比)
1. 先把部署路線選清楚四條路各自的適用人群Stable Diffusion 的部署方式說到底是四種官方原版、社區(qū)整合包、Docker 容器、ComfyUI 節(jié)點(diǎn)流。很多人一上來就問“哪個(gè)最好”這個(gè)問題本身就不成立因?yàn)樗臈l路服務(wù)的是完全不同的人。我自己從 2023 年開始折騰前后在五臺(tái)機(jī)器上裝過十幾遍踩過的坑足夠?qū)懸槐拘?cè)子。這篇就把四條路線拆開講透包括每一步為什么這么做、參數(shù)怎么算、出問題怎么查。先給一個(gè)結(jié)論性的對(duì)照表方便你對(duì)號(hào)入座部署方式適合人群上手難度環(huán)境隔離插件生態(tài)顯存占用官方原版想理解底層機(jī)制的人高差需手動(dòng)裝中等整合包新手、快速出圖極低差預(yù)裝齊全中等Docker多環(huán)境、服務(wù)器、團(tuán)隊(duì)中極好需自行配置略高ComfyUI進(jìn)階、工作流復(fù)用中高一般節(jié)點(diǎn)式擴(kuò)展低為什么官方原版反而最難因?yàn)樗唤o你一個(gè) Python 環(huán)境和一份 requirements.txt剩下的 CUDA 版本、torch 編譯、xformers 匹配全靠自己。整合包把這些全部打包好了雙擊 run.bat 就能跑代價(jià)是環(huán)境被鎖死你想升級(jí)某個(gè)庫可能直接崩。Docker 的價(jià)值在于“一次構(gòu)建到處運(yùn)行”特別適合你有多個(gè)項(xiàng)目、多個(gè) Python 版本互相打架的場景。ComfyUI 則是另一條賽道它不追求開箱即用而是追求工作流的可復(fù)用和可版本化。我個(gè)人的建議是如果你只是想出圖直接上整合包如果你想長期做項(xiàng)目、要復(fù)現(xiàn)、要遷移Docker 是正解如果你要做復(fù)雜的多模型串聯(lián)、批量處理ComfyUI 值得投入時(shí)間學(xué)。下面逐條展開。2. 官方原版部署從零理解依賴鏈的每一步2.1 為什么官方部署總是卡在 installing requirements熱詞里有個(gè)高頻問題“stable diffusion webui forge run.bat 卡在 installing requirement”。這個(gè)現(xiàn)象幾乎每個(gè)用官方方式部署的人都遇到過。根本原因有三個(gè)一是 pip 默認(rèn)走國外源下載 torch 這種幾百 MB 的包經(jīng)常超時(shí)二是 requirements 里某些包的版本和你的 CUDA 驅(qū)動(dòng)不匹配pip 會(huì)反復(fù)嘗試解析依賴三是 Windows 下長路徑和權(quán)限問題導(dǎo)致寫入失敗。解決思路很直接先換國內(nèi)源再手動(dòng)鎖定 torch 版本最后分步安裝而不是一把梭。具體操作# 第一步升級(jí) pip 并換源 python -m pip install --upgrade pip pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # 第二步先單獨(dú)裝 torch指定 CUDA 版本 # CUDA 11.8 對(duì)應(yīng) cu118CUDA 12.1 對(duì)應(yīng) cu121 pip install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 # 第三步再裝其余依賴 pip install -r requirements.txt為什么要先裝 torch因?yàn)?requirements.txt 里通常寫的是torch不帶版本號(hào)pip 會(huì)去解析最新版而最新版可能要求更高的 CUDA。你先手動(dòng)釘死版本pip 在裝其他包時(shí)就會(huì)以這個(gè)為基準(zhǔn)沖突概率大幅下降。2.2 CUDA、驅(qū)動(dòng)、torch 三者的版本對(duì)應(yīng)關(guān)系這是官方部署最容易翻車的地方。很多人顯卡驅(qū)動(dòng)是 535卻去裝 cu121 的 torch結(jié)果torch.cuda.is_available()返回 False。記住一個(gè)原則驅(qū)動(dòng)版本決定你能用的最高 CUDA 運(yùn)行時(shí)版本torch 的 cuXXX 必須小于等于這個(gè)上限。查驅(qū)動(dòng)支持的最高 CUDA 版本nvidia-smi # 右上角會(huì)顯示 CUDA Version: 12.2 之類然后對(duì)照驅(qū)動(dòng)版本支持最高 CUDA推薦 torch 版本470.x11.4torch 1.12 cu113515.x11.7torch 1.13 cu117525.x12.0torch 2.0 cu118535.x12.2torch 2.1 cu121550.x12.4torch 2.3 cu124實(shí)測下來如果你不確定就選比上限低一檔的版本穩(wěn)定性最好。比如驅(qū)動(dòng)支持 12.2你就裝 cu118幾乎不會(huì)出問題。2.3 啟動(dòng)參數(shù)怎么調(diào)顯存不夠的救命配置官方 WebUI 的啟動(dòng)參數(shù)直接決定你能不能跑起來。低顯存用戶8G 以下必須加這幾個(gè)# 在 webui-user.bat 里設(shè)置 set COMMANDLINE_ARGS--medvram --xformers --opt-split-attention--medvram把模型分階段加載顯存占用降 30% 左右代價(jià)是速度慢一點(diǎn)。--lowvram更激進(jìn)適合 4G 顯存但速度會(huì)明顯下降。--xformers用 xformers 庫優(yōu)化注意力計(jì)算速度快 20%-30%顯存也省。--opt-split-attention不裝 xformers 時(shí)的替代方案。這里有個(gè)坑xformers 的版本必須和 torch 嚴(yán)格對(duì)應(yīng)裝錯(cuò)了會(huì)直接報(bào)undefined symbol。如果你不想折騰就用--opt-split-attention效果差一點(diǎn)但不會(huì)崩。3. 整合包部署快是真快坑也是真坑3.1 秋葉整合包為什么能一鍵跑起來秋葉整合包包括 WebUI 版和 ComfyUI 版的核心價(jià)值在于它把 Python 運(yùn)行時(shí)、CUDA 庫、torch、所有依賴、常用模型、常用插件全部打包在一個(gè)目錄里用嵌入式 Python 解釋器不污染系統(tǒng)環(huán)境。你解壓完雙擊啟動(dòng)器它自動(dòng)檢測顯卡、自動(dòng)配置參數(shù)、自動(dòng)開瀏覽器。它的啟動(dòng)器做了幾件事檢測顯卡型號(hào)和顯存、根據(jù)顯存自動(dòng)選擇優(yōu)化參數(shù)、檢查模型目錄、啟動(dòng)一個(gè)本地 HTTP 服務(wù)。這些邏輯寫在啟動(dòng)器的 exe 里你看不到但確實(shí)在跑。3.2 整合包的三個(gè)典型故障與修復(fù)故障一啟動(dòng)后瀏覽器打不開命令行報(bào)端口占用。原因是 7860 端口被其他程序占了。解決辦法是改啟動(dòng)參數(shù)--port 7861或者在啟動(dòng)器設(shè)置里改端口。故障二生成圖片時(shí)報(bào)RuntimeError: CUDA out of memory。整合包默認(rèn)參數(shù)偏保守但如果你的顯存特別小比如 6G還是不夠。進(jìn)啟動(dòng)器的高級(jí)選項(xiàng)把“顯存優(yōu)化”從“平衡”改成“低顯存”它會(huì)自動(dòng)加--lowvram。故障三裝了新插件后啟動(dòng)崩潰。整合包的環(huán)境是鎖定的新插件可能要求更高版本的某個(gè)庫。這時(shí)候不要直接 pip install 升級(jí)而是去插件的 GitHub 頁面看它的 requirements手動(dòng)裝兼容版本。實(shí)在不行就把插件目錄刪掉重啟即可恢復(fù)。提示整合包不要放在中文路徑或帶空格的路徑下這是最常見的“莫名其妙啟動(dòng)失敗”原因。路徑改成D:\SD這種最穩(wěn)。3.3 整合包能不能升級(jí)、能不能遷移能但要講方法。升級(jí)模型和插件是安全的直接替換文件即可。升級(jí)核心程序比如 WebUI 本體要謹(jǐn)慎因?yàn)檎习?Python 環(huán)境是定制的新版 WebUI 可能要求新的依賴。我的做法是保留舊版本目錄不動(dòng)下載新版整合包解壓到新目錄把models和extensions目錄整個(gè)拷過去這樣既升級(jí)了又保留了資產(chǎn)。遷移到另一臺(tái)機(jī)器更簡單整個(gè)目錄拷貝過去但要注意目標(biāo)機(jī)器的顯卡驅(qū)動(dòng)版本不能低于原機(jī)器否則 CUDA 會(huì)不兼容。4. Docker 部署環(huán)境隔離的正解與網(wǎng)絡(luò)配置的坑4.1 Docker Desktop 裝不上virtualization support not detected 的排查鏈熱詞里“virtualization support not detected docker desktop failed to start”是高頻問題。這個(gè)報(bào)錯(cuò)的意思是 Docker Desktop 需要 WSL2 或 Hyper-V而你的 CPU 虛擬化沒開。排查鏈路是這樣的第一步進(jìn) BIOS 開虛擬化。Intel 叫 VT-xAMD 叫 SVM通常在 Advanced 或 CPU Configuration 里。開完保存重啟。第二步確認(rèn) Windows 功能里開啟了“虛擬機(jī)平臺(tái)”和“適用于 Linux 的 Windows 子系統(tǒng)”。用管理員 PowerShelldism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart第三步裝 WSL2 內(nèi)核更新包然后wsl --set-default-version 2。第四步如果還報(bào)錯(cuò)檢查是不是裝了其他虛擬化軟件比如某些安卓模擬器占用了 Hyper-V。關(guān)掉它們?cè)僭嚒?.2 用 Docker 跑 Stable Diffusion 的鏡像選擇Docker 跑 SD 有兩種思路一是用現(xiàn)成的鏡像比如siutin/stable-diffusion-webui-docker二是自己寫 Dockerfile?，F(xiàn)成鏡像省事但版本可能舊自己寫靈活但要處理 GPU 透傳。自己寫 Dockerfile 的核心是基礎(chǔ)鏡像要帶 CUDAFROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 RUN apt-get update apt-get install -y python3 python3-pip git wget RUN pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 WORKDIR /app RUN git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git WORKDIR /app/stable-diffusion-webui RUN pip3 install -r requirements.txt EXPOSE 7860 CMD [python3, launch.py, --listen, --port, 7860]啟動(dòng)容器時(shí)必須加--gpus alldocker run --gpus all -p 7860:7860 -v /host/models:/app/stable-diffusion-webui/models -d sd-webui-v掛載模型目錄是關(guān)鍵否則每次重建容器模型都沒了。4.3 Docker 網(wǎng)絡(luò)與國內(nèi)源加速Docker 拉鏡像慢是常態(tài)配置國內(nèi)鏡像加速器{ registry-mirrors: [ https://docker.mirrors.ustc.edu.cn, https://hub-mirror.c.163.com ] }寫在 Docker Desktop 的 Settings → Docker Engine 里重啟生效。容器內(nèi)部 pip 也要換源在 Dockerfile 里加pip config set global.index-url。還有一個(gè)坑容器內(nèi)訪問宿主機(jī)的服務(wù)比如你想讓容器里的 SD 調(diào)用宿主機(jī)的某個(gè) API不能用localhost要用host.docker.internalWindows/Mac或宿主機(jī)的實(shí)際 IPLinux。5. ComfyUI 部署節(jié)點(diǎn)流的核心邏輯與插件管理5.1 ComfyUI 和 WebUI 的本質(zhì)區(qū)別WebUI 是“表單式”的你填參數(shù)、點(diǎn)生成。ComfyUI 是“節(jié)點(diǎn)式”的你把加載模型、編碼提示詞、采樣、解碼、保存這些步驟用連線串起來。這個(gè)區(qū)別決定了 ComfyUI 的學(xué)習(xí)曲線更陡但一旦學(xué)會(huì)工作流可以保存成 JSON 文件別人導(dǎo)入就能復(fù)現(xiàn)你的完整流程包括用了哪個(gè)模型、什么采樣器、多少步、什么 CFG。為什么 ComfyUI 顯存占用更低因?yàn)樗葱杓虞d只有工作流里用到的節(jié)點(diǎn)才會(huì)實(shí)例化模型不像 WebUI 一次性把所有東西加載進(jìn)顯存。實(shí)測同樣的 8G 顯存WebUI 跑 512x512 勉強(qiáng)ComfyUI 能跑 768x768。5.2 秋葉 ComfyUI 整合包的目錄結(jié)構(gòu)與插件安裝秋葉 ComfyUI 整合包的目錄結(jié)構(gòu)大致是ComfyUI/ ├── ComfyUI/ # 主程序 │ ├── custom_nodes/ # 插件目錄 │ ├── models/ # 模型目錄 │ └── output/ # 輸出目錄 ├── python/ # 嵌入式 Python └── 啟動(dòng)器.exe裝插件有兩種方式一是用 ComfyUI Manager如果整合包預(yù)裝了在界面里搜索安裝二是手動(dòng) git clone 到custom_nodes目錄然后進(jìn)插件目錄pip install -r requirements.txt。注意要用整合包自帶的 python不是系統(tǒng)的..\..\python\python.exe -m pip install -r requirements.txt5.3 ComfyUI 切換國內(nèi)源與依賴沖突處理ComfyUI 的插件生態(tài)很活躍但插件之間的依賴沖突也常見。典型癥狀是啟動(dòng)時(shí)報(bào)ImportError: cannot import name xxx。原因是插件 A 要求numpy1.24插件 B 要求numpy1.26裝了一個(gè)另一個(gè)就崩。處理原則優(yōu)先保證主程序能跑沖突插件二選一。如果兩個(gè)都要就建虛擬環(huán)境隔離但整合包不支持多環(huán)境這時(shí)候就體現(xiàn)出 Docker 的優(yōu)勢(shì)了。切換國內(nèi)源在 ComfyUI 里同樣重要因?yàn)?Manager 裝插件時(shí)會(huì)調(diào) pip# 在 ComfyUI 根目錄建 pip.iniWindows [global] index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn6. 模型管理與顯存優(yōu)化的實(shí)戰(zhàn)經(jīng)驗(yàn)6.1 模型目錄怎么組織才不亂不管你用哪種部署方式模型目錄遲早會(huì)亂。我的組織方式是按類型分目錄再按來源分子目錄models/ ├── Stable-diffusion/ # 主模型 │ ├── SD1.5/ │ ├── SDXL/ │ └── Flux/ ├── Lora/ ├── VAE/ ├── ControlNet/ └── Embeddings/WebUI 和 ComfyUI 都支持通過配置文件指定額外的模型路徑這樣你可以讓兩個(gè)程序共享同一份模型省硬盤。WebUI 在webui-user.bat里加--ckpt-dirComfyUI 在extra_model_paths.yaml里配。6.2 顯存不夠時(shí)的參數(shù)調(diào)整順序顯存不夠時(shí)按這個(gè)順序調(diào)從影響最小的開始降低分辨率。512x512 是 SD1.5 的甜點(diǎn)768x768 顯存翻倍。減少 batch size。從 4 降到 1顯存降 75%。加--medvram。降 30% 顯存速度降 10%。加--lowvram。降 50% 顯存速度降 40%。換更小的模型。SD1.5 比 SDXL 省一半顯存。用 ComfyUI 替代 WebUI。實(shí)測數(shù)據(jù)RTX 3060 12G512x51220 步配置顯存占用單張耗時(shí)默認(rèn)8.2G3.5smedvram5.8G3.9slowvram4.1G5.2sComfyUI 默認(rèn)5.5G3.2s6.3 模型格式 safetensors 與 ckpt 的選擇優(yōu)先用 safetensors。ckpt 是 pickle 格式理論上可以執(zhí)行任意代碼來源不明的 ckpt 有安全風(fēng)險(xiǎn)。safetensors 只存張量數(shù)據(jù)加載更快也更安全?，F(xiàn)在主流模型都提供 safetensors 版本如果只有 ckpt用工具轉(zhuǎn)換一下再用。7. 常見報(bào)錯(cuò)速查與排查思路7.1 啟動(dòng)類報(bào)錯(cuò)報(bào)錯(cuò)信息原因解決CUDA out of memory顯存不足加 medvram/lowvram降分辨率torch not compiled with CUDAtorch 版本不對(duì)重裝對(duì)應(yīng) cuXXX 的 torchNo module named xxx依賴缺失pip install xxxPort 7860 already in use端口占用換端口或殺進(jìn)程virtualenv not foundPython 環(huán)境問題重裝整合包或修復(fù) Python7.2 生成類報(bào)錯(cuò)生成時(shí)報(bào)NaN或全黑圖通常是 VAE 不匹配或 CFG 太高。先換 VAE再把 CFG 從 7 降到 5 試試。報(bào)RuntimeError: expected scalar type Half but found Float是半精度問題加--no-half啟動(dòng)參數(shù)但速度會(huì)慢。7.3 插件類報(bào)錯(cuò)插件報(bào)錯(cuò)先看它的 GitHub Issues90% 的問題別人已經(jīng)遇到過了。如果 Issues 里沒有就把報(bào)錯(cuò)信息完整復(fù)制去搜。注意看報(bào)錯(cuò)棧的最后一行那才是真正的錯(cuò)誤點(diǎn)前面的都是調(diào)用鏈。8. 我踩過的幾個(gè)印象深刻的坑第一個(gè)坑曾經(jīng)為了省事把整合包放在C:\Users\我的文檔\AI\Stable Diffusion這種路徑下結(jié)果啟動(dòng)一直失敗報(bào)的錯(cuò)還特別模糊。后來改成D:\SD就好了。中文路徑和空格是隱形殺手。第二個(gè)坑Docker 里跑 SD模型掛載用相對(duì)路徑結(jié)果容器啟動(dòng)后找不到模型。Docker 的-v必須用絕對(duì)路徑Windows 下還要注意盤符寫法D:\models要寫成/d/models或者用//d/models。第三個(gè)坑ComfyUI 裝了一個(gè)插件后另一個(gè)插件失效了。查了半天發(fā)現(xiàn)是 numpy 版本沖突。最后用pip install numpy1.24.4釘死版本才解決。這件事讓我意識(shí)到整合包的“方便”是有代價(jià)的環(huán)境不隔離沖突遲早會(huì)來。第四個(gè)坑以為顯存越大越好買了 24G 的卡結(jié)果發(fā)現(xiàn)瓶頸在 CPU 和內(nèi)存。加載大模型時(shí)如果內(nèi)存只有 16G模型從硬盤讀到內(nèi)存再到顯存這個(gè)過程會(huì)非常慢。后來加到 64G 內(nèi)存加載速度提升明顯。所以配機(jī)器要均衡不能只看顯卡。第五個(gè)坑用--xformers加速結(jié)果生成的圖出現(xiàn)奇怪的網(wǎng)格狀偽影。查了才知道是 xformers 版本和 torch 不匹配導(dǎo)致的數(shù)值精度問題。換回--opt-split-attention后偽影消失。加速是有代價(jià)的出圖質(zhì)量優(yōu)先時(shí)不要盲目開優(yōu)化。9. 給不同階段的人的具體建議如果你是純新手今天就想出圖下載秋葉整合包解壓到英文路徑雙擊啟動(dòng)器等它自動(dòng)打開瀏覽器選一個(gè)模型輸入提示詞點(diǎn)生成。不要碰任何命令行。如果你已經(jīng)會(huì)用整合包想深入裝一個(gè) ComfyUI從官方示例工作流開始逐個(gè)節(jié)點(diǎn)理解它的作用。先跑通最簡單的“加載模型→編碼提示詞→采樣→解碼→保存”再逐步加 ControlNet、Lora、放大。如果你要做團(tuán)隊(duì)協(xié)作或長期項(xiàng)目上 Docker。把環(huán)境、模型、工作流全部容器化用 docker-compose 管理。這樣換機(jī)器、換同事、換服務(wù)器一條命令就能復(fù)現(xiàn)。如果你要部署到服務(wù)器給別人用Docker Nginx 反向代理 鑒權(quán)。注意 WebUI 默認(rèn)沒有鑒權(quán)直接暴露公網(wǎng)很危險(xiǎn)必須加--gradio-auth username:password。最后說一句部署這件事沒有“一勞永逸”的方案。模型在更新插件在更新CUDA 在更新你今天配好的環(huán)境三個(gè)月后可能就要調(diào)整。所以與其追求一次配好不如把排查思路練熟。知道報(bào)錯(cuò)去哪查、版本怎么對(duì)應(yīng)、參數(shù)怎么調(diào)比記住某個(gè)具體命令有用得多。 Stable Diffusion部署全攻略：官方、整合包、Docker與ComfyUI對(duì)比
1. 先把部署路線選清楚四條路各自的適用人群Stable Diffusion 的部署方式說到底是四種官方原版、社區(qū)整合包、Docker 容器、ComfyUI 節(jié)點(diǎn)流。很多人一上來就問“哪個(gè)最好”這個(gè)問題本身就不成立因?yàn)樗臈l路服務(wù)的是完全不同的人。我自己從 2023 年開始折騰前后在五臺(tái)機(jī)器上裝過十幾遍踩過的坑足夠?qū)懸槐拘?cè)子。這篇就把四條路線拆開講透包括每一步為什么這么做、參數(shù)怎么算、出問題怎么查。先給一個(gè)結(jié)論性的對(duì)照表方便你對(duì)號(hào)入座部署方式適合人群上手難度環(huán)境隔離插件生態(tài)顯存占用官方原版想理解底層機(jī)制的人高差需手動(dòng)裝中等整合包新手、快速出圖極低差預(yù)裝齊全中等Docker多環(huán)境、服務(wù)器、團(tuán)隊(duì)中極好需自行配置略高ComfyUI進(jìn)階、工作流復(fù)用中高一般節(jié)點(diǎn)式擴(kuò)展低為什么官方原版反而最難因?yàn)樗唤o你一個(gè) Python 環(huán)境和一份 requirements.txt剩下的 CUDA 版本、torch 編譯、xformers 匹配全靠自己。整合包把這些全部打包好了雙擊 run.bat 就能跑代價(jià)是環(huán)境被鎖死你想升級(jí)某個(gè)庫可能直接崩。Docker 的價(jià)值在于“一次構(gòu)建到處運(yùn)行”特別適合你有多個(gè)項(xiàng)目、多個(gè) Python 版本互相打架的場景。ComfyUI 則是另一條賽道它不追求開箱即用而是追求工作流的可復(fù)用和可版本化。我個(gè)人的建議是如果你只是想出圖直接上整合包如果你想長期做項(xiàng)目、要復(fù)現(xiàn)、要遷移Docker 是正解如果你要做復(fù)雜的多模型串聯(lián)、批量處理ComfyUI 值得投入時(shí)間學(xué)。下面逐條展開。2. 官方原版部署從零理解依賴鏈的每一步2.1 為什么官方部署總是卡在 installing requirements熱詞里有個(gè)高頻問題“stable diffusion webui forge run.bat 卡在 installing requirement”。這個(gè)現(xiàn)象幾乎每個(gè)用官方方式部署的人都遇到過。根本原因有三個(gè)一是 pip 默認(rèn)走國外源下載 torch 這種幾百 MB 的包經(jīng)常超時(shí)二是 requirements 里某些包的版本和你的 CUDA 驅(qū)動(dòng)不匹配pip 會(huì)反復(fù)嘗試解析依賴三是 Windows 下長路徑和權(quán)限問題導(dǎo)致寫入失敗。解決思路很直接先換國內(nèi)源再手動(dòng)鎖定 torch 版本最后分步安裝而不是一把梭。具體操作# 第一步升級(jí) pip 并換源 python -m pip install --upgrade pip pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # 第二步先單獨(dú)裝 torch指定 CUDA 版本 # CUDA 11.8 對(duì)應(yīng) cu118CUDA 12.1 對(duì)應(yīng) cu121 pip install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 # 第三步再裝其余依賴 pip install -r requirements.txt為什么要先裝 torch因?yàn)?requirements.txt 里通常寫的是torch不帶版本號(hào)pip 會(huì)去解析最新版而最新版可能要求更高的 CUDA。你先手動(dòng)釘死版本pip 在裝其他包時(shí)就會(huì)以這個(gè)為基準(zhǔn)沖突概率大幅下降。2.2 CUDA、驅(qū)動(dòng)、torch 三者的版本對(duì)應(yīng)關(guān)系這是官方部署最容易翻車的地方。很多人顯卡驅(qū)動(dòng)是 535卻去裝 cu121 的 torch結(jié)果torch.cuda.is_available()返回 False。記住一個(gè)原則驅(qū)動(dòng)版本決定你能用的最高 CUDA 運(yùn)行時(shí)版本torch 的 cuXXX 必須小于等于這個(gè)上限。查驅(qū)動(dòng)支持的最高 CUDA 版本nvidia-smi # 右上角會(huì)顯示 CUDA Version: 12.2 之類然后對(duì)照驅(qū)動(dòng)版本支持最高 CUDA推薦 torch 版本470.x11.4torch 1.12 cu113515.x11.7torch 1.13 cu117525.x12.0torch 2.0 cu118535.x12.2torch 2.1 cu121550.x12.4torch 2.3 cu124實(shí)測下來如果你不確定就選比上限低一檔的版本穩(wěn)定性最好。比如驅(qū)動(dòng)支持 12.2你就裝 cu118幾乎不會(huì)出問題。2.3 啟動(dòng)參數(shù)怎么調(diào)顯存不夠的救命配置官方 WebUI 的啟動(dòng)參數(shù)直接決定你能不能跑起來。低顯存用戶8G 以下必須加這幾個(gè)# 在 webui-user.bat 里設(shè)置 set COMMANDLINE_ARGS--medvram --xformers --opt-split-attention--medvram把模型分階段加載顯存占用降 30% 左右代價(jià)是速度慢一點(diǎn)。--lowvram更激進(jìn)適合 4G 顯存但速度會(huì)明顯下降。--xformers用 xformers 庫優(yōu)化注意力計(jì)算速度快 20%-30%顯存也省。--opt-split-attention不裝 xformers 時(shí)的替代方案。這里有個(gè)坑xformers 的版本必須和 torch 嚴(yán)格對(duì)應(yīng)裝錯(cuò)了會(huì)直接報(bào)undefined symbol。如果你不想折騰就用--opt-split-attention效果差一點(diǎn)但不會(huì)崩。3. 整合包部署快是真快坑也是真坑3.1 秋葉整合包為什么能一鍵跑起來秋葉整合包包括 WebUI 版和 ComfyUI 版的核心價(jià)值在于它把 Python 運(yùn)行時(shí)、CUDA 庫、torch、所有依賴、常用模型、常用插件全部打包在一個(gè)目錄里用嵌入式 Python 解釋器不污染系統(tǒng)環(huán)境。你解壓完雙擊啟動(dòng)器它自動(dòng)檢測顯卡、自動(dòng)配置參數(shù)、自動(dòng)開瀏覽器。它的啟動(dòng)器做了幾件事檢測顯卡型號(hào)和顯存、根據(jù)顯存自動(dòng)選擇優(yōu)化參數(shù)、檢查模型目錄、啟動(dòng)一個(gè)本地 HTTP 服務(wù)。這些邏輯寫在啟動(dòng)器的 exe 里你看不到但確實(shí)在跑。3.2 整合包的三個(gè)典型故障與修復(fù)故障一啟動(dòng)后瀏覽器打不開命令行報(bào)端口占用。原因是 7860 端口被其他程序占了。解決辦法是改啟動(dòng)參數(shù)--port 7861或者在啟動(dòng)器設(shè)置里改端口。故障二生成圖片時(shí)報(bào)RuntimeError: CUDA out of memory。整合包默認(rèn)參數(shù)偏保守但如果你的顯存特別小比如 6G還是不夠。進(jìn)啟動(dòng)器的高級(jí)選項(xiàng)把“顯存優(yōu)化”從“平衡”改成“低顯存”它會(huì)自動(dòng)加--lowvram。故障三裝了新插件后啟動(dòng)崩潰。整合包的環(huán)境是鎖定的新插件可能要求更高版本的某個(gè)庫。這時(shí)候不要直接 pip install 升級(jí)而是去插件的 GitHub 頁面看它的 requirements手動(dòng)裝兼容版本。實(shí)在不行就把插件目錄刪掉重啟即可恢復(fù)。提示整合包不要放在中文路徑或帶空格的路徑下這是最常見的“莫名其妙啟動(dòng)失敗”原因。路徑改成D:\SD這種最穩(wěn)。3.3 整合包能不能升級(jí)、能不能遷移能但要講方法。升級(jí)模型和插件是安全的直接替換文件即可。升級(jí)核心程序比如 WebUI 本體要謹(jǐn)慎因?yàn)檎习?Python 環(huán)境是定制的新版 WebUI 可能要求新的依賴。我的做法是保留舊版本目錄不動(dòng)下載新版整合包解壓到新目錄把models和extensions目錄整個(gè)拷過去這樣既升級(jí)了又保留了資產(chǎn)。遷移到另一臺(tái)機(jī)器更簡單整個(gè)目錄拷貝過去但要注意目標(biāo)機(jī)器的顯卡驅(qū)動(dòng)版本不能低于原機(jī)器否則 CUDA 會(huì)不兼容。4. Docker 部署環(huán)境隔離的正解與網(wǎng)絡(luò)配置的坑4.1 Docker Desktop 裝不上virtualization support not detected 的排查鏈熱詞里“virtualization support not detected docker desktop failed to start”是高頻問題。這個(gè)報(bào)錯(cuò)的意思是 Docker Desktop 需要 WSL2 或 Hyper-V而你的 CPU 虛擬化沒開。排查鏈路是這樣的第一步進(jìn) BIOS 開虛擬化。Intel 叫 VT-xAMD 叫 SVM通常在 Advanced 或 CPU Configuration 里。開完保存重啟。第二步確認(rèn) Windows 功能里開啟了“虛擬機(jī)平臺(tái)”和“適用于 Linux 的 Windows 子系統(tǒng)”。用管理員 PowerShelldism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart第三步裝 WSL2 內(nèi)核更新包然后wsl --set-default-version 2。第四步如果還報(bào)錯(cuò)檢查是不是裝了其他虛擬化軟件比如某些安卓模擬器占用了 Hyper-V。關(guān)掉它們?cè)僭嚒?.2 用 Docker 跑 Stable Diffusion 的鏡像選擇Docker 跑 SD 有兩種思路一是用現(xiàn)成的鏡像比如siutin/stable-diffusion-webui-docker二是自己寫 Dockerfile?，F(xiàn)成鏡像省事但版本可能舊自己寫靈活但要處理 GPU 透傳。自己寫 Dockerfile 的核心是基礎(chǔ)鏡像要帶 CUDAFROM nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 RUN apt-get update apt-get install -y python3 python3-pip git wget RUN pip3 install torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118 WORKDIR /app RUN git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git WORKDIR /app/stable-diffusion-webui RUN pip3 install -r requirements.txt EXPOSE 7860 CMD [python3, launch.py, --listen, --port, 7860]啟動(dòng)容器時(shí)必須加--gpus alldocker run --gpus all -p 7860:7860 -v /host/models:/app/stable-diffusion-webui/models -d sd-webui-v掛載模型目錄是關(guān)鍵否則每次重建容器模型都沒了。4.3 Docker 網(wǎng)絡(luò)與國內(nèi)源加速Docker 拉鏡像慢是常態(tài)配置國內(nèi)鏡像加速器{ registry-mirrors: [ https://docker.mirrors.ustc.edu.cn, https://hub-mirror.c.163.com ] }寫在 Docker Desktop 的 Settings → Docker Engine 里重啟生效。容器內(nèi)部 pip 也要換源在 Dockerfile 里加pip config set global.index-url。還有一個(gè)坑容器內(nèi)訪問宿主機(jī)的服務(wù)比如你想讓容器里的 SD 調(diào)用宿主機(jī)的某個(gè) API不能用localhost要用host.docker.internalWindows/Mac或宿主機(jī)的實(shí)際 IPLinux。5. ComfyUI 部署節(jié)點(diǎn)流的核心邏輯與插件管理5.1 ComfyUI 和 WebUI 的本質(zhì)區(qū)別WebUI 是“表單式”的你填參數(shù)、點(diǎn)生成。ComfyUI 是“節(jié)點(diǎn)式”的你把加載模型、編碼提示詞、采樣、解碼、保存這些步驟用連線串起來。這個(gè)區(qū)別決定了 ComfyUI 的學(xué)習(xí)曲線更陡但一旦學(xué)會(huì)工作流可以保存成 JSON 文件別人導(dǎo)入就能復(fù)現(xiàn)你的完整流程包括用了哪個(gè)模型、什么采樣器、多少步、什么 CFG。為什么 ComfyUI 顯存占用更低因?yàn)樗葱杓虞d只有工作流里用到的節(jié)點(diǎn)才會(huì)實(shí)例化模型不像 WebUI 一次性把所有東西加載進(jìn)顯存。實(shí)測同樣的 8G 顯存WebUI 跑 512x512 勉強(qiáng)ComfyUI 能跑 768x768。5.2 秋葉 ComfyUI 整合包的目錄結(jié)構(gòu)與插件安裝秋葉 ComfyUI 整合包的目錄結(jié)構(gòu)大致是ComfyUI/ ├── ComfyUI/ # 主程序 │ ├── custom_nodes/ # 插件目錄 │ ├── models/ # 模型目錄 │ └── output/ # 輸出目錄 ├── python/ # 嵌入式 Python └── 啟動(dòng)器.exe裝插件有兩種方式一是用 ComfyUI Manager如果整合包預(yù)裝了在界面里搜索安裝二是手動(dòng) git clone 到custom_nodes目錄然后進(jìn)插件目錄pip install -r requirements.txt。注意要用整合包自帶的 python不是系統(tǒng)的..\..\python\python.exe -m pip install -r requirements.txt5.3 ComfyUI 切換國內(nèi)源與依賴沖突處理ComfyUI 的插件生態(tài)很活躍但插件之間的依賴沖突也常見。典型癥狀是啟動(dòng)時(shí)報(bào)ImportError: cannot import name xxx。原因是插件 A 要求numpy1.24插件 B 要求numpy1.26裝了一個(gè)另一個(gè)就崩。處理原則優(yōu)先保證主程序能跑沖突插件二選一。如果兩個(gè)都要就建虛擬環(huán)境隔離但整合包不支持多環(huán)境這時(shí)候就體現(xiàn)出 Docker 的優(yōu)勢(shì)了。切換國內(nèi)源在 ComfyUI 里同樣重要因?yàn)?Manager 裝插件時(shí)會(huì)調(diào) pip# 在 ComfyUI 根目錄建 pip.iniWindows [global] index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn6. 模型管理與顯存優(yōu)化的實(shí)戰(zhàn)經(jīng)驗(yàn)6.1 模型目錄怎么組織才不亂不管你用哪種部署方式模型目錄遲早會(huì)亂。我的組織方式是按類型分目錄再按來源分子目錄models/ ├── Stable-diffusion/ # 主模型 │ ├── SD1.5/ │ ├── SDXL/ │ └── Flux/ ├── Lora/ ├── VAE/ ├── ControlNet/ └── Embeddings/WebUI 和 ComfyUI 都支持通過配置文件指定額外的模型路徑這樣你可以讓兩個(gè)程序共享同一份模型省硬盤。WebUI 在webui-user.bat里加--ckpt-dirComfyUI 在extra_model_paths.yaml里配。6.2 顯存不夠時(shí)的參數(shù)調(diào)整順序顯存不夠時(shí)按這個(gè)順序調(diào)從影響最小的開始降低分辨率。512x512 是 SD1.5 的甜點(diǎn)768x768 顯存翻倍。減少 batch size。從 4 降到 1顯存降 75%。加--medvram。降 30% 顯存速度降 10%。加--lowvram。降 50% 顯存速度降 40%。換更小的模型。SD1.5 比 SDXL 省一半顯存。用 ComfyUI 替代 WebUI。實(shí)測數(shù)據(jù)RTX 3060 12G512x51220 步配置顯存占用單張耗時(shí)默認(rèn)8.2G3.5smedvram5.8G3.9slowvram4.1G5.2sComfyUI 默認(rèn)5.5G3.2s6.3 模型格式 safetensors 與 ckpt 的選擇優(yōu)先用 safetensors。ckpt 是 pickle 格式理論上可以執(zhí)行任意代碼來源不明的 ckpt 有安全風(fēng)險(xiǎn)。safetensors 只存張量數(shù)據(jù)加載更快也更安全?，F(xiàn)在主流模型都提供 safetensors 版本如果只有 ckpt用工具轉(zhuǎn)換一下再用。7. 常見報(bào)錯(cuò)速查與排查思路7.1 啟動(dòng)類報(bào)錯(cuò)報(bào)錯(cuò)信息原因解決CUDA out of memory顯存不足加 medvram/lowvram降分辨率torch not compiled with CUDAtorch 版本不對(duì)重裝對(duì)應(yīng) cuXXX 的 torchNo module named xxx依賴缺失pip install xxxPort 7860 already in use端口占用換端口或殺進(jìn)程virtualenv not foundPython 環(huán)境問題重裝整合包或修復(fù) Python7.2 生成類報(bào)錯(cuò)生成時(shí)報(bào)NaN或全黑圖通常是 VAE 不匹配或 CFG 太高。先換 VAE再把 CFG 從 7 降到 5 試試。報(bào)RuntimeError: expected scalar type Half but found Float是半精度問題加--no-half啟動(dòng)參數(shù)但速度會(huì)慢。7.3 插件類報(bào)錯(cuò)插件報(bào)錯(cuò)先看它的 GitHub Issues90% 的問題別人已經(jīng)遇到過了。如果 Issues 里沒有就把報(bào)錯(cuò)信息完整復(fù)制去搜。注意看報(bào)錯(cuò)棧的最后一行那才是真正的錯(cuò)誤點(diǎn)前面的都是調(diào)用鏈。8. 我踩過的幾個(gè)印象深刻的坑第一個(gè)坑曾經(jīng)為了省事把整合包放在C:\Users\我的文檔\AI\Stable Diffusion這種路徑下結(jié)果啟動(dòng)一直失敗報(bào)的錯(cuò)還特別模糊。后來改成D:\SD就好了。中文路徑和空格是隱形殺手。第二個(gè)坑Docker 里跑 SD模型掛載用相對(duì)路徑結(jié)果容器啟動(dòng)后找不到模型。Docker 的-v必須用絕對(duì)路徑Windows 下還要注意盤符寫法D:\models要寫成/d/models或者用//d/models。第三個(gè)坑ComfyUI 裝了一個(gè)插件后另一個(gè)插件失效了。查了半天發(fā)現(xiàn)是 numpy 版本沖突。最后用pip install numpy1.24.4釘死版本才解決。這件事讓我意識(shí)到整合包的“方便”是有代價(jià)的環(huán)境不隔離沖突遲早會(huì)來。第四個(gè)坑以為顯存越大越好買了 24G 的卡結(jié)果發(fā)現(xiàn)瓶頸在 CPU 和內(nèi)存。加載大模型時(shí)如果內(nèi)存只有 16G模型從硬盤讀到內(nèi)存再到顯存這個(gè)過程會(huì)非常慢。后來加到 64G 內(nèi)存加載速度提升明顯。所以配機(jī)器要均衡不能只看顯卡。第五個(gè)坑用--xformers加速結(jié)果生成的圖出現(xiàn)奇怪的網(wǎng)格狀偽影。查了才知道是 xformers 版本和 torch 不匹配導(dǎo)致的數(shù)值精度問題。換回--opt-split-attention后偽影消失。加速是有代價(jià)的出圖質(zhì)量優(yōu)先時(shí)不要盲目開優(yōu)化。9. 給不同階段的人的具體建議如果你是純新手今天就想出圖下載秋葉整合包解壓到英文路徑雙擊啟動(dòng)器等它自動(dòng)打開瀏覽器選一個(gè)模型輸入提示詞點(diǎn)生成。不要碰任何命令行。如果你已經(jīng)會(huì)用整合包想深入裝一個(gè) ComfyUI從官方示例工作流開始逐個(gè)節(jié)點(diǎn)理解它的作用。先跑通最簡單的“加載模型→編碼提示詞→采樣→解碼→保存”再逐步加 ControlNet、Lora、放大。如果你要做團(tuán)隊(duì)協(xié)作或長期項(xiàng)目上 Docker。把環(huán)境、模型、工作流全部容器化用 docker-compose 管理。這樣換機(jī)器、換同事、換服務(wù)器一條命令就能復(fù)現(xiàn)。如果你要部署到服務(wù)器給別人用Docker Nginx 反向代理 鑒權(quán)。注意 WebUI 默認(rèn)沒有鑒權(quán)直接暴露公網(wǎng)很危險(xiǎn)必須加--gradio-auth username:password。最后說一句部署這件事沒有“一勞永逸”的方案。模型在更新插件在更新CUDA 在更新你今天配好的環(huán)境三個(gè)月后可能就要調(diào)整。所以與其追求一次配好不如把排查思路練熟。知道報(bào)錯(cuò)去哪查、版本怎么對(duì)應(yīng)、參數(shù)怎么調(diào)比記住某個(gè)具體命令有用得多。