GTX1660Ti 本地部署 Stable Diffusion踩坑记录

踩坑记录

通过GitHub以及csdn开始安装

先是进行搜索如何本地安装，找到了两种安装方法：一个是结合WebUI来进行本地部署；还有一个就是直接安装到本地通过代码段进行绘图。因为之前做毕设已经有过配置环境的经验，于是选择第二种，开始了踩坑。
这里主要是借鉴了一下二位大佬的安装记录，这里插入一下二位的指导链接。
链接: AI专业教您保姆级在暗影精灵8Windows11上本地部署实现AI绘画：Stable Diffusion（万字教程，多图预警）.
链接：当我让AI描绘古代男子谪仙外貌。。。

安装Anaconda，编译器以及CUDA、Cudnn

这里的话，大多数博主都是有教程的，我上面发的第一个链接也有详细的过程，这里就不再赘述。主要讲讲编译器的选择。

编译器

编译器的话可以选择Pycharm，但这个要么用盗版，要么你去搞个社区版都可以；也可以选择vscode，开源软件，直接下载插件进行编译也可以。**从颜值来说我个人更喜欢vscode，配置也不复杂，而且有轻量化的优点。**编译器的选择看个人喜好，没有什么区别，Pycharm编译会更加好，很多时候vscode会报错而Pycharm就可以直接执行。

CUDA与Cudnn安装，涉及电脑显卡的版本配置问题

不同显卡的cuda对应版本可以通过win+R再输入cmd，键入以下命令来看：

nvidia-smi

会显示如下信息：

其中Driver Version就是驱动版本，可以通过以下NVIDIA官网自行查阅兼容的CUDA版本：
CUDA与显卡Driver Version对应版本查阅
Cudnn则通过以下连接查询对应的CUDA版本下载：
Cudnn的下载以及对应CUDA版本的查询

再之后的安装可以参考其他博主这里不赘述。这里安装的是cuda11.1还有cudnn8.0.5。

本地部署

按照教程开始部署，总结来说为以下几步：

git克隆项目到本地（没有安装Git就直接Download ZIP）；

进入官网https://huggingface.co/CompVis/stable-diffusion-v-1-4-original下载sd-v1-4.ckpt权重模型（根据我查到的资料，还可以去添加其他模型，这个暂时还没尝试，因为还没通过这个模型抛出满意结果）；

在克隆文件的models/ldm下自行新建stable-diffusion-v1文件夹，并把下载的ckpt文件重命名为model.dkpt放进去。

以上就是本地部署的过程，如果运气好应该就可以直接搞定，当然一般是不行的，之后开始正式记录本人的踩坑过程。

踩坑实录

常见问题

详见连接：当我让AI描绘古代男子谪仙外貌。。。
其中还会碰到一个问题说是无法import clip，这个问题也好解决，直接pip install clip就可以了。

通过丐版的模型，虽然可以运行，显存也没有爆炸，仍然无法出图，于是开始尝试以下方法。

Pytorch版本问题

本来电脑就配置过pytorch1.8.0版本，但是这个项目主要针对RTX30系以上显卡，本人的是四五年前的GTX1660Ti，显存和算力以及可用CUDA均落后不少，所以开始自行魔改。

这里有一个很重要的经验是自己踩坑踩出来的：其他包的配置与pytorch的版本兼容要事先查好！！！要么你就先装好其他包再去装pytorch也有可能可以（这个只是看到有认识这么说，我自己踩坑了没有试过）

显卡问题，自己配置Pytorch版本

首先通过clone下来的environment.yaml，直接通过GitHub上面的介绍方法直接新建环境和配置：

conda env create -f environment.yaml

然后里面包也不多，但有些就是没有下载下来装上去，所以装完了之后在键入以下命令查看已安装包，在进行手动pip。

conda activate ldm
conda list

以上为官方方法，新建虚拟环境ldm并安装所需库，配置为cudatoolkit=11.3，pytorch=1.11.0，torchvision=0.12.0。这个环境对于我的显卡是超过的，我的电脑最多支持cuda11.1。虽然可以跑但是没有出结果，所以重新安装了我的电脑可以配置的pytorch版本。
通过pytorch官网查阅Pytorch查询下载语句查到可用版本1.8.0重新安装并配置。

Pytorch版本导致的包不兼容

一共有两个。
一个是pytorch-lightning，直接pip就会把我配好的torch直接卸载，折腾了我半天，试出来可以兼容pytorch1.8.0的是pytorch-lightning=1.2.0；
另一个是最后一个kornia，试出来兼容的是kornia=0.5.8。

Pytorch版本导致的丐版模型语句修改

这个主要是因为为了缩小模型计算量，用了经典的model.half()命令，以及涉及的包的变化问题。

现在进度

已经通过魔改在此可以运行程序，但是仍然跑不出来，跑出来就是这个样子：

现在还在找原因，等我填坑！！

开始填坑第一弹

一开始只能用pytorch1.8.0，或者说只能用cuda11.1，是因为电脑的显卡的驱动不高，因为电脑买的比较早，所以是457多一点，只能装cuda11.1。之后研究发现cuda的驱动是可以自己去官网下载升级的！直接把驱动搞到了最新，目前也没不兼容的问题，游戏也可以照常打，下面写昨天之后的安装过程。

升级NVIDIA驱动

通过这个链接进入官网NVIDIA官网驱动，会看到如下界面，按照自己电脑的显卡填入搜索即可，具体显卡型号可以通过打开NVIDIA的控制面板，点击左下角的系统信息之后就可以看到，我的是这样：

然后在官网界面填写并搜索，找到兼容的下载即可。

下载完成后，与cuda的安装类似，只不过这里直接精简安装就可以了，安装完你的驱动就已经是非常新的了，像我安装完之后，直接可以安装cuda12.1了。

再次安装CUDA与对应Cudnn

这个我一开始是在安装新的驱动之前，看了下cuda10.2是兼容pytorch1.11.0的，遂没有更新驱动，直接安装的cuda10.2，再次安装pytorch时却发现它安装渠道里面cuda10.2只支持到pytorch1.9，之后就都要cuda11及以上了……这里也是经验，以后安装要提前看好pytorch与cuda的对应版本到底有没有，不能直接看官网的previous version有安装语句就以为能装。

所以在升级完驱动之后，就直接安装了cuda11.3，这个版本能兼容pytorch的诸多版本，较为推荐，然后再去下载配套的cudnn就可以了，安装步骤上文已经写过了，这里我就不再多写。

配置pytorch以及其他所需包

这个就直接按照两个大佬链接里面去下载就可以了，更新完驱动这一步基本没有阻碍了，会碰到的问题之前也是都有写了。配置完成，成功能跑通，但是出来的图仍然是绿布。于是继续查有啥问题，不同的是这回我查到了而且成功解决！

出图是绿图，或者是黑图

这个我是看了很多，然后在一个教装stable-diffusion-webui的教程里找到的：NovelAi + Webui + Stable-diffusion本地配置，里面的最下面写了16系显卡可能的问题，就是把autocast关掉，要用全精度去计算就可以了。
根据我自己的研究调试，他出图包括计算过程中，会有报错说数据格式不对，我查阅了一下就是在计算梯度的时候会出现nan，然后导致计算失败，是在model.half()的过程中float32强转为float16可能遇到的问题，可以理解为这个项目压根没有考虑30系显卡之前可能有的算力不足以及显存不足的问题。

现在的话已经可以画图了，但是效果不好！待我再炼丹然后尝试安装stable-diffusion-webui后回来继续填坑！！！

兄弟们已经可以用了，webui版本的我也搞定了，不得不说有个UI界面好用多了，模型上传也方便，强烈推荐搞webui版本！这个版本我准备卸载了

更新安装webui版本

webui版本，可以理解为那个丐版里面，都有一个图形化UI界面的包gradio，在我原先装的那个丐版里面就有了一个简易的UI界面，webui这个版本的更全，还可以更换checkpoint(比较大的预训练模型)以及小的辅助模型lora等。
参考链接就是GitHub的开源模型：WEBUI
安装python3.10.6以及pytorch最新版本1.13，装完之后从上述链接直接用git clone或者下载压缩包解压；然后通过cd进入解压下来的stable-diffusion-webui目录下，并使用下面的代码来进行安装其他的必须包：

pip install -r requirements.txt

顺利的话就可以直接安装，如果出现问题，就手动打开txt对着列表一个个手动pip。
需要注意极大概率需要kexue上网才可以全部安装成功，我装的时候是手动然后还开了一个github加速器，就没碰到什么问题(直接搜fastgithub就可以找到这个加速器)
全部安装完成后，通过下面代码就可以运行：

python launch.py --autolaunch

运行完之后等一会就会有这样的界面：

去点击那个URI链接(VSCode中需要ctrl+鼠标左键单击，PyCharm好像直接单击就可以)，就会在你的默认浏览器中跳出如下的UI界面：

然后就自己输入文字调整参数来generate就可以啦！