租用GPU服务器后，快速搭建Stable Diffusion WebUI并实现公网访问全指南

随着AIGC技术的普及，Stable Diffusion（简称SD）已成为AI绘画、创意设计的核心工具，而其WebUI版本凭借直观的图形化界面，成为新手和专业从业者的首选。但本地电脑GPU算力不足、渲染卡顿等问题，让很多人选择租用GPU服务器------无需投入高额硬件成本，就能享受高效的AI生成体验。

但不少用户租用GPU服务器后，会陷入"配置复杂、公网访问失败"的困境：不知道选什么配置的服务器、不懂Linux命令、部署后只能本地访问，无法远程操作或分享给他人。本文结合实操经验，从前期准备、环境搭建、公网访问配置，到常见问题排查，全程手把手教学，让你30分钟内完成从服务器租用到位移用SD WebUI的全流程，新手也能轻松上手。

一、前期准备：选对GPU服务器，少走90%的弯路

搭建SD WebUI的核心是"GPU算力适配"，租用服务器前如果选不对配置，后续会出现渲染卡顿、无法启动等问题。结合SD WebUI的运行需求，以及当前GPU租赁市场的特点，明确以下2个核心要点，避开算力虚标、配置错配的坑。

1. 服务器核心配置要求（刚需不浪费）

SD WebUI的运行效率主要依赖GPU显存和算力，不同使用场景对应不同配置，无需盲目追求高端机型，避免算力浪费和成本超支，具体参考如下（数据结合2026年GPU租赁市场调研结果）：

• 基础使用（日常AI绘画、小尺寸渲染，适合新手）：GPU显存≥16GB，算力≥10 TFLOPS FP32，CPU≥4核，内存≥16GB，硬盘≥50GB（建议SSD，加载模型更快），带宽≥10M；适配机型推荐NVIDIA A10、L20等，性价比最高，月租相对亲民。

• 进阶使用（高清渲染、批量生成、模型训练微调）：GPU显存≥24GB，算力≥19 TFLOPS FP64，CPU≥8核，内存≥32GB，硬盘≥100GB，带宽≥50M；适配机型推荐NVIDIA A100、RTX 4090等，能流畅应对大模型和高分辨率生成需求。

注意：优先选择支持NVIDIA GPU的服务器（AMD GPU需额外配置驱动，兼容性较差），且服务商需提供root权限（后续部署需要修改系统配置），同时关注服务商是否支持1-3天试租，可实测算力是否达标，避免算力虚标问题------据统计，当前市场上38%的租用服务商存在算力虚标，实测算力仅为标注值的60%-80%，会严重影响使用体验。

2. 服务器系统选择

优先选择 Ubuntu 20.04/22.04 64位系统（最稳定、兼容性最好，官方脚本支持最完善），避免选择CentOS（部分依赖包安装复杂）或Windows Server（服务器端资源占用高，适配性不如Linux）。大部分云服务商（阿里云、腾讯云、星宇智算等）都可在租用页面直接选择系统镜像，无需手动安装。

3. 必备工具

本地电脑需准备2个工具，全程操作无需复杂软件：

• 远程连接工具：Xshell（Windows）、Terminal（Mac），用于连接服务器并输入命令；

• 文件传输工具：Xftp（Windows）、FileZilla（跨平台），用于将本地模型、配置文件上传到服务器（可选，后续可直接通过命令下载模型）。

二、快速搭建Stable Diffusion WebUI环境（核心步骤，全程复制命令即可）

假设你已租用GPU服务器，获取了服务器的公网IP、root账号和密码，接下来全程通过远程连接工具操作，步骤清晰，无需懂复杂的Linux命令，复制粘贴即可完成部署。核心思路：安装依赖包→安装NVIDIA驱动→克隆SD WebUI项目→启动服务。

步骤1：远程连接服务器

1. 打开Xshell（或Terminal），新建会话，输入服务器公网IP，端口默认22（SSH端口）；

2. 输入账号（root）和密码，连接成功后，界面会显示服务器命令行（出现"root@xxx:~#"即为成功）。

步骤2：更新系统并安装基础依赖

输入以下命令，更新系统软件包并安装SD WebUI所需的基础依赖（复制命令后，按Enter执行，等待执行完成即可，中途出现"y/n"，输入y并回车）：

sudo apt update && sudo apt upgrade -y sudo apt install -y git python3 python3-pip python3-venv build-essential libgl1-mesa-glx

这些依赖包包含了Git（用于克隆项目）、Python（SD WebUI的运行环境）以及图形化相关组件，确保后续部署不报错。

步骤3：安装NVIDIA GPU驱动（关键步骤，缺一不可）

SD WebUI依赖NVIDIA GPU加速，必须安装对应版本的驱动，否则无法调用GPU算力，会出现"CPU渲染卡顿"或"无法启动"的问题。推荐使用自动安装脚本，无需手动匹配版本，命令如下：

sudo apt install -y nvidia-driver-535 # 535版本兼容性最好，适配绝大多数NVIDIA GPU nvidia-smi # 验证驱动是否安装成功

执行"nvidia-smi"后，如果出现GPU信息（包含GPU型号、驱动版本），说明驱动安装成功；若提示"command not found"，重启服务器后再执行即可（重启命令：sudo reboot，重启后需重新连接服务器）。

步骤4：克隆Stable Diffusion WebUI项目

使用Git克隆官方项目（自动下载最新版本，无需手动下载压缩包），命令如下：

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

执行完成后，会在当前目录生成"stable-diffusion-webui"文件夹，后续所有操作都在这个文件夹内进行。进入该文件夹：

cd stable-diffusion-webui

步骤5：下载基础模型（必做，否则无法生成图片）

SD WebUI需要加载模型才能生成图片，最基础的模型是"Stable Diffusion v1.5"（体积小、兼容性好，适合新手），通过命令直接下载到模型目录（无需手动上传）：

wget -O models/Stable-diffusion/v1-5-pruned-emaonly.safetensors https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors

下载时间根据服务器带宽而定（10M带宽约10-15分钟），如果下载失败，可通过本地下载模型文件，再用Xftp上传到"stable-diffusion-webui/models/Stable-diffusion"目录下。

步骤6：启动Stable Diffusion WebUI服务

在"stable-diffusion-webui"目录下，执行启动命令，脚本会自动安装剩余依赖（PyTorch等），无需手动操作：

./webui.sh --listen 0.0.0.0:7860

重点说明：--listen 0.0.0.0:7860 是关键参数，作用是让服务监听所有网络接口，为后续公网访问做准备（默认仅监听本地127.0.0.1，无法远程访问）。

首次启动会自动下载PyTorch、Transformer等依赖包，耗时约5-10分钟（取决于服务器带宽），当命令行出现"Running on local URL: http://0.0.0.0:7860"时，说明SD WebUI环境搭建成功！

此时，在服务器本地浏览器输入"http://localhost:7860"，就能看到SD WebUI的图形化界面，可正常生成图片。但此时还无法通过本地电脑访问，需继续配置公网访问。

三、配置公网访问（2种方法，新手优先选方法1）

搭建好SD WebUI后，默认只能在服务器本地访问，要实现"本地电脑、手机等设备远程访问"，核心是"开放服务器端口+配置端口映射"，以下两种方法，根据自身需求选择，新手优先选方法1（简单快捷，无需额外配置）。

方法1：开放服务器安全组（最快捷，适合云服务器）

绝大多数云服务商（阿里云、腾讯云、华为云等）都有"安全组"功能，用于控制服务器端口的访问权限，默认情况下，7860端口是关闭的，需手动开放，步骤如下：

1. 登录云服务商控制台，找到"云服务器ECS"（或对应GPU服务器模块），进入服务器详情页；

2. 找到"安全组"选项，点击"配置规则"，选择"入方向规则"，点击"添加规则"；

3. 配置规则：协议类型选择"TCP"，端口范围输入"7860/7860"，授权对象输入"0.0.0.0/0"（允许所有公网IP访问，若想限制访问，可输入自己的本地IP），备注填写"SD WebUI访问"；

4. 保存规则，等待1-2分钟（规则生效需要时间）。

规则生效后，本地电脑打开浏览器，输入"http://服务器公网IP:7860"，即可直接访问SD WebUI界面，无需额外配置，随时随地都能操作。

补充：如果使用的是物理GPU服务器，需开放服务器防火墙的7860端口，命令如下：sudo ufw allow 7860，执行后即可开放端口。

方法2：端口转发（适合本地GPU服务器，无公网IP）

如果你的GPU服务器是本地部署（无公网IP），无法直接通过公网访问，可使用"端口转发工具"（如FRP、花生壳），将服务器的7860端口映射到公网，步骤如下（以FRP为例）：

1. 本地电脑和服务器都下载FRP工具（官网：https://github.com/fatedier/frp），根据系统选择对应版本；

2. 配置服务器端（FRPS）：修改frps.ini文件，设置端口（如7000），保存后启动FRPS服务；

3. 配置本地电脑端（FRPC）：修改frpc.ini文件，填写服务器公网IP、FRPS端口，以及需要转发的端口（本地7860端口映射到服务器7860端口）；

4. 启动FRPC服务，本地浏览器输入"http://服务器公网IP:7860"，即可访问。

注意：这种方法需要服务器有公网IP（作为FRP服务器），适合有一定技术基础的用户，新手优先选择方法1。

进阶优化：域名绑定与SSL证书（提升访问安全性）

如果想让访问地址更简洁（如用域名代替公网IP），并提升安全性，可配置域名绑定和SSL证书，步骤如下：

1. 在域名服务商处（如阿里云、腾讯云）购买域名，并添加A记录，指向服务器公网IP；

2. 使用Nginx作为反向代理，配置示例如下（需先安装Nginx：sudo apt install nginx）：

server { listen 80; server_name your-domain.com; # 替换为你的域名 location / { proxy_pass http://localhost:7860; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; } }

3. 配置SSL证书（可在阿里云申请免费SSL证书），将HTTP访问改为HTTPS，提升访问安全性，避免数据泄露。

四、常见问题排查（避坑指南，新手必看）

搭建和访问过程中，难免会遇到报错，以下是最常见的4个问题，对应解决方案，无需复杂排查，直接套用即可。

1. 启动报错："No module named 'torch'"

原因：PyTorch未安装成功，可能是网络问题导致依赖包下载失败。

解决方案：进入stable-diffusion-webui目录，执行以下命令，重新安装PyTorch：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

2. 无法访问：输入公网IP:7860后，页面无法打开

原因：要么安全组/防火墙未开放7860端口，要么启动命令未添加"--listen 0.0.0.0:7860"参数。

解决方案：

• 检查安全组规则，确认7860端口已开放，授权对象为0.0.0.0/0；

• 重新启动SD WebUI，确保启动命令包含"--listen 0.0.0.0:7860"，命令：./webui.sh --listen 0.0.0.0:7860。

星宇智算公共资源参考https://www.starverse-ai.com

3. 渲染卡顿：生成图片速度极慢，CPU占用100%

原因：未成功调用GPU，默认使用CPU渲染，或GPU显存不足。

解决方案：

• 执行"nvidia-smi"，检查GPU是否正常识别，若未识别，重启服务器重新安装驱动；

• 若GPU显存≤8GB，启动时添加低显存参数：./webui.sh --listen 0.0.0.0:7860 --lowvram，牺牲部分速度换取流畅度；

• 若使用的是推理机型（如A10），避免用于大规模模型训练，否则会导致算力不足、卡顿。

4. 启动窗口闪退（Windows服务器）

原因：启动时出现错误，但窗口关闭过快无法查看具体问题。

解决方案：右键编辑webui-user.bat文件，在文件末尾添加"pause"命令，保存后重新运行，此时窗口会停留，可查看具体报错信息，再针对性解决。

五、总结：30分钟快速落地，轻松享受AI绘画自由

租用GPU服务器搭建SD WebUI并实现公网访问，核心流程可总结为：选对服务器配置→远程连接服务器→安装依赖和驱动→克隆项目并下载模型→启动服务→开放端口实现公网访问。全程无需复杂的技术储备，复制命令、按步骤操作，新手也能在30分钟内完成部署。

需要注意的是，服务器租用后，尽量选择弹性计费模式（按小时、按月），避免长期绑定合约，降低闲置成本；同时，公网访问时，可通过IP白名单限制访问对象，避免服务被恶意占用。

按照本文步骤操作，你就能摆脱本地电脑算力不足的限制，随时随地通过浏览器访问SD WebUI，轻松生成高质量AI绘画作品，无论是个人创意创作，还是小型团队协作，都能高效落地。如果遇到其他未提及的问题，可留言交流，帮你快速排查解决！