Stable-Diffusion的WebUI部署实战

1、环境准备及安装

1.1、linux环境

# 首先，已经预先安装好了anaconda，在这里新建一个环境
conda create -n sdwebui python=3.10
# 安装完毕后，激活该环境
conda activate sdwebui

# 安装
# 下载stable-diffusion-webui代码
apt install wget git python3 python3-venv libgl1 libglib2.0-0
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui 
bash webui.sh -f

2、运行

安装完成前期的环境准备之后，之后每次运行只需要：

conda activate sdwebui
cd stable-diffusion-webui
bash webui.sh -f
# 或者按照如下方式，将sd放在后台执行
nohup bash webui.sh -f >> nohup.log 2>&1 &

该种方式会将进程运行在本地，可以通过ip+port的方式直接在网页上访问。也可以通过如下方式进行简单的改造：

# 编辑webui-user.sh脚本
vim webui-user.sh
# 在终端中输入“i”进入编辑模式，移动到 COMMANDLINE_ARGS，并将其修改为：
export COMMANDLINE_ARGS="--listen --share --enable-insecure-extension-access"

参数说明：

--listen：将本地连接从127.0.0.1修改为0.0.0.0，即可通过服务器 IP:7861进行访问
--share：生成可供外网访问 Gradio 网址。
--enable-insecure-extension-access：使用--listen时，webui出于安全考虑会禁止用户在UI页面添加插件，添加该参数可允许用户添加插件。
--mdevram或 --lowvarm:降低显存消耗
PS：windows下的同理，在webui-user.bat中修改即可

成功页面：

3、自定义模型

初步安装完成后，打开webui，可以看到左上角自带的模型。

模型的分类大概有如下几种：

CheckPoint
Checkpoint 是 Stable Diffusion 中最重要的模型，也是主模型，几乎所有的操作都要依托于主模型进行。所有的主模型都是基于 Stable Diffusion 模型训练而来.
主模型后缀一般为 .ckpt 或者 .safetensors，并且体积比较庞大，一般在 2G - 7G 之间。放置在 webUI 目录下的 `models/Stable-diffusion` 目录下。 LoRA/LyCORIS
LoRA 是除了主模型外最常用的模型。LoRA 和 LyCORIS 都属于微调模型，一般用于控制画风、控制生成的角色、控制角色的姿势等等。
LoRA 和 LyCORIS 的后缀均为 .safetensors，体积较主模型要小得多，一般在 4M - 300M 之间。一般使用 LoRA 模型较多，而 LyCORIS 与 LoRA 相比可调节范围更大，但是需要额外的扩展才可使用。放置在 `models/LoRA` 目录下。 Textual Inversion
Textual Inversion 是文本编码器模型，用于改变文字向量。可以将其理解为一组 Prompt。
Textual Inversion 后缀为 .pt 或者 .safetensors，体积非常小，一般只有几 kb。放置在 `embeddings` 目录下。 Hypernetworks
Hypernetworks 模型用于调整模型神经网络权重，进行风格的微调。
Hypernetworks 的后缀为 .pt 或者 .safetensors，体积一般在 20M - 200M 之间。放置在 `models/hypernetworks` 目录下。 ControlNet
ControlNet 是一个及其强大的控制模型，它可以做到画面控制、动作控制、色深控制、色彩控制等等。使用时需要安装相应的扩展才可。
ControlNet 类模型的后缀为 .safetensors。放置在 `models/ControlNet` 目录下。
使用时我们需要先去 Extensions 页面搜索 ControlNet 扩展，然后 Install 并 Reload UI。然后便可以在 txt2img 和 img2img 菜单下找到。 VAE
VAE全称是变分自动编码器 (Variational Auto-Encoder)，是机器学习中的一种人工神经网络结构。VAE在sd模型中负责微调，类似我们熟知的滤镜，调整生成图片的饱和度。
默认的sd-webui页面并没有VAE的设置，需要进入：Settings->User interface->Quick settings list，在输入框中添加sd_vae。然后依次点击Apply settings和Reload UI。随后就会在webui中看到对应区域。

下载好上述模型之后，可以在页面上直接通过标签进入选中，可以直接prompt使用：