2025年05月最新！Kali Linux系统Stable Diffusion安装详解

引言

Stable Diffusion是当前最流行的AI绘画工具之一，它能在本地运行并生成高质量的图像。本文将详细介绍如何在Kali Linux系统上安装最新版的Stable Diffusion（2025年5月版本），包括环境配置、依赖安装以及常见问题的解决方案。

准备工作

在开始之前，请确保你的Kali Linux系统满足以下要求：

Kali Linux 2025.1或更新版本
至少16GB RAM（8GB勉强可用但性能较差）
NVIDIA显卡（推荐RTX 3060及以上，AMD显卡需要额外配置ROCm）
至少20GB可用磁盘空间
Python 3.10或更高版本

第一步：更新系统和安装基础依赖

代码片段

# 更新系统软件包
sudo apt update && sudo apt upgrade -y

# 安装基础依赖
sudo apt install -y python3-pip python3-venv git wget libgl1 libglib2.0-0 ffmpeg

说明：
– python3-pip和python3-venv是Python包管理和虚拟环境工具
– libgl1和libglib2.0-0是图形相关的依赖库
– ffmpeg用于可能的视频处理功能

第二步：安装CUDA工具包（NVIDIA显卡）

代码片段

# 添加NVIDIA官方仓库
wget https://developer.download.nvidia.com/compute/cuda/repos/debian12/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb

# 安装CUDA Toolkit（2025年5月最新稳定版）
sudo apt update
sudo apt install -y cuda-toolkit-12-4 nvidia-driver nvidia-cuda-toolkit

验证安装：

代码片段

nvidia-smi

如果看到类似以下输出，说明安装成功：

代码片段

+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 555.55                 Driver Version: 555.55       CUDA Version: 12.4     |
|-----------------------------------------+----------------------+----------------------+

第三步：创建Python虚拟环境

代码片段

# 创建项目目录并进入
mkdir ~/stable-diffusion && cd ~/stable-diffusion

# 创建Python虚拟环境
python3 -m venv sd-env

# 激活虚拟环境
source sd-env/bin/activate

注意事项：
每次使用Stable Diffusion前都需要激活这个虚拟环境：

代码片段

cd ~/stable-diffusion && source sd-env/bin/activate

第四步：安装Stable Diffusion WebUI

代码片段

# Clone官方仓库（2025年5月稳定分支）
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git --branch stable-2025.05

# 进入目录并安装依赖
cd stable-diffusion-webui
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu124
pip install -r requirements.txt --upgrade

参数说明：
– --branch stable-2025.05指定了稳定的2025年5月版本分支
– --extra-index-url指定了支持CUDA12.4的PyTorch版本

第五步：下载模型文件

代码片段

# 创建模型目录并下载基础模型（约4GB）
mkdir -p models/Stable-diffusion && cd models/Stable-diffusion

# 下载官方推荐的SDXL2.0模型（2025年最新版）
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base/resolve/main/sd_xl_base_2.0.safetensors

cd ../..

替代方案：
你也可以从CivitAI等平台下载其他社区模型，放入同一目录即可。

第六步：启动WebUI界面

代码片段

# 启动WebUI（首次启动会自动安装剩余依赖）
./webui.sh --xformers --listen --enable-insecure–extension-access --no-half-vae --opt-sdp-attention --medvram-sdxl

参数解释：
– --xformers:启用内存优化模块(需提前pip install xformers)
– --listen:允许局域网访问(默认只允许127.0.0.1)
– --enable-insecure–extension-access:允许从URL添加扩展(开发用)
– --no-half-vae:防止某些显卡出现绿色图像问题
– --opt-sdp-attention:优化注意力计算
– --medvram-sdxl:中等显存优化模式(8GB显存推荐)

启动成功后，终端会显示：

代码片段

Running on local URL: http://127.0.0.1:7860/

在浏览器中打开该地址即可使用。

常见问题解决

Q1: RuntimeError: Couldn’t install torch.

解决方案：
手动指定正确的CUDA版本：

代码片段

pip install torch==2.3.0+cu124 torchvision==0.18.0+cu124 torchaudio==2.3.0 --extra-index-url https://download.pytorch.org/whl/cu124

Q2: OutOfMemoryError: CUDA out of memory.

解决方案：
降低生成分辨率或添加更多优化参数：

代码片段

./webui.sh --medvram-sdxl --opt-split-attention-invokeai

Q3: AMD显卡支持问题

解决方案：
使用ROCm替代CUDA：

代码片段

export HSA_OVERRIDE_GFX_VERSION=11.0.0 && ./webui.sh --precision full --no-half --use-rocm

GPU加速测试代码

创建一个测试脚本test_gpu.py：

代码片段

import torch

print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"GPU数量: {torch.cuda.device_count()}")
print(f"当前GPU: {torch.cuda.current_device()}")
print(f"GPU名称: {torch.cuda.get_device_name(0)}")

device = torch.device("cuda")
tensor = torch.randn(10000,10000).to(device) 
result = tensor * tensor 
print("GPU计算测试完成!")

运行结果应显示你的GPU信息并完成计算测试。

总结

通过以上步骤，我们成功在Kali Linux上安装了最新的Stable Diffusion WebUI。关键点回顾：

NVIDIA用户必须正确安装CUDA工具包和驱动
Python虚拟环境可以隔离依赖冲突
WebUI启动参数应根据硬件配置调整
SDXL2模型需要更多显存但质量更好

现在你可以开始使用强大的AI绘画功能了！建议定期执行git pull来获取最新更新。