通过Auto平台与VScode搭建远程开发环境（以Stable Diffusion Web UI为例）

文章目录

• [Stable Diffusion Web UI](#Stable Diffusion Web UI)
• 一、🎯主要功能概述
• 二、🧠支持的主要模型体系
• 三、📦安装方式简述
• • [✅ 一、前提准备](#✅ 一、前提准备)
  • [✅ 二、安装步骤](#✅ 二、安装步骤)
  • • 混乱版本（仅用于记录测试过程）
    • • 第一步：克隆仓库（使用清华大学镜像站或其他加速代理服务进行克隆）
      • 第二步：安装依赖（建议使用Miniconda或系统Python）
      • 第三步：下载模型（以SD1.5为例）
      • 第四步：启动WebUI服务
      • 第五步：切换到非root用户
      • 第六步：将项目目录从root复制给普通用户
      • 第七步：在非root用户下，安装python3环境
      • 第八步：环境配置
    • 最终版本（经过混乱的测试后总结得到）
    • • （1）切换到非root用户
      • （2）虚拟环境配置
      • [（3）克隆仓库 + WebUI 依赖](#（3）克隆仓库 + WebUI 依赖)
      • （4）下载模型
      • （5）启动
      • [（6）OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'.](#（6）OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'.)

White-box-Cartoonization
stable-diffusion-webui
轻松复现一张AI图片（系列教程-推荐）
逼真的图片生产 | Stable Diffusion WebUI本地部署看这一篇就够了

Stable Diffusion Web UI

Stable Diffusion Web UI 是一个基于 Stable Diffusion 模型的图形化用户界面，通常指的是由AUTOMATIC1111开发的 WebUI项目，它极大地降低了使用Diffusion模型生成图像的门槛，具备丰富的功能和插件扩展能力，是当前AI绘图领域最受欢迎的前端之一。

一、🎯主要功能概述

功能模块	简要说明
文生图（txt2img）	根据文本提示词生成图像。支持prompt/negative prompt、采样步数、CFG等参数设置。
图生图（img2img）	基于原始图像和文本提示对图像进行重绘或风格化，可控制变化程度。
Inpainting（图像修复）	对图像中被掩盖的区域进行AI修复，支持面部修复、背景修复、去物等任务。
Outpainting（图像扩展）	将图像边界向外扩展，同时保持风格一致性。
ControlNet支持	提供边缘图、姿态图、深度图等精确控制条件生成图像。适用于姿态迁移、线稿上色、草图重建等。
图像批处理	支持txt2img/img2img批量生成图像。
Prompt生成工具	提供prompt拼接、语义权重、关键词替代等高级提示词编辑功能。
插件系统（Extensions）	提供无限插件扩展能力，如LoRA训练、图像浏览器、样式库等。

二、🧠支持的主要模型体系

1. Stable Diffusion系列基础模型

模型名称	简要说明
StableDiffusion v1.4 / v1.5	最经典的1.x系列模型，分辨率512×512，适合风格创作与普通生成。
StableDiffusion v2.1	使用OpenCLIP训练，支持768×768，更适合真实感风格。
StableDiffusion XL (SDXL)	目前最新的大型扩散模型，分辨率1024×1024，文本理解更强、图像更精细。
SDXL Turbo	快速生成模型，优化速度性能，适用于交互式应用。

2. 风格化与专业模型（通过checkpoint导入）

• 动漫类：Anythingv4, AOM3, Counterfeit
• 现实人像类：RealisticVision, Deliberate, DreamShaper
• 手绘/插画类：MajicMix, MeinaMix
• AI插画特化：ReVAnimated, PerfectWorld
• 用户可通过WebUI界面轻松导入.ckpt/.safetensors格式模型

3. 轻量模型（LoRA）

• 可加载多个LoRA进行组合创作
• 实现局部风格迁移、角色定制等
• 常用于风格细调、训练定制人物风格等任务

4. ControlNet模型

• edge detection, depth, pose, scribble, canny等
• 支持多模态控制输入，实现高精度图像控制生成

三、📦安装方式简述

下面是通过AutoDL平台与VSCode远程开发环境，成功安装并运行Stable Diffusion Web UI（AUTOMATIC1111）的完整流程。该流程适用于无需图形界面但希望通过Web访问、远程控制模型与样式生成的智能体、研究或创作工作场景。

✅ 一、前提准备

1. AutoDL 环境（以root身份或普通用户均可）

   确保：

   使用的AutoDL镜像支持GPU（NVIDIA驱动+CUDA）

   网络畅通，建议使用Ubuntu 20.04/22.04

   启用远程开发：AutoDL控制台→远程开发→复制VSCode链接

   使用SSH连接后即可进行下一步

2. VSCode 设置（如已连接AutoDL服务器可跳过）

   安装插件：

   Remote - SSH（远程连接）

   Python（用于代码高亮和解释器管理）

✅ 二、安装步骤

混乱版本（仅用于记录测试过程）

第一步：克隆仓库（使用清华大学镜像站或其他加速代理服务进行克隆）

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

cd stable-diffusion-webui

第二步：安装依赖（建议使用Miniconda或系统Python）

# 检查当前是否已安装Python3
python3 --version

# 如果没有，可以先更新索引再安装
apt update
apt install -y python3 python3-venv python3-pip git wget libgl1 libglib2.0-0

第三步：下载模型（以SD1.5为例）

# 模型文件需要放在 models/Stable-diffusion/ 目录中：
mkdir -p models/Stable-diffusion
wget -O models/Stable-diffusion/model.safetensors # https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

若出现网络问题：443端口连接超时。也可以先下载后再手动上传*.ckpt或*.safetensors模型到该目录。

下载地址：https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors

第四步：启动WebUI服务

# 启动（默认监听7860端口）
bash webui.sh

webui.sh脚本检测到当前是以root用户身份运行，并自动中止执行。

root@autodl-container-4f654a8570-16b75b52:~/stable-diffusion-webui# bash webui.sh

################################################################
Install script for stable-diffusion + Web UI
Tested on Debian 11 (Bullseye), Fedora 34+ and openSUSE Leap 15.4 or newer.
################################################################

################################################################
ERROR: This script must not be launched as root, aborting...
################################################################

❗为什么不能以root身份运行？

• 官方在脚本中明确禁止以root身份运行，理由包括：
• 避免污染系统Python环境
• 避免破坏权限隔离
• 避免潜在的pip模块冲突或虚拟环境失败
• 安全原则：大部分Web应用设计上都应使用普通权限运行

第五步：切换到非root用户

✅ 正确运行方式

必须切换为非root用户来执行webui.sh，否则安装过程（例如虚拟环境创建、依赖下载）会直接被中断。

✅ 方法一：使用已有普通用户（推荐）

如果系统中已有普通用户（如user1），执行以下命令切换：

su - user1
cd ~/stable-diffusion-webui
bash webui.sh

✅ 方法二：创建新用户（如尚未创建）

如果没有普通用户，请按以下方式创建一个非root用户：

# 添加用户（例如叫sduser）
adduser sduser
# 密码：123456

# 将其加入sudo组（可选）
usermod -aG sudo sduser

# 切换用户
su - sduser

# 回到项目路径（需先确保文件目录权限正确）
cd ~/stable-diffusion-webui
bash webui.sh

第六步：将项目目录从root复制给普通用户

目前的问题是：你已经成功切换到了非root用户sduser，但此用户的home目录中并没有stable-diffusion-webui项目目录。原因是这个项目是在root账户下通过git clone或wget等方式下载的，普通用户是无法直接访问root的home目录的。

✅ 解决方案：

# 1. 回到root：此命令会让你从sduser用户返回root用户。
exit

# 2. 将项目目录复制到普通用户目录并更改所有权：假设你原来的项目在/root/stable-diffusion-webui
cp -r /root/stable-diffusion-webui /home/sduser/
chown -R sduser:sduser /home/sduser/stable-diffusion-webui

# 3. 切换回sduser并执行脚本
su - sduser
cd ~/stable-diffusion-webui
bash webui.sh

################################################################
Install script for stable-diffusion + Web UI
Tested on Debian 11 (Bullseye), Fedora 34+ and openSUSE Leap 15.4 or newer.
################################################################

################################################################
Running on sduser user
################################################################

################################################################
Repo already cloned, using it as install directory
################################################################

################################################################
ERROR: python3 is not installed, aborting...
################################################################

第七步：在非root用户下，安装python3环境

ERROR: python3 is not installed, aborting...说明容器中没有安装python3环境，而且你当前是非root用户（sduser），没有sudo权限。此问题在autoDL环境中较常见，解决方案如下：

✅ 解决方案：非root用户手动安装Python3和pip

步骤1：下载并编译安装Python 3.10+

# 创建目录
mkdir -p ~/tools && cd ~/tools

# 下载Python源码（使用Python 3.10.6）
wget https://www.python.org/ftp/python/3.10.6/Python-3.10.6.tgz

# 解压
tar -xzf Python-3.10.6.tgz && cd Python-3.10.6

# 配置安装路径到当前用户home目录
./configure --prefix=$HOME/.local/python3.10 --enable-optimizations

# 编译并安装（可能需要几分钟）
make -j4 && make install

步骤2：添加Python路径到环境变量

# 写入.bashrc环境变量
echo 'export PATH=$HOME/.local/python3.10/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

步骤3：确认安装成功

python3 --version
# 应输出 Python 3.10.13

which python3
# 应输出 /home/sduser/.local/python3.10/bin/python3

步骤4：重新执行启动脚本

cd ~/stable-diffusion-webui
bash webui.sh
# 开始安装（虽然安装了半天还是显示没有Torch）

pip3.10 uninstall torch torchvision torchaudio
pip3.10 install torch torchvision torcha
udio --index-url https://download.pytorch.org/whl/cu121
# ⚠️ 注意此处使用的是pip3.10，而不是pip。

RuntimeError: Torch is not able to use GPU; add --skip-torch-cuda-test to COMMANDLINE_ARGS variable to disable this check
# bash webui.sh --skip-torch-cuda-test

ModuleNotFoundError: No module named '_ctypes'

第八步：环境配置

由于容器限制，非 root 用户无法通过 apt 安装系统依赖，而当前自编译的 Python 环境缺少 _ctypes，导致 PyTorch 无法导入。最简洁可靠的办法是使用 Miniconda，在用户目录下自带完整 Python 标准库及二进制依赖，无需依赖系统包，也能直接安装 GPU 版 PyTorch。

1. 一键在用户目录安装 Miniconda

# 1. 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh

# 2. 运行安装脚本（安装到 ~/miniconda3 目录）
bash ~/miniconda.sh -b -p ~/miniconda3

# 3. 激活 conda 环境
eval "$(/home/sduser/miniconda3/bin/conda shell.bash hook)"
conda activate base

2. 创建专属环境并安装 PyTorch + WebUI 依赖

# 1. 新建环境（Python3.10）
conda create -n sdwebui python=3.10.6 -y
conda activate sdwebui

# 2. 安装 GPU 版 PyTorch（CUDA11.8 兼容）
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

# 3. 安装其余依赖
# 切回项目目录
cd ~/stable-diffusion-webui
pip install -r requirements.txt

说明：

pytorch-cuda=11.8 与容器驱动 CUDA12.4 向下兼容良好；

Miniconda 自带 _ctypes，可避免手动编译系统依赖；

requirements.txt 包含 WebUI 除 PyTorch 之外的所有 Python 依赖。

3. 启动 Stable Diffusion Web UI

确保已激活环境 sdwebui，然后：

# 使用 conda 环境中的 python 启动
python launch.py
# 或
bash webui.sh

最终版本（经过混乱的测试后总结得到）

（1）切换到非root用户

如果没有普通用户，请按以下方式创建一个非root用户：

# 添加用户（例如叫sduser）
adduser sduser
# 密码：123456

# 将其加入sudo组（可选）
usermod -aG sudo sduser

# 切换用户
su - sduser

（2）虚拟环境配置

1. 一键在用户目录安装 Miniconda

# 1. 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh

# 2. 运行安装脚本（安装到 ~/miniconda3 目录）
bash ~/miniconda.sh -b -p ~/miniconda3

# 3. 激活 conda 环境
eval "$(/home/sduser/miniconda3/bin/conda shell.bash hook)"
conda activate base

2. 创建专属环境并安装 PyTorch

# 1. 新建环境（Python3.10）
conda create -n sdwebui python=3.10.6 -y
conda activate sdwebui

# 2. 安装 GPU 版 PyTorch（CUDA11.8 兼容）
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

（3）克隆仓库 + WebUI 依赖

当前环境中需验证torch是否安装成功且可正常使用GPU。请在已激活的conda环境（如sdwebui）中运行以下命令测试PyTorch状态：

python3 -c "import torch; print('torch:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('CUDA版本:', torch.version.cuda); print('设备名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无GPU')"

torch: 2.5.1                                                                                                  
CUDA可用: True                                                                                                
CUDA版本: 11.8                                                                                                
设备名称: NVIDIA GeForce RTX 4090   

# 克隆仓库（使用清华大学镜像站或其他加速代理服务进行克隆）
# git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
git clone https://gitclone.com/github.com/AUTOMATIC1111/stable-diffusion-webui.git

# 3. 安装其余依赖
# 切回项目目录
cd ~/stable-diffusion-webui
pip install -r requirements.txt

（4）下载模型

JupyterLab默认工作目录是/root，而非root用户目录（如/home/sduser）未在文件浏览器中默认展开。以下是精准操作方法，帮助在JupyterLab中显示并进入/home/sduser目录：

✅ 步骤：在JupyterLab中访问/home/sduser

方法一：终端+软链接显示法（推荐）

打开JupyterLab的终端（Terminal）

输入以下命令，在当前根目录创建一个指向/home/sduser的快捷方式：

ln -s /home/sduser ~/sduser

然后在JupyterLab的文件浏览器中点击刷新（右上角 ↻ 图标），即可看到一个新文件夹叫：

sduser/

进入sduser/stable-diffusion-webui/models/Stable-diffusion/即可上传文件。

备注：100M宽带，上传7.17GB，约耗时1.5h。（若在vscode中通过命令行自动下载：速度更慢；下载可能中断）

（5）启动

python launch.py

（6）OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'.

✅ 解决方案（针对AutoDL环境）

🔧 方法一：联网安装缺失的模型文件

AutoDL容器在启动时有时网络权限不完整，可能无法直接访问 HuggingFace。可通过以下命令手动下载并缓存所需资源：

1. 手动下载openai/clip-vit-large-patch14文件
   在本地执行：

git lfs install
git clone https://huggingface.co/openai/clip-vit-large-patch14

或通过Python手动下载缓存：

from transformers import CLIPTokenizer
CLIPTokenizer.from_pretrained("openai/clip-vit-large-patch14")

会自动缓存到~/.cache/huggingface目录。

然后将该目录上传到AutoDL容器中的 /home/sduser/.cache/huggingface 路径下。