在GPU云服务器中部署Stable Diffusion web UI

在GPU云服务器中部署Stable Diffusion web UI

1. 前言

最近在研究如何使用Controlnet细粒度控制Stable Diffusion生成满意的图片，无奈自己本地的显卡只有6G的显存，而Controlnet的Openpose功能需要10G以上的显存才能正常出图。于是只能租用GPU云服务器并将SD模型部署在服务器上，然后再通过本地浏览器访问。

2. 关于云服务器的选择

推荐这篇文章：GPU云服务器平台对比！哪家最值得推荐？
自己使用的是AutoDL，但是并没有使用它家自带的Stable Diffusion模型，还是自己从头开始部署。不太推荐这家，原因是如果使用按量计费，关机后经常会出现无卡可用的情况，尤其是3090这种热门卡。

3. 关于机器的选择

以AutoDL为例，注册完成后来到以下界面选机器：

一般来说，现阶段3090从价格、显存大小各个方面综合来看是比较好选择，当然也是经常被一抢而空。

关于计费方式，只推荐按量计费，很多有优惠的平台可以用1~2块/小时租到3090的显卡。除非是需要训练大模型，只是自己用的话不推荐包日/周/月，那价格1年自己都快能买一块了。按量计费的缺点就是关机后可能会因为空闲显卡不足无法正常开机。

AutoDL自带了NovelAI，但是实际使用起来可能会有各种错误，其中最多的是Python版本的问题。我这个时间点，它们的机器上自带的都是Python3.8，但是最新版本的stable-diffusion需要3.10的环境，所以不推荐用它自带的，而是选择如下的配置：

这里需要提一下，一些出场早一点的显卡可能会不让使用CUDA11.8的环境（如RTX3080），所以这里还是推荐使用3090及以后的显卡。

4. 部署Stable Diffusion

Python和CUDA

一般GPU服务器已经自带Python和显卡驱动，建议使用服务器厂商自带的，否则后续会出现很多问题。

检查pip源

这一步很重要。Stable Diffusion的更新速度很快，但是有一部分厂商的机器所使用的的pip源没有及时更新，没有SD所需要的一些依赖的最新版本，就会导致一直报错。

以autodl为例，我的机器默认使用了华为源，导致自己在后续安装依赖的时候facexlib和numpy一直找不到最新的版本，最后换成阿里源才成功解决，同时换源后记得再更新一下pip的版本。

具体的操作方式见：pip换源 -pip更换国内镜像源

下载Stable Diffusion web UI

在终端中输入以下命令，这里推荐部署在数据盘而不是系统盘，因为后续还需要下载各种模型，占用空间较大。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

如果连接超时，建议多试几次，因为git的连接有时很不稳定。

尝试运行Stable Diffusion

下载完成后，进入项目根目录，执行命令：

cd stable-diffusion-webui
COMMANDLINE_ARGS="--medvram --always-batch-cond-uncond --port 6006" REQS_FILE="requirements.txt" python launch.py

其中launch.py是执行脚本，medvram和always-batch-cond-uncond都是显存优化的参数；

port 6006指定进程运行在机器的6006端口上。因为autodl自带了一个对外暴露的服务，端口号为6006，所以这样设置。当然，也有其他的方法，会在后面说明；

最后的REQS_FILE是运行所需要的的依赖，命令执行后会自动安装依赖。

使用命令手动下载依赖

如果租用的是国内节点的云服务器，大概率会碰到各种连接失败和超时的问题。比如：

The TLS connection was non-properly terminated

如果出现这种问题推荐手动下载。

基础模型

首先在主目录下创建repositories目录：

mkdir repositories

Stable Diffusion web UI有四个依赖模型，需要分别下载。

StableDiffusion：

git clone https://github.com/CompVis/stable-diffusion.git repositories/stable-diffusion

taming-transformers：

git clone https://github.com/CompVis/taming-transformers.git repositories/taming-transformers

CodeFormer：

git clone https://github.com/sczhou/CodeFormer.git repositories/CodeFormer

BLIP：

git clone https://github.com/salesforce/BLIP.git repositories/BLIP

安装完成后再次执行命令，会自动安装剩下的依赖，当然后续也可能因为连接超时而报错：

COMMANDLINE_ARGS="--medvram --always-batch-cond-uncond --port 6006" REQS_FILE="requirements.txt" python launch.py

python库依赖

在安装依赖的时候也可能会因为网络而卡住，尤其是gfpgan库，这时候建议使用pip install命令手动安装依赖。如果出现类似以下错误：

No matching distribution found for facexlib>=0.2.5

这是因为无法从pip中获取最新版本的库，建议升级一下pip，并且检查一下pip源是否太久没更新。

本机下载依赖并上传到服务器

如果网络实在无法连接，则只能用本机下载模型并上传到服务器上。

在Stable Diffusion的依赖中有一个v1-5-pruned-emaonly.safetensors模型需要从huggingface网站中下载，但是终端的下载速度巨慢。按量计费每分每秒都是money，所以更推荐本地下载后直接上传到服务器。这里以autodl的服务器为例。

下载模型

网址：

https://huggingface.co/runwayml/stable-diffusion-v1-5/blob/main/v1-5-pruned-emaonly.safetensors

上传服务器

常规可以使用Xshell的方式，详情可以参加文档：AutoDL数据上传

我这里介绍通过阿里云盘（因为没有限速）的方式上传到autodl的服务器。

模型上传至阿里云盘，如果没有账号，需要先注册。

在控制台界面（开机状态），打开AutoPanel：

下载后的文件存放在数据盘的根目录中，进入数据存放的文件夹后，将模型移动到项目主目录：

mv v1-5-pruned-emaonly.safetensors stable-diffusion-webui/

后续其他模型都可以用这种方式上传至服务器。

5. 运行

前面所有依赖安装完毕后，在项目主目录下再次执行命令：

COMMANDLINE_ARGS="--medvram --always-batch-cond-uncond --port 6006" REQS_FILE="requirements.txt" python launch.py

如果出现以下输出则表示运行成功：

使用autodl的情况下，在控制台中点击自定义服务：

后面会出现提示，让进行实名，因为监管进一步收紧，如果不希望实名建议换其他服务器厂商。完成实名后就可以在本地浏览器中操作Stable Diffusion作画了。

界面如下：

Controlnet使用成功！

6. 参考