【AI绘画】免费GPU Tesla A100 32G算力部署Stable Diffusion

本文主要是介绍【AI绘画】免费GPU Tesla A100 32G算力部署Stable Diffusion，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

免责声明

在阅读和实践本文提供的内容之前，请注意以下免责声明：

• 侵权问题: 本文提供的信息仅供学习参考，不用做任何商业用途，如造成侵权，请私信我，我会立即删除，作者不对读者因使用本文所述方法而导致的任何损失或损害负责。

• 信息准确性: 本文提供的信息可能随时更改，作者不保证文中所述方法在未来的软件更新中仍然有效。

• 个人风险: 读者在按照本文提供的方法操作时，应该自行承担风险。作者不对读者因使用本文所述方法而导致的任何损失或损害负责。

• 软件兼容性: 本文中提到的软件版本和兼容性可能会受到变化。读者应该在实施前查看相关软件的官方文档，以确保使用的软件版本相互兼容。

• 个体差异: 不同的计算机环境、操作系统版本和其他因素可能导致实际操作效果有所不同。读者在实践中可能需要进行适当的调整。

• 建议备份: 在进行重要操作之前，建议读者备份其数据和设置，以防万一发生意外情况。

• 社区支持: 读者如果遇到问题，建议参考相关软件的官方社区或论坛，以获取更多帮助。
  

  文章目录

  • • 免责声明
    • 1. 引言
    • • 1.1 什么是Stable Diffusion
      • 1.2 AI Studio学习与实训社区
    • 2. 注册AI Studio账号
    • • 2.1 通过邀请链接注册
      • 2.2 领取免费算力
    • 3. 创建Notebook项目
    • • 3.1 选择基础版
      • 3.2 配置环境
    • 4. 拉取Stable Diffusion代码
    • 5. 更换pip镜像
    • 6. 安装依赖
    • • 6.1 运行安装脚本
      • 6.2 解决网络问题
    • 7. 内网穿透
    • • 7.1 ngrok内网穿透
      • 7.2 natapp内网穿透（国内速度较快）
    • 8. 项目目录结构
    • • 8.1 插件保存位置
      • 8.2 模型保存位置
    • 9. 结论
    • • 9.1 成功部署Stable Diffusion
      • 9.2 后续探索

1. 引言

1.1 什么是Stable Diffusion

Stable Diffusion是一个基于深度学习的图像生成工具，它使用扩散模型生成高质量的图像。该项目由AUTOMATIC1111开发并在GitHub上开源。

1.2 AI Studio学习与实训社区

AI Studio是百度推出的一个在线AI学习与实训社区，提供免费的GPU算力支持，用户可以在此平台上进行深度学习的项目开发和部署。

2. 注册AI Studio账号

2.1 通过邀请链接注册

点击以下链接注册AI Studio账号：AI Studio注册链接

2.2 领取免费算力

成功注册账号后，点击“我的创作”，可以领取免费算力。

3. 创建Notebook项目

3.1 选择基础版

点击“创建项目”，选择“Notebook”，然后选择“基础版”。

3.2 配置环境

-
创建一个notebook项目

选择基础版我们先配环境

4. 拉取Stable Diffusion代码

在Notebook中运行以下命令，拉取Stable Diffusion代码：

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

5. 更换pip镜像

在Notebook中运行以下命令，更换pip镜像源为阿里云：

mkdir -p ~/.pip
cat <<EOF > ~/.pip/pip.conf
[global]
timeout = 6000
index-url = https://mirrors.aliyun.com/pypi/simple
trusted-host = mirrors.aliyun.com
EOF

如果需要重新生成pip配置文件，可运行以下命令删除原有配置文件：

rm -rf ~/.pip

6. 安装依赖

6.1 运行安装脚本

进入stable-diffusion-webui目录，运行安装脚本：

cd stable-diffusion-webui/
./webui.sh --skip-torch-cuda-test

这里下载可能非常缓慢，你可以点击链接在本地先下载再上传直接安装whl

这里我发现Stable Diffusion同样恰好通过创建虚拟环境得以可配置PyTorch环境，虚拟环境位于stable-diffusion-webui/models/venv
【深度学习】不用Conda在PP飞桨Al Studio三个步骤安装永久PyTorch环境

或者多次Ctrl+Z重试切换到更好的网络

这里已经配置成功，可以看到尝试链接huggingface下载初始模型，由于我们连接不上这个网站，所以会一直卡到超时自动结束，你可以在他指定的文件夹创一个同名空文件暂时替代，或者自行上传模型。
/home/aistudio/stable-diffusion-webui/models/新建一个
v1-5-pruned-emaonly.safetensors

可以看到连接超时后仍然自动运行

6.2 解决网络问题

由于AI Studio的网络环境问题，可能会导致安装过程中下载依赖包很慢或下载失败。可以尝试多次运行安装脚本，或者手动下载依赖包并上传到Notebook中进行安装。

7. 内网穿透

7.1 ngrok内网穿透

https://ngrok.com/

注册获取<your_authtoken>，不能用QQ邮箱注册

在Notebook中运行以下命令，下载并安装ngrok：

wget https://bin.equinox.io/c/bNyj1mQVY4c/ngrok-v3-stable-linux-amd64.tgz
chmod +x ngrok
ngrok config add-authtoken  <your_authtoken>
./ngrok http 7860

注意：需要在ngrok官网注册账号并获取authtoken。

通过内网穿透得到的的Forwarding链接，你可以在任何设备上访问这个网址使用Stable Diffusion

7.2 natapp内网穿透（国内速度较快）

在Notebook中运行以下命令，下载并安装natapp：

wget https://cdn.natapp.cn/assets/downloads/clients/2_4_0/natapp_linux_amd64/natapp

注意：需要在natapp官网注册账号并获取配置文件。

natapp要实名认证，提前设置映射端口

Web协议，7860端口

注册购买后获得<your_authtoken>

chmod +x natapp
./natapp -authtoken=<your_authtoken>

通过内网穿透得到的的Forwarding链接，你可以在任何设备上访问这个网址使用Stable Diffusion

8. 项目目录结构

8.1 插件保存位置

Stable Diffusion的插件保存在stable-diffusion-webui/extensions目录下。

8.2 模型保存位置

Stable Diffusion的模型保存在stable-diffusion-webui/models目录下。
我们看一下项目目录

插件保存在这

模型保存在这

9. 结论

9.1 成功部署Stable Diffusion

按照以上步骤，就可以成功在AI Studio上部署Stable Diffusion，并利用免费的Tesla A100 GPU算力进行AI绘画。

9.2 后续探索

在成功部署Stable Diffusion之后，可以尝试使用不同的模型和插件，进行更多的AI绘画创作。同时，也可以结合其他的深度学习技术，进一步提高生成的图像质量。
你可以通过创建数据集、wget、git下载你需要的模型或插件

这篇关于【AI绘画】免费GPU Tesla A100 32G算力部署Stable Diffusion的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---