用 docker compose 工具，所以接着看看 compose 的配置方式

version: 3.9services:app:build: ./services/AUTOMATIC1111image: sd-auto:49environment:– CLI_ARGS=–allow-code –medvram –xformers —enable-insecure-extension-access –api

改成

version: 3.9services:app:build:context: ./services/AUTOMATIC1111args:–HTTP_PROXY=http://proxy.example.com:8080/– HTTPS_PROXY=http://proxy.example.com:8080/image: sd-auto:49environment:– CLI_ARGS=–allow-code –medvram –xformers –enable-insecure-extension-access –api

这样就搞定了~

Tips

配置完记得重启 docker daemon

sudo

systemctl daemon-reload

sudo systemctl restart docker

注意：无论是 docker run 还是 docker build，默认是网络隔绝的。如果代理使用的是 localhost:1234 这类，则会无效。

6CUDA

推荐使用 LinuxMint/Ubuntu 系统自带的驱动管理器安装最新的显卡驱动。

系统方面之前用的是 LinuxMint18(基于Ubuntu16.04) ，看了下 NVIDIA 的官方网站，这系统太老了，已经没办法用上新版驱动和CUDA了，所以我又花了一下午时间把系统升级到 LinuxMint21(基于Ubuntu22.04)，然后装上驱动，Ubuntu系装驱动真是方便，一键搞定，没有任何波折😃，而且驱动附带的 CUDA 也装上了，不用额外折腾，舒服了。

用 nvidia-smi 看看驱动信息

Thu Mar30 21:39:45 2023

+—————————————————————————–+

| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 ||——————————-+———————-+———————-+| GPU Name Persistence-M| Bus-Id Disp.A |Volatile Uncorr. ECC|| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. || | | MIG M. ||===============================+======================+======================|| 0 NVIDIA GeForce … Off | 00000000:C1:00.0 Off | N/A || 0% 30C P8 26W / 300W | 1350MiB / 11264MiB | 0% Default || | | N/A |+——————————-+———————-+———————-++—————————————————————————–+| Processes: || GPU GI CI PID Type Process name GPU Memory || ID ID Usage ||=============================================================================|| 0 N/A N/A 1394G /usr/lib/xorg/Xorg114MiB || 0 N/A N/A 3198 G cinnamon 38MiB || 0 N/A N/A 508973 C python 1192MiB |+—————————————————————————–+

CUDA版本是12，完美~😃

7搭建步骤

终于要开始搞了

先把代码 clone 下来

git clone https://github.com/AbdBarho/stable-diffusion-webui-docker.git

build step 1: 下载模型，需要十几个G的模型

（只要网络通畅，一次搞定没问题的）

cd

stable-diffusion-webui-docker

docker compose –profile download up –build

build step 2: 运行本体

这里是选择一套 UI 来启动，这个 auto 就是 UI 的名称，除了这个，还有 auto-cpu (没显卡用的)、 invoke 、sygil 这几个，我试了之后还是 auto 最好，功能最多。

invoke 的界面比较简洁，似乎速度也比较快，但很多模型和LORA之类的都没法用了~😑

直接 auto 吧，不要纠结

docker compose –profile auto

up –build

驱动、网络没问题的话，等它构建完可以看到类似的信息

stable-diffusion-webui-docker-auto-1 | Creating model from config: /stable-diffusion-webui/configs/v1-inference.yamlstable-diffusion-webui-docker-auto-1 | LatentDiffusion: Running in eps-prediction modestable-diffusion-webui-docker-auto-1 | DiffusionWrapper has 859.52 M params.stable-diffusion-webui-docker-auto-1 | Applying xformers cross attention optimization.stable-diffusion-webui-docker-auto-1 | Textual inversion embeddings loaded(1): pureerosface_v1stable-diffusion-webui-docker-auto-1 | Model loaded in 41.4s (calculate hash: 38.2s, load weights from disk: 1.6s, create model: 0.3s, apply weights to model: 0.3s, apply half(): 0.2s, load VAE: 0.8s).stable-diffusion-webui-docker-auto-1 | Running on local URL: http://0.0.0.0:7860

然后浏览器打开 http://ip:7860 就可以看到这个界面

输入 prompt 就可以画图了，这里我用了一个风光图的模型，画一幅风景画

如果跑不起来也没事，可以看看后面的「疑难解答」部分。

8如何使用

刚开始肯定一脸懵逼，咋画不出高大上的效果啊？

prompt模型

首先，得学会使用 prompt，也就是生成图片的描述，Stable Diffusion 通过英文文字内容来描述场景或物体，以此来决定生成的图像中会出现什么。文字描述是决定图像生成质量的关键因素。具体如何写 prompt 不在本文讨论范围，请自行搜索相关文章，网上很多。

模型是个统称，其中包含了Checkpoints、LORA、Texture之类的，不细说了，按照模型网站上的教程安装使用就行。

这几个网站可以按提示组合生成 prompt：

https://promptomania.com/stable-diffusion-prompt-builder/https://weirdwonderfulai.art/resources/disco-diffusion-modifiers/

这几个网站有很多人分享的成品图和描述文案：

https://prompthero.com/https://openart.ai/

然后模型的话，可以去这几个网站下载：

https://civitai.com/https://huggingface.co/

9疑难解答

failed to solve: rpc error:

报错信息failed to solve: rpc error: code = Unknown desc = failed to solvewith frontend dockerfile.v0: failed to solve with frontend gateway.v0: rpc error: code = Unknown desc= dockerfileparse error on line 8: unknown

instruction: cat (did you mean cmd?)

解决方案

https://github.com/AbdBarho/stable-diffusion-webui-docker/issues/190

修改 stable-diffusion-webui-docker/services/AUTOMATIC1111/Dockerfile

将第一行

# syntax=docker/dockerfile:1

改为

# syntax=docker/dockerfile:1.3-labs

然后加上 DOCKER_BUILDKIT=1 参数进行 build

DOCKER_BUILDKIT=1

docker compose –profile auto up –build

pip依赖安装失败

网络问题，虽然前面已经配置好了 docker 的代理，但 build 过程中不会走配置好的代理，需要添加 build args 再配置一次。

在 docker compose 配置中添加 build args 配置代理服务器。

参考文档: https://docs.docker.com/compose/compose-file/compose-file-v3/

修改 docker-compose.yml 文件

auto: &automatic<<: *base_serviceprofiles: [“auto”]build: ./services/AUTOMATIC1111image: sd-auto:49environment:– CLI_ARGS=–allow-code –medvram –xformers –enable-insecure-extension-access –api

改为

auto: &automatic<<: *base_serviceprofiles: [“auto”]build:context: ./services/AUTOMATIC1111args:–HTTP_PROXY=http://host:port/– HTTPS_PROXY=http://host:port/image: sd-auto:49environment:– CLI_ARGS=–allow-code –medvram –xformers –enable-insecure-extension-access –api

显卡驱动问题

报错信息

Error response from daemon: could not select device driver “nvidia”with capabilities:[[gpu]]

需要安装 NVIDIA Container Toolkit

参考文档:

https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#

setting-up-nvidia-container-toolkit

注意这个东西要求 cuda 版本 11.6 以上，如果没有请先更新 cuda 版本。

添加软件源distribution=$(. /etc/os-release;echo$ID$VERSION_ID) \ && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg –dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \ sed s#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

注意如果是使用 LinuxMint 之类的 Ubuntu 衍生版，请手动指定 distribution 环境变量为对应的 Ubuntu 发行版，比如我现在用的 Mint 21 相当于 Ubuntu 22.04，所以需要设置 distribution=ubuntu22.04

安装sudo apt install -y nvidia-container

-toolkit

配置sudo nvidia-ctk runtime configure–runtime=docker重启 docker daemonsudo

systemctl restart docker

10参考资料

项目地址 – https://github.com/AbdBarho/stable-diffusion-webui-docker基础入门博客 – https://newzone.top/posts/2022-09-05-stable_diffusion_ai_painting.html