1、环境搭建

为了方便，这里直接选择Vultr提供的已安装Anaconda的Ubuntu 22.04系统。

如果你自己电脑有足够的显存，你也可以在自己电脑上搭建，因为我电脑只有2GB显存和8GB运行内存，所以完全不够用，我就选择云端搭建。

如果你也是想快速搭建，你也可以选择云端搭建，这里推荐我知道的两个不错的GPU平台，一个是AutoDL，还有一个是Vultr。其中AutoDL是国内的，它比较便宜，目前已知最低是0.78/h，并且可选的配置比较多，当然也有缺点，缺点就是不能开放端口，虽然是root账号，但是很多限制。Vultr是国外的供应商，它的费用比较贵，但优势是自由度高。

这是使用Vultr来演示。

1.1、GPU服务器选择

点击这里跳转到Vultr

我们选择Cloud GPU，默认选择Nvidia A100。

然后Location默认即可，当然你也可以选择你喜欢的Location。

然后是Server image推荐选择Anaconda或者Miniconda镜像。注意不要选择CentOS系统，使用CentOS系统搭建会有很多环境上的问题，并且这里官方也不推荐使用该系统。

接下来是选择GPU的大小，这里我选择的是8GB的显存。

最后记得把Auto Backups给取消掉，减少不必要的扣费。

最后点击Deploy Now即可。

1.2、配置服务器环境

执行下面的两个命令

apt-get update
apt-get upgrade

2、源码和模型下载

创建一个目录存储源码

cd /opt
mkdir sd
cd sd

克隆源码到服务器上

点击这里跳转到源码处

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

下载模型到指定的位置，这里下载到stable diffusion webui源码的中models/Stable diffusion目录中。

点击这里跳转到模型下载处

这里只下载v1-5-pruned-emaonly.safetensors即可。

cd /opt/sd/stable-diffusion-webui/models/Stable-diffusion
wget -c https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors

3、安装依赖库文件

创建虚拟环境

cd /opt/sd/stable-diffusion-webui
conda create -n ChatGLM python=3.10

激活虚拟环境

conda activate ChatGLM

我们在虚拟环境中安装依赖库。

修改requirements.txt，在末尾添加xformers。

vim requirements.txt

执行下面的命令

pip install -r requirements_versions.txt
pip install -r requirements.txt

在执行上面的命令中可能会有报错，先不要管它。

修改webui.sh文件，因为默认是不允许使用root用户运行的，所以这里我把它修改成允许使用root用户允许webui.sh脚本。

vim webui.sh

修改前

can_run_as_root=0

修改后

can_run_as_root=1

当然如果你是在非Linux系统上运行，那么你就不用修改webui.sh脚本文件了，如果你是在Windwos系统运行，执行的是webui.bat脚本。

安装cuda-toolkit

conda install -c "nvidia/label/cuda-11.8.0" cuda-toolkit
python3 -m pip install nvidia-cudnn-cu11==8.7.0.84
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh