本文主要讲述Ubuntu部署Stable Diffusion WebUI应用的部署教程，及在部署过程中可能遇到的问题及解决方法。
1. 部署教程
本次安装教程使用的系统配置是:
CPU ：10核，内存：220GB
GPU ：L20， 显存：48GB，1张
系统：Ubuntu 22.04.3 LTS，Python版本：3.10.13
①安装pytorch(安装教程使用的是torch2.2.0+cuda12.1)
pip install torch torchvision torchaudio
(生成安装pytorch命令相关链接：https://pytorch.org/)
②下载Stable Diffusion WebUI项目下载到你自己的目录下：
Git clone GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI
若上述代码报错，则可手动将项目下载到本地，解压后上传至自己的目录
③安装程序需要的依赖
定位到下载的Stable Diffusion WebUI项目，然后依次执行如下命令：
pip install -r requirements_versions.txt
pip install -r requirements.txt
pip 安装包缓慢可换源解决，以下是一些国内的pip源：
阿里云：https://mirrors.aliyun.com/pypi/simple/ 中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban)：http://pypi.douban.com/simple/ 清华大学：Simple Index命令格式：pip install <packetname> -i <sourceUrl>
如：pip install modelscope -i
启动Stable Diffusion WebUI项目，运行如下命令：
python launch.py
注意：运行时程序也会安装很多依赖包，若安装依赖包安装缓慢或装不上，可以单独找出来pip install XXXX(包名)
项目中自带的模型路径：models/Stable-diffusion/v1-5-pruned-emaonly.safetensors。
若出现如下显示，说明程序启动成功了。
这步就可访问webUl了。。
2. 可能遇到的问题及解决方法
问题1：listen开启后，安装扩展插件时报错：AssertionError: extension access disabled because of command line flags
解决1：python launch.py --enable-insecure-extension-access 加入这个参数即可。
问题2：报错信息：
解决2：这个错误表示在您的系统上缺少 libgthread-2.0.so.0 共享库文件。具体解决方法如下：
①检查库文件路径：确认 libgthread-2.0.so.0 库文件是否存在于系统中，并且在正确的路径上。您可以使用命令 locate libgthread-2.0.so.0 或者 find / -name libgthread-2.0.so.0 来查找库文件。
如果找到了库文件，请确保路径被正确配置；您可以通过设置 LD_LIBRARY_PATH 环境变量来指定库文件的搜索路径。例如，如果库文件位于 /usr/local/lib 目录下，您可以执行以下命令来设置环境变量：
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
如果没找到库文件，您可以尝试使用以下命令安装 libglib2.0-0 包来获得该库文件：
sudo apt-get install libglib2.0-0
问题3：git报错:SSL certificate problem:self signed certificate in certificate chain
解决3：添加如下代码：
export GIT _SSL_NO_VERIFY=true
git config --global http.sslVerify "false"
问题4：一直在install requirements
解决4：具体执行代码在这里：stable-diffusion-webui-master\modules\launch_utils.py
打开requirements_versions.txt，用如下命令行依次去手动安装依赖包：
pip install XXXX(包名)
问题5：clip报错或下载缓慢
解决5：可根据提示的下载地址自行手动下载，具体是运行如下代码:
git clone GitHub - openai/CLIP: CLIP (Contrastive Language-Image Pretraining), Predict the most relevant text snippet given an image
然后放入指定文件夹，放到如下地址：
stable-diffusion-webui\stable-diffusion-webui\venv\Scripts
问题6：报错:Could not load library libcudnn_cnn_infer.so.8. Error: libnvrtc.so: cannot open shared object file: No such file or directory
解决6：运行如下命令：
cd yourenv/lib/python3.10/site-packages/torch/lib
ln -s libnvrtc-672ee683.so.11.2 libnvrtc.so
问题7：报错:TypeError: 'NoneType' object is not subscriptable
解决7：这个报错一般是在stable-diffusion软件成功安装并运行后出现的。一般是显卡的显存太小导致的，如果GPU显存比较小，建议不要画太大的图片，如果只有4GB的显存，又要画2000*3000的图片，肯定会报错的。将画面调小一点，例如调成512*512或者512*768对于4GB显存来说一般都没问题。
问题8：torch.cuda.OutOfMemoryError: CUDA out of memory.
解决8：这个报错是典型的显存不足，例如4GB显存的显卡，画968*968分辨率图像是正常的，画968*1152的分辨率图像也是正常的，画968*1264图像就报上面的错误了。
问题9：点“生成”按钮就退出程序，报错如下：
解决9：修改webui-env.sh，将原来的内容修改为如下内容：
export COMMANDLINE_ARGS="--skip-torch-cuda-test --upcast-sampling --no-half-vae --use-cpu interrogate --no-half"
问题10：报错:Torch is not able to use GPU
解决10：修改webui-user.bat文件，将原来的内容修改为如下内容：
注意：这是使用CPU去渲染图片，会非常慢。
问题11：报错:
解决11：添加git的全局设置
问题12：使用自己训练的Stable Diffusion模型无法生成图片
解决12：解决步骤如下：
①检查模型超参数：确保模型超参数设置合适。不合适的超参数可能导致模型无法生成图片。可以考虑调整学习率、批量大小等参数，以找到最适合当前任务的设置。
②改善训练数据集质量：如果训练数据集质量不足，也可能导致模型无法生成图片。可以尝试对数据进行预处理，如归一化、去噪等，以提高数据质量。同时，确保数据集的多样性，以使模型更好地泛化。
③检查模型架构：确保模型架构具有良好的数值稳定性和梯度流动性。数值稳定性对于避免在训练过程中出现NaN值至关重要，而梯度流动性则有助于更好地优化模型参数。
问题13：训练Stable Diffusion模型时NaNs Unet报错
解决13：解决步骤如下：
①检查训练过程中的损失函数：如果在训练过程中发现损失函数溢出，这可能导致NaNs Unet报错。可以尝试降低学习率，以减少优化过程中的振荡，从而避免损失函数溢出。
②使用Batch Normalization等技术：Batch Normalization等技术可以帮助解决梯度消失/爆炸问题，从而避免NaNs Unet报错。它可以使每一层的梯度保持在一个相对稳定的范围内，从而避免梯度消失或爆炸。
③处理异常值：如果输入数据存在异常值，这些异常值可能导致计算过程中出现NaN值。可以使用数据标准化等预处理方法，将输入数据处理为正常范围内的值，从而避免NaNs Unet报错。
④调试和详细分析：解决这些问题需要进行详细的调试和分析。可以通过打印关键变量的值、逐步执行代码等方式，找到导致问题的具体原因。然后根据具体原因，尝试不同的解决方案，直到问题得到解决。
总结
本文是一篇详细的Ubuntu系统上Stable Diffusion WebUI应用的部署教程，旨在为用户提供从环境配置、安装步骤到常见问题及解决方法的全面指南。文章主要分为两部分：### 部署教程
1. **系统配置**：推荐使用具有较高配置的服务器，包括10核CPU、220GB内存、单张L20 GPU（48GB显存）以及Ubuntu 22.04.3 LTS系统和Python 3.10.13版本。
2. **安装过程**：
- **PyTorch安装**：通过pip安装PyTorch及相关库（torchvision, torchaudio），详细命令和版本信息可从PyTorch官网获取。
- **Stable Diffusion WebUI获取**：使用Git从GitHub克隆项目（`AUTOMATIC1111/stable-diffusion-webui`），如遇到Git SSL证书问题，可设置跳过SSL验证。
- **依赖安装**：在项目目录中执行`pip install -r requirements_versions.txt`和`pip install -r requirements.txt`安装依赖。若无法在PyPI高效下载，可替换为国内源。
- **项目启动**：运行`python launch.py`启动Stable Diffusion WebUI，成功启动后可访问其Web界面。
### 可能遇到的问题及解决方法
文章详细列出了在部署和运行过程中可能遇到的一系列问题及相应的解决策略，包括但不限于：
- **扩展插件访问错误**：通过添加`--enable-insecure-extension-access`参数解决。
- **缺少libgthread-2.0.so.0**：通过确认文件路径、设置LD_LIBRARY_PATH环境变量，或直接安装libglib2.0-0包。
- **Git SSL证书问题**：通过设置环境变量`export GIT_SSL_NO_VERIFY=true`及全局git配置禁用SSL验证。
- **requirements安装进度停滞**：手动进行依赖包安装。
- **CLIP报错或下载缓慢**：手动下载CLIP项目并放置到指定路径。
- **CUDA库文件缺失**：通过创建符号链接解决。
- **显存不足问题**（`TypeError`、`torch.cuda.OutOfMemoryError`）：调小企业生成图像的分辨率。
- **程序异常退出**：通过修改环境变量脚本来解决特定错误信息。
- **无法使用GPU的Torch问题**：修改为CPU渲染模式，但注意这会显著降低性能。
- **模型使用与训练错误**：如无法使用自己训练的模型或训练过程中出现NaN报错，通过检查参数设置、数据质量和模型架构等方式解决。
通过详尽的步骤和问题解决方案，本文为Stable Diffusion WebUI应用在Ubuntu系统上的高效部署提供了有力支持。