本文介绍如何部署Stable Diffusion WebUI工具前端和Stable Diffusion训练模型，实现高质量AI图片生成，掌握整个AI作画推理流程及关键参数对图片输出的影响。

AIGC简介

AIGC（AI generated content）是一种利用AI技术自动生成内容的生产方式，代表着AI从理解语言、理解文字、理解图片和视频，走向了生成内容，是一种‘人机共创’新模式。

软件版本

• NVIDIA驱动：本例使用Tesla 571.71，Cuda 11.7。
• Python：编程语言，并提供机器学习库Numpy等。本例使用Python 3.10.6版本。
• PIP：通用的Python包管理工具。本例使用PIP 22.3.1版本。
• Git：分布式版本控制系统。本例使用Git 2.38.1版本

使用说明

• 为使Stable Diffusion WebUI与模型顺利运行，推荐实例配置为 12GB 显存，且内存大于 16GiB ，使支持的图片更大、预处理效率更高。
  本例选用ecs.ini2.7xlarge计算规格，搭载NVIDIA A30 GPU卡，显存24GB，内存为234GiB。
• 下载本例所需软件可能需要访问国外网站，建议您增加网络代理（例如FlexGW）以提高访问速度。您也可以将所需软件下载到本地，参考本地数据上传到GPU实例中。

步骤一：创建GPU计算型实例

请参考通过向导购买实例创建一台符合以下条件的实例：

• 计算规格：ecs.ini2.7xlarge
• 镜像：Windows Server 2019 数据中心版 64位中文版（GPU）
• 弹性公网IP：勾选“分配弹性公网IP”按钮。

步骤二：安装Python和PIP

1. 远程连接云服务器并登录，具体操作请参考通过控制台登录Windows实例
2. 登录Python网站。
3. 滑动页面至最下方，单击“Windows installer (64-bit)”，下载Python安装包，包中已内置PIP。
   
4. 双击安装包，启动安装流程，在如下页面勾选“Add Python to PATH”后，单击“Install Now”。
   
5. 打开“命令提示符”，执行Python -V命令，回显如下，表示安装成功。
   
6. 执行python -m pip install --upgrade pip -i https://mirrors.ivolces.com/pypi/simple/命令，将PIP升级至最新版本。
   

步骤三：安装Git

1. 登录Git网站。
2. 选择“Windows”，单击“64-bit Git for Windows Setup”，下载Git安装包。
   
3. 双击安装包，启动安装流程，连续单击“Next”按钮，完成安装。
4. 进入“Git CMD”，执行git --version命令，回显如下，表示安装成功。
   

步骤四：下载NVIDIA驱动

1. 卸载镜像中内置安装的GPU驱动，请参考卸载NVIDIA驱动（Windows）。
2. 安装适配Cuda 11.7的GPU驱动Tesla 571.71版本，请参考安装GPU驱动（Windows）。
   
3. 安装Cuda驱动11.7版本，请参考安装CUDA工具包（Windows）。
   

步骤五：安装Stable Diffusion UI

打开“Git cmd”，执行git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git命令。
回显如下，表示下载成功。

步骤六：下载训练模型Stable Diffusion

1. 登录Stable Diffusion代码库，单击“Files and versions”页签。
2. 下载“sd-v1-4.ckpt”训练模型，需下载到\stable-diffusion-webui\models\Stable-diffusion\目录。
   
   
3. 进入\stable-diffusion-webui\目录，双击运行webui-user.bat文件。
   
4. 双击后开始下载脚本，根据网速不同，大约需要20分钟 - 2个小时不等，因此可能长时间保持在下图状态，请耐心等待，一定不要关闭CMD窗口。只要窗口最下方没显示类似“按任意键关闭窗口”的提示，脚本就依然在正常运行。
5. 回显如下，表示下载完成。
   
6. 使用浏览器打开http://127.0.0.1:7860，注意不要关闭CMD窗口。

步骤七：生成图片

1. 在http://127.0.0.1:7860中配置相关参数。

   参数	说明	取值示例
   Sampling Steps	AI推理的步数，步数越多画面中的细节就越多，需要的时间也就越久，一般设置20~30。	20
   Sampling method	AI推演的算法，一般可以选择Euler a、Euler 、DDIM。	Euler a
   图片分辨率	取决于显卡，低于512 X 512画面不会有太多细节。	512*512
   扩展选项	Restore faces：可以生成更真实的脸，第一次勾选使用时，需要先下载几个G的运行库。 Tiling：可以平铺图片，类似瓷砖，生成的图案左右上下都可以无缝衔接。 Highres. fix：让AI用更高的分辨率填充内容。	不配置
   Batch count	运行次数。	1
   Batch size	同时生成图片的张数。	1
   CFG Scale	设置的越高，AI越严格按照设定生成图片，但也会有越少的创意；设置的越低，AI就会有更多的创意。一般设置为7左右。	7
   Seed	生成每张图片时的随机种子，作为确定扩散初始状态的基础，一般保持默认。	-1

2. 单击“生成”按钮后，即会获得一张本地AI生成的图片，以及图片产生用时和GPU利用率，如下图所示。