Linux 搭建 Stable Diffusion (Forge)

博主：克罗西丁
发布时间：2024 年 09 月 24 日
2327 次浏览
暂无评论
12503字数
分类： Linux 深度学习

## Stable Diffusion WebUI Forge

Forge一个基于 Stable Diffusion WebUI（基于 Gradio）之上的平台，旨在让开发更加便捷，优化资源管理，加速推理过程，并探索实验性功能。

“Forge”这个名字的灵感来自《Minecraft Forge》。该项目的目标是成为 SD WebUI 的 Forge。

Forge 当前基于 SD-WebUI 1.10.1 版本的这个提交（commit）。由于原版 SD-WebUI 目前更新较少，Forge 每 90 天或在有重要修复时与原版 WebUI 同步。

项目原地址:

[#Stable Diffusion WebUI Forge - Github](https://github.com/lllyasviel/stable-diffusion-webui-forge)

---

## 一、项目环境:

在以下环境中搭建该项目:

| 项目环境        | 具体信息                        |
| --------------- | ------------------------------- |
| 操作系统        | Ubuntu 20.04.6 LTS              |
| Docker 环境     | 已集成的 Conda                  |
| CPU             | AMD EPYC 7542 32-Core Processor |
| 核心数          | 64 Core / 32MB L3 Cache         |
| 内存 (RAM)      | 2048G                            |
| 显卡            | 8 x A800 (80G)                  |
| Python 默认版本 | 3.11                            |

## 二、用户与权限设立

我们将创建一个名为 `epors` 的用户账户，并为其创建一个名为 `sdgroup` 的用户组。同时，我们将把该用户和用户组添加到 `sudo` 权限中，以便能够执行需要管理员权限的操作。

### 创建用户组

首先，使用以下命令创建一个名为 `sdgroup` 的用户组：

```bash
sudo groupadd sdgroup
```

### 创建用户

接下来，使用以下命令创建名为 `epors` 的用户，并将其添加到 `sdgroup` 用户组中：

```bash
sudo useradd -m -G sdgroup epors
```

* `-m` 选项用于创建用户的主目录。
* `-G` 选项用于将用户添加到指定的用户组。

### 设置用户密码

```bash
sudo passwd epors
```

根据提示输入并确认新密码。

### 添加用户sudo权限

最后，将 `epors` 用户添加到 `sudo` 权限中，以便能够执行具有管理员权限的命令：

```bash
sudo usermod -aG sudo epors
```

## 三、获取 Stable Diffusion Forge

在本章节中，我们将从 GitHub 上克隆 Stable Diffusion Forge 项目到本地，并设置开发环境。

### 切换用户和进入个人文件夹

首先，切换到 `epors` 用户并进入该用户的个人文件夹：

```bash
su - epors
cd ~/
```

### 克隆项目

接下来，使用以下命令克隆 Stable Diffusion Forge 项目：

```bash
git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
```

### 进入项目目录

克隆完成后，进入项目目录：

```bash
cd stable-diffusion-webui-forge
```

## 四、创建虚拟环境

### Conda:

如果你和我一样使用的是 Conda 环境，请使用以下命令创建名为 `forge` 的虚拟环境，并激活它：

```bash
conda create -n forge python=3.10
conda activate forge
```

### Python:

如果你不是使用 Conda，可以使用以下命令创建虚拟环境：
**确保你的Python为3.10版本**

```bash
python -m venv venv
source venv/bin/activate
```

### 安装依赖

然后，通过以下命令安装项目所需的依赖：

```bash
pip install -r requirements_versions.txt
```

## 五、启动项目

如果你有基础大模型`.checkpoint`文件，启动项目之前强烈建议将基础模型放入指定文件夹内，避免启动时下载模型花费时间。

**models目录详解作用**

```bash
models/
├── Codeformer               # 用于图像修复的 Codeformer 模型
├── ControlNetPreprocessor    # 用于控制网络的预处理器
├── GFPGAN                   # 用于图像修复的 GFPGAN 模型
├── Stable-diffusion         # 存放稳定扩散模型文件
├── VAE-approx               # 近似变分自编码器（VAE）模型
├── deepbooru                # Deepbooru 标签生成器相关文件
├── hypernetworks            # 存放超网络模型
├── svd                      # 奇异值分解（SVD）相关文件
├── z123                     # 其他未分类文件或模型
├── ControlNet               # 存放控制网络模型
├── ESRGAN                   # 超分辨率图像生成的 ESRGAN 模型
├── Lora                     # 存放 Lora 网络文件
└── VAE                      # 存放变分自编码器（VAE）模型
```

* 大模型一般放在 `Stable-diffusion`
* LORA项目文件放在 `Lora`
* VAE文件放在 `VAE`

最后，使用以下命令启动项目，并等待 Forge 自动配置：

**一般来说可以直接尝试启动**

```bash
python launch.py --listen --port 29090
```

至此，你可以通过浏览器访问`http://localhost:29090` 来运行 Stable Diffusion Forge。

### 个人参数与GPU选择:

假设你和我的环境一样拥有许多GPU，但是只需要用指定的某个GPU运行，可以在运行前输入一段环境变量设置：

**选择第0号GPU**

```bash
export CUDA_VISIBLE_DEVICES=0
```

这样启动时会以`nvidia-smi`的第`0`号GPU运行

### 或者编写启动脚本 `start.sh`

```bash
#!/bin/bash
#用于激活Conda环境
eval "$(conda shell.bash hook)"
conda activate forge

#用于激活python环境
#source venv/bin/activate

#引入libtcmalloc解决内存泄漏(需提前安装)
#export LD_PRELOAD="“/usr/lib64/libtcmalloc.so4"

#指定GPU块运行(这里为0块GPU)
#export CUDA_VISIBLE_DEVICES=0

#运行
python launch.py --listen --port 29090 --api --xformers --enable-insecure-extension-access
```

## 六、其它启动参数：

### 配置类参数:

| 参数名                                             | 作用                                         |
|----------------------------------------------------|--------------------------------------------------|
| `-h, --help`                                      | 显示帮助信息并退出                               |
| `--exit`                                          | 安装后立即终止                                   |
| `--data-dir`                                      | 指定存储所有用户数据的基本路径，默认为"./"     |
| `--config`                                        | 用于构建模型的配置文件路径，默认为 "configs/stable-diffusion/v1-inference.yaml" |
| `--ckpt`                                          | 稳定扩散模型的检查点路径；如果指定，该检查点将被添加到检查点列表并加载 |
| `--ckpt-dir`                                      | 稳定扩散检查点的目录路径                        |
| `--no-download-sd-model`                          | 即使没有找到模型，也不下载 SD1.5 模型           |
| `--vae-dir`                                       | 变分自编码器模型的路径                          |
| `--gfpgan-dir`                                    | GFPGAN 目录                                      |
| `--gfpgan-model`                                  | GFPGAN 模型文件名                                |
| `--codeformer-models-path`                        | Codeformer 模型文件的目录路径                   |
| `--gfpgan-models-path`                            | GFPGAN 模型文件的目录路径                       |
| `--esrgan-models-path`                            | ESRGAN 模型文件的目录路径                       |
| `--bsrgan-models-path`                            | BSRGAN 模型文件的目录路径                       |
| `--realesrgan-models-path`                        | RealESRGAN 模型文件的目录路径                   |
| `--scunet-models-path`                            | ScuNET 模型文件的目录路径                       |
| `--swinir-models-path`                            | SwinIR 和 SwinIR v2 模型文件的目录路径        |
| `--ldsr-models-path`                              | LDSR 模型文件的目录路径                         |
| `--lora-dir`                                      | Lora 网络的目录路径                             |
| `--clip-models-path`                              | CLIP 模型文件的目录路径                         |
| `--embeddings-dir`                                | 用于文本逆向的嵌入目录，默认为 "embeddings"    |
| `--textual-inversion-templates-dir`               | 文本逆向模板的目录                              |
| `--hypernetwork-dir`                              | 超网络目录                                      |
| `--localizations-dir`                             | 本地化目录                                      |
| `--styles-file`                                   | 用于样式的文件名，默认为 "styles.csv"          |
| `--ui-config-file`                                | 用于 UI 配置的文件名，默认为 "ui-config.json"  |
| `--no-progressbar-hiding`                         | 不隐藏 Gradio UI 中的进度条（默认隐藏）         |
| `--max-batch-count`                               | UI 的最大批次计数值，默认为 16                  |
| `--ui-settings-file`                              | 用于 UI 设置的文件名，默认为 "config.json"     |
| `--allow-code`                                    | 允许从 Web UI 执行自定义脚本                    |
| `--share`                                         | 使用 Gradio 的 share=True，使 UI 可通过其网站访问 |
| `--listen`                                        | 使用 0.0.0.0 作为服务器名称启动 Gradio         |
| `--port`                                          | 使用给定的服务器端口启动 Gradio                |
| `--hide-ui-dir-config`                            | 从 Web UI 中隐藏目录配置                        |
| `--freeze-settings`                               | 禁用编辑设置                                    |
| `--enable-insecure-extension-access`              | 无论其他选项如何，都启用扩展选项卡              |
| `--gradio-debug`                                  | 使用 --debug 选项启动 Gradio                   |
| `--gradio-auth`                                   | 设置 Gradio 身份验证，如 "username:password"   |
| `--gradio-auth-path`                              | 设置 Gradio 身份验证文件路径                    |
| `--disable-console-progressbars`                  | 不在控制台输出进度条                            |
| `--enable-console-prompts`                        | 在生成时在控制台打印提示                       |
| `--api`                                           | 使用 API 启动 Web UI                            |
| `--api-auth`                                      | 设置 API 身份验证，如 "username:password"      |
| `--api-log`                                       | 启用所有 API 请求的日志记录                     |
| `--nowebui`                                       | 仅启动 API，不启动 UI                          |
| `--ui-debug-mode`                                 | 不加载模型以快速启动 UI                        |
| `--device-id`                                     | 选择要使用的默认 CUDA 设备                      |
| `--administrator`                                  | 管理员权限                                      |
| `--cors-allow-origins`                            | 以逗号分隔的列表形式允许的 CORS 来源            |
| `--cors-allow-origins-regex`                      | 以单个正则表达式的形式允许的 CORS 来源         |
| `--tls-keyfile`                                   | 部分启用 TLS，需要 --tls-certfile 才能完全生效 |
| `--tls-certfile`                                  | 部分启用 TLS，需要 --tls-keyfile 才能完全生效  |
| `--server-name`                                   | 设置服务器主机名                                |
| `--gradio-queue`                                  | 使用 Gradio 队列；实验性选项                    |
| `--skip-version-check`                            | 不检查 torch 和 xformers 的版本                  |
| `--no-hashing`                                    | 禁用检查点的 sha256 哈希，以提高加载性能       |

### 性能类参数:

| 参数名                                             | 作用                                        |
|----------------------------------------------------|--------------------------------------------------|
| `--xformers`                                      | 启用 xformers 以加速跨注意层                     |
| `--reinstall-xformers`                            | 强制重新安装 xformers，升级后使用，但升级后请移除，否则将一直重装 xformers |
| `--force-enable-xformers`                         | 强制启用 xformers 的跨注意层；如果运行失败，请勿提交错误报告 |
| `--opt-split-attention`                           | 强制启用 Doggettx 的跨注意层优化                 |
| `--opt-split-attention-invokeai`                  | 强制启用 InvokeAI 的跨注意层优化                |
| `--opt-split-attention-v1`                        | 启用旧版本的分割注意力优化，该版本不会消耗所有可用的显存 |
| `--opt-sub-quad-attention`                        | 启用内存高效的子二次交叉注意力层优化            |
| `--sub-quad-q-chunk-size`                        | 子二次交叉注意力层优化使用的查询块大小          |
| `--sub-quad-kv-chunk-size`                       | 子二次交叉注意力层优化使用的 kv 块大小          |
| `--sub-quad-chunk-threshold`                     | 子二次交叉注意力层优化使用的显存使用率阈值      |
| `--opt-channelslast`                              | 为 4D 张量启用备选布局，仅在具有 Tensor 核心的 Nvidia 显卡（16xx 及更高版本）上可能导致更快的推理 |
| `--disable-opt-split-attention`                   | 强制禁用跨注意层优化                             |
| `--disable-nan-check`                             | 不检查生成的图像/潜在空间是否包含 nan 值        |
| `--use-cpu`                                       | 对指定模块使用 CPU 作为 torch 设备               |
| `--no-half`                                       | 不将模型切换为 16 位浮点数                       |
| `--precision`                                     | 以此精度进行评估                                 |
| `--no-half-vae`                                   | 不将 VAE 模型切换为 16 位浮点数                  |
| `--upcast-sampling`                               | 向上采样。与 --no-half 无效                      |
| `--medvram`                                       | 启用稳定扩散模型优化，牺牲一点速度以减少显存使用 |
| `--lowvram`                                       | 启用稳定扩散模型优化，牺牲大量速度以极低的显存使用 |
| `--lowram`                                        | 将稳定扩散检查点权重加载到显存而非 RAM          |
| `--always-batch-cond-uncond`                      | 禁用使用 --medvram 或 --lowvram 时为节省内存而启用的条件/无条件批处理 |
| `--all-in-fp16` | 始终使用FP16运算，获得最佳生成速度，略微降低图像质量(几乎忽略不计)，但可能导致生成黑屏(不兼容)，可考虑移除此项目 |

### 通用类参数

| 参数名                                             | 作用                                         |
|----------------------------------------------------|--------------------------------------------------|
| `--autolaunch`                                    | 在启动时使用系统的默认浏览器打开 WebUI URL      |
| `--theme`                                         | 在 WebUI 中使用指定的主题（“light”或“dark”）   |
| `--use-textbox-seed`                              | 在 UI 中使用文本框输入种子（没有上/下箭头，但可以输入长种子） |
| `--disable-safe-unpickle`                          | 禁用对 PyTorch 模型的恶意代码检查               |
| `--ngrok`                                         | 用于 ngrok 的自动令牌，是 gradio --share 的替代方案 |
| `--ngrok-region`                                  | ngrok 应该在其中启动的区域                      |

最后修改：2025 年 10 月 09 日

喜欢就请我喝一杯奶茶吧~

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

评论 *

私密评论

名称 *

🎲

邮箱 *

地址

Linux 搭建 Stable Diffusion (Forge)

克罗西丁 • 2024 年 09 月 24 日

## Stable Diffusion WebUI Forge

Forge一个基于 Stable Diffusion WebUI（基于 Gradio）之上的平台，旨在让开发更加便捷，优化资源管理，加速推理过程，并探索实验性功能。

“Forge”这个名字的灵感来自《Minecraft Forge》。该项目的目标是成为 SD WebUI 的 Forge。

Forge 当前基于 SD-WebUI 1.10.1 版本的这个提交（commit）。由于原版 SD-WebUI 目前更新较少，Forge 每 90 天或在有重要修复时与原版 WebUI 同步。

项目原地址:

[#Stable Diffusion WebUI Forge - Github](https://github.com/lllyasviel/stable-diffusion-webui-forge)

---

## 一、项目环境:

在以下环境中搭建该项目:

## 二、用户与权限设立

### 创建用户组

首先，使用以下命令创建一个名为 `sdgroup` 的用户组：

```bash
sudo groupadd sdgroup
```

### 创建用户

接下来，使用以下命令创建名为 `epors` 的用户，并将其添加到 `sdgroup` 用户组中：

```bash
sudo useradd -m -G sdgroup epors
```

* `-m` 选项用于创建用户的主目录。
* `-G` 选项用于将用户添加到指定的用户组。

### 设置用户密码

```bash
sudo passwd epors
```

根据提示输入并确认新密码。

### 添加用户sudo权限

最后，将 `epors` 用户添加到 `sudo` 权限中，以便能够执行具有管理员权限的命令：

```bash
sudo usermod -aG sudo epors
```

## 三、获取 Stable Diffusion Forge

在本章节中，我们将从 GitHub 上克隆 Stable Diffusion Forge 项目到本地，并设置开发环境。

### 切换用户和进入个人文件夹

首先，切换到 `epors` 用户并进入该用户的个人文件夹：

```bash
su - epors
cd ~/
```

### 克隆项目

接下来，使用以下命令克隆 Stable Diffusion Forge 项目：

```bash
git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
```

### 进入项目目录

克隆完成后，进入项目目录：

```bash
cd stable-diffusion-webui-forge
```

## 四、创建虚拟环境

### Conda:

如果你和我一样使用的是 Conda 环境，请使用以下命令创建名为 `forge` 的虚拟环境，并激活它：

```bash
conda create -n forge python=3.10
conda activate forge
```

### Python:

如果你不是使用 Conda，可以使用以下命令创建虚拟环境：
**确保你的Python为3.10版本**

```bash
python -m venv venv
source venv/bin/activate
```

### 安装依赖

然后，通过以下命令安装项目所需的依赖：

```bash
pip install -r requirements_versions.txt
```

## 五、启动项目

如果你有基础大模型`.checkpoint`文件，启动项目之前强烈建议将基础模型放入指定文件夹内，避免启动时下载模型花费时间。

**models目录详解作用**

* 大模型一般放在 `Stable-diffusion`
* LORA项目文件放在 `Lora`
* VAE文件放在 `VAE`

最后，使用以下命令启动项目，并等待 Forge 自动配置：

**一般来说可以直接尝试启动**

```bash
python launch.py --listen --port 29090
```

至此，你可以通过浏览器访问`http://localhost:29090` 来运行 Stable Diffusion Forge。

### 个人参数与GPU选择:

假设你和我的环境一样拥有许多GPU，但是只需要用指定的某个GPU运行，可以在运行前输入一段环境变量设置：

**选择第0号GPU**

```bash
export CUDA_VISIBLE_DEVICES=0
```

这样启动时会以`nvidia-smi`的第`0`号GPU运行

### 或者编写启动脚本 `start.sh`

```bash
#!/bin/bash
#用于激活Conda环境
eval "$(conda shell.bash hook)"
conda activate forge

#用于激活python环境
#source venv/bin/activate

#引入libtcmalloc解决内存泄漏(需提前安装)
#export LD_PRELOAD="“/usr/lib64/libtcmalloc.so4"

#指定GPU块运行(这里为0块GPU)
#export CUDA_VISIBLE_DEVICES=0

#运行
python launch.py --listen --port 29090 --api --xformers --enable-insecure-extension-access
```

## 六、其它启动参数：

### 配置类参数:

### 性能类参数:

### 通用类参数

Linux 搭建 Stable Diffusion (Forge)

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

小格自用公告逼乎体

Linux 安装 Koishi

OTA更新包提取Payload.bin

MAC Bigsur 挂载NTFS移动硬盘

Android隐藏状态栏/导航栏ADB命令

Linux磁盘(LVM)扩容，解决No space left on device错误

Javascript 异步等待其它函数延迟执行

Linux下使用RCON远程管理游戏服务器命令

KMS Office Active

Linux架设Palworld(幻兽帕鲁)官方专用服务器

Linux 搭建 Stable Diffusion (Forge)

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

Linux 搭建 Stable Diffusion (Forge)

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款