22
2024
05
15:11:20

快来玩AI画图!StableDiffusion模型搭建与使用入门~

前言#

最近AI很火,先是AI画图,然后就ChatGPT,后者我已经用了一段时间了,用来写作文挺不错的,但OpenAI屏蔽了中国IP,加上用户太多啥的,用起来没那么爽,但没办法全球只此一家,只能捏着鼻子用。而AI画图就不一样了,全是开源的,自己部署一下可以玩个爽~

正好我们这有台2080Ti的工作站,之前用来训练模型的,现在部署个画图应该轻轻松松,于是就开始了折腾之路~

效果#

效果#

先看看我生成出来的一些图片

汉服COSER
CUDA版本是12,完美~20230401014146444

搭建步骤#

终于要开始搞了

先把代码 clone 下来

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

build step 1: 下载模型,需要十几个G的模型

(只要网络通畅,一次搞定没问题的)

cd stable-diffusion-webui-dockerdocker compose --profile download up --build

build step 2: 运行本体

这里是选择一套 UI 来启动,这个 auto 就是 UI 的名称,除了这个,还有 auto-cpu (没显卡用的)、 invoke 、sygil 这几个,我试了之后还是 auto 最好,功能最多。

invoke 的界面比较简洁,似乎速度也比较快,但很多模型和LORA之类的都没法用了~20230401014146540

直接 auto 吧,不要纠结

docker compose --profile auto up --build

驱动、网络没问题的话,等它构建完可以看到类似的信息

stable-diffusion-webui-docker-auto-1  | Creating model from config: /stable-diffusion-webui/configs/v1-inference.yamlstable-diffusion-webui-docker-auto-1  | LatentDiffusion: Running in eps-prediction modestable-diffusion-webui-docker-auto-1  | DiffusionWrapper has 859.52 M params.stable-diffusion-webui-docker-auto-1  | Applying xformers cross attention optimization.stable-diffusion-webui-docker-auto-1  | Textual inversion embeddings loaded(1): pureerosface_v1stable-diffusion-webui-docker-auto-1  | Model loaded in 41.4s (calculate hash: 38.2s, load weights from disk: 1.6s, create model: 0.3s, apply weights to model: 0.3s, apply half(): 0.2s, load VAE: 0.8s).stable-diffusion-webui-docker-auto-1  | Running on local URL:  http://0.0.0.0:7860

然后浏览器打开 http://ip:7860 就可以看到这个界面

20230401014358328

输入 prompt 就可以画图了,这里我用了一个风光图的模型,画一幅风景画

20230401014358790

如果跑不起来也没事,可以看看后面的「疑难解答」部分。

如何使用#

刚开始肯定一脸懵逼,咋画不出高大上的效果啊?

  • prompt

  • 模型

首先,得学会使用 prompt,也就是生成图片的描述,Stable Diffusion 通过英文文字内容来描述场景或物体,以此来决定生成的图像中会出现什么。文字描述是决定图像生成质量的关键因素。具体如何写 prompt 不在本文讨论范围,请自行搜索相关文章,网上很多。

模型是个统称,其中包含了Checkpoints、LORA、Texture之类的,不细说了,按照模型网站上的教程安装使用就行。

这几个网站可以按提示组合生成 prompt:

这几个网站有很多人分享的成品图和描述文案:

然后模型的话,可以去这几个网站下载:

疑难解答#

failed to solve: rpc error:#

报错信息#

failed to solve: rpc error: code = Unknown desc = failed to solve with frontend dockerfile.v0: failed to solve with frontend gateway.v0: rpc error: code = Unknown desc = dockerfile parse error on line 8: unknown instruction: cat (did you mean cmd?)

解决方案#

https://github.com/AbdBarho/stable-diffusion-webui-docker/issues/190

修改 stable-diffusion-webui-docker/services/AUTOMATIC1111/Dockerfile

将第一行

# syntax=docker/dockerfile:1

改为

# syntax=docker/dockerfile:1.3-labs

然后加上 DOCKER_BUILDKIT=1 参数进行 build

DOCKER_BUILDKIT=1 docker compose --profile auto up --build

pip依赖安装失败#

网络问题,虽然前面已经配置好了 docker 的代理,但 build 过程中不会走配置好的代理,需要添加 build args 再配置一次。

在 docker compose 配置中添加 build args 配置代理服务器。

参考文档: https://docs.docker.com/compose/compose-file/compose-file-v3/

修改 docker-compose.yml 文件

auto: &automatic  <<: *base_service  profiles: ["auto"]  build: ./services/AUTOMATIC1111  image: sd-auto:49  environment:    - CLI_ARGS=--allow-code --medvram --xformers --enable-insecure-extension-access --api

改为

auto: &automatic  <<: *base_service  profiles: ["auto"]  build:    context: ./services/AUTOMATIC1111    args:      - HTTP_PROXY=http://host:port/      - HTTPS_PROXY=http://host:port/  image: sd-auto:49  environment:    - CLI_ARGS=--allow-code --medvram --xformers --enable-insecure-extension-access --api

显卡驱动问题#

报错信息

Error response from daemon: could not select device driver "nvidia" with capabilities: [[gpu]]

需要安装 NVIDIA Container Toolkit

参考文档: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#setting-up-nvidia-container-toolkit

注意这个东西要求 cuda 版本 11.6 以上,如果没有请先更新 cuda 版本。

添加软件源#

distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \      && curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \      && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \            sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \            sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

注意如果是使用 LinuxMint 之类的 Ubuntu 衍生版,请手动指定 distribution 环境变量为对应的 Ubuntu 发行版,比如我现在用的 Mint 21 相当于 Ubuntu 22.04,所以需要设置 distribution=ubuntu22.04

安装#

sudo apt install -y nvidia-container-toolkit

配置#

sudo nvidia-ctk runtime configure --runtime=docker

重启 docker daemon#

sudo systemctl restart docker

参考资料#




推荐本站淘宝优惠价购买喜欢的宝贝:

image.png

本文链接:https://sg.hqyman.cn/post/6262.html 非本站原创文章欢迎转载,原创文章需保留本站地址!

分享到:
打赏





休息一下~~


« 上一篇 下一篇 »

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

请先 登录 再评论,若不是会员请先 注册

您的IP地址是: