版本20230118 Powered By Annix

本文档是我上一篇文档的更新（https://www.bilibili.com/read/cv20466834）。

由于作者水平有限，文档中难免有些问题。如果你发现了问题或者有更好的建议，非常感谢你向我提出！

本文档为滚动更新，更新日志我会放在前言章节下的目录板块中。我会不定期更新此文档，更新频率取决于我的个人时间安排。

文档制作不易，如果你觉得这篇文档对你有帮助，希望大家三连支持一下，非常感谢！

Stable Diffusion是一款功能异常强大的AI图片生成器。它不仅支持生成图片，使用各种各样的模型来达到你想要的效果，还能训练你自己的专属模型。

WebUI使得Stable Diffusion有了一个更直观的用户界面，更适合新手用户。

但是，国内复杂的网络环境使得Stable Diffusion的安装变得比较麻烦，下载模型与调试问题也会比较费事。网上的信息也比较零散，在此做一个统一的整理。

人话君：不会还有人在用大佬整合包吧（笑

备注：后续若还有未解决的问题，我会列在此处。

Stable Diffusion2.0（或2.1）由于是刚发布的版本，其专属模型在国内还没有快速下载地址，但可以通过下载加速器（如迅雷、Aria2Ng等）获得较快的下载速度。如果有网友放出了国内的镜像地址，我会尽快放出。

目前的简体中文补丁尚不完善，仍然有些地方（特别是扩展的翻译）不是简体中文。如果有新的语言补丁放出，我会尽快更新。

部分模型或扩展功能安装后可能会因为出错而无法使用。

运行Stable Diffusion需要消耗较大的资源，对显卡的要求尤其高（至少4GB的VRAM）。所以，如果你没有较好的硬件资源，你可能需要在百度飞桨（https://aistudio.baidu.com/）或Kaggle（https://www.kaggle.com/）这些网站上搭建服务器以获得免费的硬件资源。

误区：很多网上的资料里的安装方法里都写了需要安装Anconda等其它程序，其实并不需要，不要把其它版本的Stable Diffusion和AUTOMATIC1111的Fork混为一谈，安装这些不必要的程序。这将节省不少步骤。

对于显存较小的显卡，安装之后可能需要优化以获得更佳的性能。有关详细信息以及具体安装方法，我会附在文中。

在以下步骤中，我使用Windows环境（Powershell）来做说明，Linux命令与Powershell命令大致相仿（Linux命令中使用的斜杠是正斜杠，而Powershell正好相反。所以在Linux下执行命令时，请把反斜杠换成正斜杠），如果有特殊的地方，我会单独作说明。

版本20221213：初版，同时也是放在Bilibili（https://www.bilibili.com/read/cv20466834）上的第一个版本。

版本20221218：新增“更新日志”、“学习网址推荐”以及“模型简介”板块并完善内容。修正了部分语法错误以及不准确的地方，修补了不完整的内容。

版本20221219：进一步完善内容，并增加Nvidia GeForce GTX 16系列显卡问题的解决方案以及“模型简介”板块。

版本20221226：修复有关于Torch的致命问题，添加“Torch”板块。

版本20230118：优化了一下语言（人话多了点，写文档没必要那么死板）。

（人话君：6）

版本20230217：前几天，我又仔细研究了一下Stable Diffusion，发现了先前版本的文档存在很多因我理解不够透彻而导致的漏洞，并在这个版本中修复了。同时，我会将这篇文档重新发布到Bilibili上。

首先，我们需要安装Git。对于我们下一步的克隆来说，这是一个必不可少的工具。Windows的安装程序在https://registry.npmmirror.com/-/binary/git-for-windows/v2.38.1.windows.1/Git-2.38.1-64-bit.exe下载（实际Git版本并不影响使用，这里使用的是Git 2.38）下载之后安装。Linux则需要用到软件包管理工具（因发行版而异）。我拿Ubuntu举例：

# apt install git

然后，我们需要安装Python 3.10。这是官方文档上指定的版本，Windows的安装程序在https://mirrors.huaweicloud.com/python/3.10.9/python-3.10.9-amd64.exe下载（Python 3.10.9）。如果你使用的是Linux，则可以使用包管理工具安装，并升级到最新版PIP：

# apt install python3 python3-pip python3-venv

# python -m pip install --upgrade pip

注意：

Windows下安装Python时，请务必勾选“Add Python to PATH”，以后我们调度Python时会方便很多。

如果你选择的是自定义安装，请务必在安装组件选择中勾选PIP（Python的包管理工具，无论是在接下来的安装中还是后续的使用中，我们都需要用到它）。

由于Linux不同的发行版默认软件包版本不同，不保证一定是3.10，故如果通过软件包管理器安装的Python版本不符，需要自行下载编译。

注意：

CUDA需要搭配Nvidia显卡驱动进行安装和使用。如果你使用的是AMD显卡，则需要使用Ort。详细安装及搭建方法请自行搜索。

在安装CUDA之前，请确保你已安装Nvidia显卡驱动。不同的驱动版本固定搭配不同的CUDA版本（下面的步骤我使用的是Nvidia Driver 516.94+CUDA 11.7.1）。当然，如果你想使用更新的驱动，你也可以自行搜索其搭配的CUDA版本。

如果你使用的是Nvidia显卡，则需安装CUDA。这是几乎所有的AI在Nvidia显卡上都需要的东西。Windows下，在这里下载安装：https://developer.download.nvidia.cn/compute/cuda/11.7.1/local_installers/cuda_11.7.1_516.94_windows.exe（版本11.7.1，搭配Nvidia驱动516.94）进行下载安装，Linux可以在https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Linux选择适合你的发行版的版本安装。

在Windows下，安装CUDA一般只用根据安装程序的提示就可以安装了。如果你不想安装太多冗余的东西，则可以只在安装选项中勾选Runtime和Development（如果你不知道如何操作，可以在安装完成后再在系统设置中卸载）。

PyTorch也是Stable Diffusion不可缺少的依赖包，它主要用于拓展CUDA的功能。

注：PyTorch原本是可以在后面统一安装的，但它拥有特殊的版本依赖关系，所以我单独列出一个板块来介绍其安装方法。

就像不同的Nvidia驱动版本固定搭配不同的CUDA版本一样，不同的Torch版本也固定搭配不同的CUDA版本使用（下面的步骤中我使用PyTorch-1.13.1+CUDA11.7）。

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

如果你使用的是不同版本的CUDA，你可能需要去https://pytorch.org/get-started/locally/查看你对应的Torch安装版本及安装命令（如下图）。

Dev-Sidecar（可选，建议）

虽然我们使用了Ghproxy进行了Git加速，但还是可能由于网络原因导致克隆速度变慢。但是安装了Dev-Sidecar之后，就基本不会再出现这个问题了。

注：这个程序是可选的，如果你觉得不需要安装，可以直接跳到Step2。

Windows环境下可在https://ghproxy.com/https://github.com/docmirror/dev-sidecar/releases/download/v1.7.3/DevSidecar-1.7.3.exe下载，Linux环境下可以在https://ghproxy.com/https://github.com/docmirror/dev-sidecar/archive/refs/tags/v1.7.3.zip下载源代码进行编译（版本1.7.3）。

注：顺带说一下，这个项目在国内现已被Gitee封杀，在国内不通过特殊手段是无法下载的。开发者很不容易，希望各位也能支持一下开发者。

如果以上程序都已安装完毕，就可以进入下一步了。

打开Windows终端（Powershell，不是CMD）。首先，检查磁盘的剩余空间（一个完整的Stable Diffusion大概需要占用30~40GB的剩余空间），然后进到你选好的磁盘或目录下（我选用的是Windows下的D盘，你也可以按需进入你想克隆的位置进行克隆）：

cd D:  # 此处亦可输入你想要克隆的地址

注意：由于在Linux下不能使用Root用户来运行Stable Diffusion，故需切换到普通用户来进行克隆。

然后使用Git克隆AUTOMATIC1111的stable-diffusion-webui（这里我是用了Ghproxy在国内进行加速）：

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

克隆完成后，进入到克隆好的目录。

cd .\stable-diffusion-webui

在国外，安装Stable Diffusion比较简单，但是由于国内的网络环境，安装过程中可能会遇上不少麻烦。

编辑“launch.py”（此处我是用的是Visual Studio Code。如果你需要，可以点击这里进行下载，Linux则需要用到你安装好的文本编辑器，例如Vim）。

code .\launch.py

替换所有的https://github.com为https://ghproxy.com/https://github.com 。这里也是利用Ghproxy进行代理，加速国内Git。

注意：不要使用“全部替换”！当Code把所有的https://github.com替换过一遍后，就不必把https://ghproxy.com后面的https://github.com再替换一遍。

人话君：在菜单中依次选择编辑->替换，在弹出的小窗里的”查找”框里填上https://github.com，“替换”框里填上https://ghproxy.com/https://github.com，再按10下回车键即可（

替换完成后注意保存。

编辑完之后，我们需要进入Stable Diffusion自带的Venv虚拟Python环境以进行配置和安装依赖。由于刚克隆下来的Stabe Diffusion没有附带Venv，所以我们得先执行一遍如下命令，以创建一个Venv环境。

python -m venv .\venv

创建完成以后，我们进入到venv目录中的Scripts文件夹（Linux下是venv目录中的bin目录）：

cd .\venv\Scripts

执行其中的“activate.bat”。

.\activate.bat

如果你使用的是Linux，则需要执行这个命令。

$ source activate

执行完成后，Windows命令行会自动清屏（之前执行的所有命令及输出结果清空），Linux的句首会出现“(venv)”的字样。此时，我们就成功进入到Venv环境中了。

Venv可以视作一个简化版的“虚拟Python”。新生成的Venv相当于删去了预置PIP包的Python，基本原理和完整Python无二异。所以，进入Venv后我们第一步要做的就是更换PIP源，以方便之后的PIP包的安装。这里我选择的是阿里的PIP源，在全国范围内都较快。

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ # 这里你也可以选择其它的PIP源进行更换

接着，我们需要安装Stable Diffusion和WebUI所需的PIP包。执行下列命令后耐心等待安装完成。

cd ../..

pip install -r requirements_versions.txt # 执行此条命令前，请检查你的剩余磁盘空间

然后我们执行“webui-user.bat”（Linux下是webui.bat）。

.\webui-user.bat

直至目前，Stable Diffusion的基本框架已经被我们安装好了。但是根据我们配置的不同，还需要做一些简单的设置。

在Windows下，打开webui-user.bat（Linux下是webui.sh）:

cd .. code .\webui-user.bat

将全部内容替换为：

@echo off

set PYTHON=C:\python\python.exe

set GIT=set VENV_DIR=venv

set COMMANDLINE_ARGS=--medvram --autolaunch --deepdanbooru --xformers

call webui.bat

Linux下，找到#export COMMANDLINE_ARGS=""这一行，去掉行首的“#”，并在两个双引号之间添加--medvram --autolaunch --xformers。

注：此处的“--medvram”是针对6GB及以上显存的显卡优化的，根据显卡配置的不同，你还可以更改为“--lowvram”（4GB以上）、“--lowram”（16GB以上）或者删除此项（无优化）。此外，此处的“--xformers”选项可以开启Xformers。加上此选项后，显卡的VRAM占用率就会相较原来减少一半，能大幅提升图片生成效率。

其实，除了在此列出的选项外，还有很多其它的选项来实现其它的一些功能。如果你感兴趣，可以查看官方文档或者自行在网上搜索。

（人话君：作者太懒了）

模型相当于Stable Diffusion的核心。在没有模型的情况下，Stable Diffusion是无法启动的。所以，我们需先下载模型。Hugging Face（https://huggingface.co）是学习使用Stable Diffusion的不可或缺的平台。你可以从此网站的Model版块中搜索你需要的模型名称来下载模型（由于Hugging Face的服务器在境外，下载模型可能需要用到加速器）。不同的模型有自己的美术风格。如momoko（具体模型介绍在模型简介板块），这个模型专门用来生成二次元图片。

Stable Diffusion的模型后缀名一般为ckpt。偶尔，模型也会附带VAE（.vae.pt）或配置文件（.yaml）。我们需要把ckpt模型、VAE以及配置文件放在models目录下的Stable-diffusion目录中。

注意：如果一个模型附带配置文件或者VAE，你则需要先把它们的文件名改为相同的文件名，然后再放入目录中，否则这个模型的配置可能无法正确读取，影响图片生成效果。

人话君注：就把下载页面中的所有文件连同模型一股脑丢进Stable-diffusion目录里，反正也不会出大问题（不是

模型配置完成后，重新回到克隆目录中。

cd D:\stable-diffusion-webui

运行webui-user.bat（Linux下是webui-user.sh）。

.\webui-user.bat

如果你的终端显示的内容与下图相符，那么恭喜你，Stable Diffusion WebUI的基本框架安装成功了！

注：在此，虽然我们在前面已安装过Stable Diffusion以及WebUI所需的PIP包，但PIP可能还会安装一些其它需要用到的包，静等其安装完成即可。由于我们在之前的步骤中已经修改过launch.py中的下载源，下载应该不会很慢。

接着，我们会发现WebUI显示的并不是中文。此时，我们需要将其调整为简体中文。这里，我用百度网盘分享了一些语言的补丁。

链接：https://pan.baidu.com/s/1X7R4nQfAxHKdoXRWyknSxg

提取码：annx

下载我分享的“localizations.zip”并解压到克隆文件夹的“localizations”目录中。之后在Settings -> User interface -> Localization (requires restart)设置语言（在下拉菜单中选择zh_CN）。然后重新启动WebUI之后，你就会发现语言变成了简体中文。

备注：目前的语言补丁还没有完全翻译。任然有些地方（特别是扩展）没有完全翻译。如果有新的语言补丁放出，我会尽快更新。

如果你愿意，还可以安装一些扩展来实现其它功能（如创建美术风格）。转到Extensions选项卡以安装扩展。

Stable Diffusion2.0和2.1是两个刚刚发布的新版本。它们都有自己的专属模型。下面是它们的下载地址与介绍。

Stable Diffusion 2.0：

768-v-ema.ckpt与768-v-ema.yaml（需要改名）：这是Stable Diffusion2.0的官方模型，相同的环境下，生成768x768分辨率的图片的速度几乎和1.5版生成512x512图片的速度相同，质量更好。

注：Stable Diffusion2.0还有更多模型，可以自行在Hugging Face上搜索。它们使用同一配置文件，模型放到目录后，只用复制一份配置文件，更改文件名即可。不用重复下载（因为这些模型一般都是根据Stable Diffusion1.5来训练的，使用同一个VAE）。

Stable Diffusion 2.1

v2-1_512-ema-pruned.ckpt：这是Stable Diffusion2.1的官方模型（专门生成512x512图像的版本），可以看作是Stable Diffuison2.0模型的升级版本。它和Stable Diffusion2.0的模型使用同一配置文件。

使用这些模型的方法和我前面介绍的方法一样，但镜像源不在国内，故需要用加速器下载。这一点我在前面有提到。只是我在读取Stable Diffusion2.0模型时，WebUI下载了一个3GB多的文件，也不知道是干什么用的。

人话君：作者太懒了，这一部分神马都没动

Bilibili上的元素法典（https://www.bilibili.com/read/cv19505389） 是学习Diffusion的一个不错的平台。在这个平台上，你将会学会Stable Diffusion的各种知识（例如描述词和反描述词）。要生成好的图片，除了要有好的模型，还要掌握一些技巧和知识。

作为一位Stable Diffusion学习者，首选的信息获取网站应该是danbooru.donmai.us。绝大多数描述词的出处都在此（这一点元素法典制作组在元素同典：确实不完全科学的魔导书（https://www.bilibili.com/read/cv19505389）中有提到）但是我并不推荐这个网站，因为这个网站似乎不适用于中国国内网络环境。

如果你也喜欢二次元，Black Lily（http://heizicao.gitee.io/novelai/#/book）可能很适合你。它是一个不错的二次元描述词获取源，提供的信息较多。

此外，元素法典制作组也开放了一个NAI信息并联计划（https://kdocs.cn/l/cre0TwbMkdx3），这个上面有不少很好的可以获取的资源。

在我们学习Stable Diffusion时，可以试着用不同的模型来尝试不同的美术风格（如古典风格、二次元风格、中国风、写实风等）。下面是我整理的一些不同模型的风格，可以作为参考。

写实与绘画——Stable Diffusion官方模型（2.0或2.1）

Stable Diffusion的官方模型是混合模型，偏重于写实与绘画，风景和人物都可以生成出较好的效果。

二次元风格——Momoko：

这个模型主要用于生成二次元风格（如动漫，CG），相较于其它二次元模型，改善了手部的生成效果，感觉还不错。

百宝箱——Anything：

我觉得这个模型很了不起。据说这个模型是国人自己训练的，而且名副其实，它能以很好的效果生成很多东西——从二次元到油画风。

专门生成女性——F222：

这个模型专门用于生成女性（我感觉有点偏向于CG风）。