Stable Diffusion最新版本在CentOS 9的安装与配置教程

引言

Stable Diffusion是一款强大的AI图像生成工具，能够根据文本描述生成高质量的图像。本文将详细介绍如何在CentOS 9系统上安装和配置最新版本的Stable Diffusion，包括所有必要的依赖项和环境设置。

准备工作

在开始之前，请确保你的系统满足以下要求：

CentOS 9操作系统（已更新至最新版本）
至少16GB RAM（推荐32GB或更高）
NVIDIA GPU（推荐RTX 3060或更高版本）
至少10GB可用磁盘空间
Python 3.10或更高版本
Git已安装

第一步：系统更新与基础依赖安装

首先更新系统并安装基础依赖：

代码片段

# 更新系统
sudo dnf update -y

# 安装基础开发工具
sudo dnf groupinstall "Development Tools" -y

# 安装其他必要依赖
sudo dnf install -y python3-devel python3-pip git wget cmake protobuf-compiler libstdc++-devel openssl-devel zlib-devel bzip2-devel readline-devel sqlite-devel tk-devel libffi-devel xz-devel

注意事项：
1. 如果使用企业版CentOS，可能需要配置额外的软件源
2. Python版本必须≥3.10，可以使用python3 --version检查

第二步：安装CUDA和cuDNN（NVIDIA GPU用户）

如果你使用NVIDIA GPU，需要安装CUDA工具包和cuDNN：

代码片段

# 添加NVIDIA CUDA仓库
sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel9/x86_64/cuda-rhel9.repo

# 安装CUDA Toolkit（以12.1版本为例）
sudo dnf module install nvidia-driver:latest-dkms -y
sudo dnf install cuda-toolkit-12-1 -y

# 设置环境变量
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# 验证CUDA安装
nvcc --version

注意事项：
1. CUDA版本应与你的GPU驱动兼容
2. cuDNN需要从NVIDIA官网手动下载并按照官方文档安装

第三步：创建Python虚拟环境

为避免与其他Python项目冲突，我们创建一个专用虚拟环境：

代码片段

# 创建虚拟环境目录并进入
mkdir ~/stable-diffusion && cd ~/stable-diffusion

# 创建Python虚拟环境（假设python3命令指向Python ≥3.10）
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate

# 升级pip和setuptools
pip install --upgrade pip setuptools wheel

原理说明：
虚拟环境可以隔离项目依赖，防止不同项目间的包版本冲突。

第四步：克隆Stable Diffusion WebUI仓库并安装依赖

我们将使用流行的AUTOMATIC1111 WebUI实现：

代码片段

# 克隆仓库（如果速度慢可以尝试国内镜像源）
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

# 安装PyTorch及相关依赖（选择适合你CUDA版本的命令）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 安装其他要求（使用清华镜像源加速）
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

常见问题解决：
1. 内存不足错误：添加--no-cache-dir参数减少内存使用
2. 网络问题：尝试更换pip源或使用代理

第五步：下载模型文件

Stable Diffusion需要预训练模型才能工作：

代码片段

# 创建模型目录并进入
mkdir -p models/Stable-diffusion && cd models/Stable-diffusion

# 下载官方v1.5模型（需先同意HuggingFace条款）
wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors -O v1-5-pruned-emaonly.safetensors

# （可选）下载其他流行模型如SDXL等...

注意事项：
1. HuggingFace有时需要登录才能下载大文件，可能需要设置token
2. SDXL等大模型需要更多显存（推荐≥12GB）

第六步：启动WebUI并进行初始配置

现在可以启动Web界面进行测试：

代码片段

# 返回项目根目录并启动WebUI（首次运行会自动下载额外组件）
cd ~/stable-diffusion/stable-diffusion-webui/
python launch.py --listen --no-half --xformers --enable-insecure-extension-access --api --port=7860

参数说明：
– --listen: 允许局域网访问
– --no-half: FP32精度模式（避免某些显卡兼容问题）
– --xformers: 启用显存优化（需提前pip install xformers）

首次启动会自动下载CLIP等组件，可能需要较长时间。

访问地址：http://服务器IP:7860

（可选）第七步：优化与高级配置

Nginx反向代理配置示例：

代码片段

server {
    listen 80;
    server_name your-domain.com;

    location / {
        proxy_pass http://127.0.0.1:7860;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

Systemd服务配置示例：

创建/etc/systemd/system/sd-webui.service:

代码片段

[Unit]
Description=Stable Diffusion WebUI Service
After=network.target

[Service]
User=yourusername
WorkingDirectory=/home/yourusername/stable-diffusion/stable-diffusion-webui/
ExecStart=/home/yourusername/stable-diffusion/venv/bin/python launch.py --listen --xformers --port=7860 
Restart=always

[Install]
WantedBy=multi-user.target

然后启用服务：

代码片段

sudo systemctl daemon-reload 
sudo systemctl enable sd-webui.service 
sudo systemctl start sd-webui.service

（可选）第八步：插件扩展与API调用示例代码

API调用示例(Python):

“`python
import requests, json, io, base64
from PIL import Image

url = “http://localhost:7860/sdapi/v1/txt2img”

payload = {
“prompt”: “a beautiful sunset over mountains, digital art”,
“negative_prompt”: “blurry, low quality”,
“steps”: