前言
今天我们要介绍的是时下最流行的AI绘图软件Stable Diffusion，虽然Diffusion.ai已经开放api，但是长时间的商业化调用我们需要购买很多的金币。所以我们需要找一个平替的AI绘图平台，现在主流市场中AI绘图软件主要就是OpenAI的DALLE、midjourney以及今天要学习的Stable Diffusion，而前两者是在商业使用中只能通过api调用也是需要花费很多金钱，那今天我带大家使用Stable Diffusion搭建一个属于自己的开放AI绘图软件
技术介绍
首先我们要明白Stable Diffusion是一款AI绘画软件，所以他需要很强大的GPU算力和CPU算力，所以一般普通笔记本电脑或pc是无法运行的，我接下来的案例操作则会借助云服务平台或者第三方脚本平台搭建Stable Diffusion，如果你自己有能力可以购买强大的GPU金属云也可以部署在自己的工作站中，教程完全通用，那话不多说我们开始吧
准备工作
1.下载Stable Diffusion-v1.5模型
下载地址：https://huggingface.co/runwayml/stable-diffusion-v1-5
下载问题介绍：
在官方文档中，技术人员已经介绍好了Stable Diffusion的安装版本提供的防线有两种：
- 4.27GB对应的是更少的VRAM内存的计算机
- 7.7GB版本对应的更高VRAM内存的计算机
那这里科普一下：VRAM是什么？
VRAM（Video Random Access Memory）是一种特殊类型的内存，专门用于处理计算机图形。它被用作图形处理器（GPU）和计算机显示器之间的缓冲区，存储正在处理或即将显示的图像数据。这包括3D模型数据、纹理、帧缓冲区等。
VRAM的容量直接影响到计算机能够处理的图像数据的大小和复杂度。例如，更高的VRAM容量可以支持更大分辨率的显示器，处理更复杂的3D模型，或者在同一时间内加载更多的纹理。因此，对于那些需要处理大量图形数据的应用，如高端的视频游戏、专业的图形设计和3D建模，拥有大量的VRAM是非常重要的。
然而，VRAM并不是唯一影响图形性能的因素。GPU的处理能力（即其内部的核心数量和时钟速度）以及它和主系统内存之间的数据传输速度，也都会影响到图形性能。
总结：
所以到这里你就要检查你的显卡以及计算机虚拟能力，不要随意尝试超频渲染，你的计算机会受到不可逆的损害
2.下载Python安装环境
因为后续的服务运行、图片生成以及GUIWEB界面都需要Python运行库，所以我们需要提前安装，下面附上Python安装教程
1. 进入官网
https://www.python.org/downloads/
2. 下载安装包
3.进行安装
说明你电脑对python的一些限制，点击它然后确定权限就可以了
出现这个就安装完成了
4.测试验证
出现这个就代表安装完成，如果要退出：exit() 或者 Ctrl+Z 回车即可
3.Git安装
Git需要在后续操作中检出相关代码，比如我们要使用的SD-WebGui就是存放在github上的开源项目，那下面附上安装教程
下载完成后验证git环境配置即可
4.下载 stable-diffusion-webui 存储库
webui是我们生成图像使用的ui界面，我们可以更好的去调试参数，生成内容等操作，甚至可以自定义界面，因为是一个完全开放源代码的项目，界面如下图：
好的废话不多说我们去下载：
webui仓库位置
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
你可以在电脑上的工作目录检出项目，我的操作过程中会出现连接重置问题，可以使用手动下载zip包方法
下载完成后解压文件：
这个就是我们webUI的安装文件，双击运行（个人建议不要以管理员身份运行，会出错）
这样你的webui界面就正在安装了，这个过程会有点慢，因为下载的文件有点大，需要耐心等待…
在安装过程中需要回车确认下载的安装包内容，所以要注意安装进程，而且安装过程中会使用cpu测试渲染，会很卡顿是正常的
5.运行开启WebUI
运行前将我们之前下载好的模型复制黏贴到 目录下的model—》stable-Diffusion目录
然后运行webui.bat,出现以下效果:
就说明我们的ui已经运行在7860端口了，可以操作了
6.汉化ui界面
进入github界面：
https://github.com/VinsonLaro/stable-diffusion-webui-chinese
然后复制项目的地址：
安装完成后，进入面板设置：Settings
设置完成后我们的面板就是中文界面了。
结束
那通过这些手段，我们就在本机电脑上安装好了SD了，之后通过训练模型就可以开始生成ai绘图啦~
下一期我们教大家怎么训练模型，如何生成图片
