SDXL-Lightning容器构建指南

一、介绍

SDXL-Lightning 项目是由字节跳动开发的一个创新性的 AI 图像生成项目，该项目通过采用全新的蒸馏战略，优化了扩散模型，实现了从文字到高清图像的快速、高质量生成。

1. 项目背景与特点

背景：随着 AI 绘画技术的不断发展，图像生成的质量和速度成为了重要的研究方向。SDXL-Lightning 项目正是字节跳动在这一领域的重要尝试。
特点：
- 快速生成 ：SDXL-Lightning 能够在极短的时间内生成高质量的图像，相较于传统方法，其出图速度有了显著提升。
- 高质量 ：项目通过结合渐进式和对抗式蒸馏方法，不仅保证了生成图像的多样性，还显著提升了图像的质量。
- 多样化 ：生成的图像覆盖了广泛的图像模式，能够满足不同用户的需求。

2. 技术原理

扩散模型优化 ：SDXL-Lightning 项目采用了结合渐进式和对抗式蒸馏的扩散蒸馏方法，对原有的扩散模型进行了优化。
- 渐进式蒸馏 ：保留了原模型的图像风格和种类。
- 对抗式蒸馏 ：用于提升图像生成的质量。
模型选择 ：项目提供了多种步数的蒸馏模型，包括 1 步、2 步、4 步和 8 步等，用户可以根据需求选择合适的模型进行图像生成。

3. 应用与效果

应用范围 ：SDXL-Lightning 项目可以广泛应用于文生图、图生图、局部修复等多种工作流程中。
生成效果 ：
- 在 2-8 步之间，SDXL-Lightning 的生成效果都非常不错，特别是在 8 步时，其生成图像的质量相对更加稳定，甚至可以与 SDXL 模型 32 步的生成效果相媲美。
- 即使在 4 步条件下，SDXL-Lightning 的图像质量和风格多样性也超过 Turbo 和 LCM 模型。

4. 项目资源

秒级文生图 · 创空间 (modelscope.cn)

二、容器构建说明

建议使用RTX3090+24G及以上显卡，RTX3060+12G显卡会爆显存

1. 安装 miniconda

进入 Anaconda 官网：

Miniconda --- Anaconda 文档

找到快速命令行安装，选择 Linux 系统，复制代码进入终端进行安装。

等待安装完成。

2. 安装并更新基础命令，让后续使用更快捷： unzip、lsof、git、git-lfs

复制代码

apt-get update
apt-get install -y unzip
apt-get install -y lsof
apt-get install -y git
apt-get install -y git-lfs

3. 克隆项目仓库，并打开文件

复制代码

git clone https://www.modelscope.cn/studios/ByteDance/SDXL-Lightning.git
cd SDXL-Lightning

4. 创建 python 为 3.11版本的虚拟环境，名称为SDXL

复制代码

conda create -n SDXL python=3.11

5. 激活虚拟环境SDXL

复制代码

conda activate SDXL

6. 通过 pip 安装所需的 torch 环境（国内镜像源快一些，以下使用了清华源）

复制代码

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple

7. 安装项目依赖文件及相应包

为了安装速度更快可以将 pip 进行永久换源

复制代码

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt
pip install gradio
pip install modelscope
pip install transformers

8. 指定端口，运行 py 文件（运行项目，首次运行会自动下载模型参数，需要保证网络通畅）

复制代码

export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080
python app.py

所需时间可能较长，需要耐心等待

出现以下界面即为运行成功

三、网页演示

运行成功后获取访问链接，即可进入 webUI 界面（注意：在进入页面第一次运行时会自动下载蒸馏模型，下载完成即可生成结果）：