【大语言模型】轻松本地部署Stable Diffusion

硬件要求：

配备至少8GB VRAM的GPU，如果你的电脑只有CPU，请看到最后。
根据部署规模，需要足够的CPU和RAM。

软件要求：

Python 3.7或更高版本。
支持NVIDIA GPU的PyTorch。
Hugging Face的Diffusers库。
Hugging Face的Transformers库。

步骤：

1. 设置Python环境

安装Python并创建一个虚拟环境：

python 复制代码

python -m venv stable-env
source stable-env/bin/activate  # 在Windows上使用 `stable-env\Scripts\activate`

2. 安装依赖

安装CUDA支持的PyTorch：

python 复制代码

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cuda113

安装diffusers和transformers：

python 复制代码

pip install diffusers transformers

下载和加载模型

使用Hugging Face模型库下载Stable Diffusion：

python 复制代码

from diffusers import StableDiffusionPipeline
model = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", use_auth_token="YOUR_HUGGINGFACE_TOKEN")
model.to("cuda")

4. 运行模型：

根据提示生成图像：

python 复制代码

prompt = "A girl who is play cello at a Church"
image = model(prompt)["sample"][0]
image.save("output.png")

生成的图片长这样：

如果您没有GPU，仍然可以部署并使用Stable Diffusion，但您需要为处理时间显著变慢做好准备，尤其是对于像图像生成这样的计算密集型任务。以下是如何在没有GPU的系统上管理和优化Stable Diffusion的使用方法：

当只使用CPU时，关键是要合理设定性能预期。在GPU上可能需要几秒钟的图像生成任务，在CPU上可能需要几分钟。

在CPU上运行的步骤，和GPU类似：

修改您的设置以确保它在CPU上运行 ，通过在代码中明确指定设备。例如，如果您使用的是diffusers库，可以按以下方式调整您的管道设置：

python 复制代码

from diffusers import StableDiffusionPipeline

# 加载模型，设置设备为CPU
model = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", use_auth_token=True)
model.to("cpu")

大家有任何问题可以在留言区讨论。