Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

macmini本地部署Stable Diffusion

Answer

以下是关于在 Mac mini 本地部署 Stable Diffusion 的相关信息:

目前市面上主流的 AI 绘图软件有 Stable Diffusion 和 Midjourney。Stable Diffusion 开源免费、可本地化部署、创作自由度高,但对电脑配置尤其是显卡有要求。其工作原理涉及到一系列核心组件,如将用户输入的 Prompt 文本转化成 text embedding 的 CLIP、VAE Encoder-Decoder、进行迭代降噪和在文本引导下进行多轮预测的 UNET 等。

在环境部署方面,对于觉得麻烦的同学,可以使用整合包,解压即用。比如独立研究员的空间下经常更新整合包,秋叶的启动器也非常好用,将启动器复制到下载仓库的目录下即可,更新管理更方便。打开启动器后,可一键启动。显存优化需根据显卡实际显存选择,不要超过当前显卡显存,xFormers 能极大改善内存消耗和速度,建议开启。准备工作完毕后,点击一键启动,等待浏览器自动跳出或控制台弹出本地 URL 说明启动成功。若报错提示缺少 Pytorch,需在启动器中点击配置。Stable Diffusion webui 更新频繁,可根据需求在“版本管理”目录下更新,同时注意插件的更新。Stable Diffusion 可配置大量插件扩展,在 webui 的“扩展”选项卡下,点击“加载自”后,目录会刷新,选择需要的插件点击右侧的 install 即可安装,安装完毕后需重新启动用户界面。

关于具体的安装方法可以去看看 B 站的【秋葉 aaaki】这个 Up 主的视频。

Content generated by AI large model, please carefully verify (powered by aily)

References

【SD】软件原理傻瓜级理解

作者:白马少年介绍:SD实践派,出品精细教程发布时间:2023-04-27 23:00原文网址:https://mp.weixin.qq.com/s/C-F6ARIMHotl6siAfQ9wig目前市面上主流的AI绘图软件有两个:Stable Diffusion和Midjourney。Stable Diffusion的优势在于开源免费、可以本地化部署、创作自由度很高,缺点是需要比较好的电脑配置,尤其是显卡;Midjourney的优势是操作简单方便,创作内容相当丰富,但是需要科学上网并且付费,目前的使用费大概在每月200多元左右。如果可以融入工作流,这个月费也不算高,毕竟它带来的效率是惊人的,当然前期想要了解玩一玩的,可以试试Stable Diffusion,关于具体的安装方法可以去看看B站的【秋葉aaaki】这个Up主的视频。很多还没有接触过AI绘画的朋友会觉得这个东西很神秘,哪怕装好了软件也会看着一堆英文和参数而一头雾水。今天我就用最傻瓜的方式来讲述一下Stable Diffusion的工作原理和基本功能。

第二课 《ComfyUI基础知识》 By 郭佑萌 @ 🌈WaytoAGI 2024.8.15 .pdf

‎的去噪结果。然而,这种迭代性质在计算效率上带来了挑战,特别是在处理大尺寸图像和‎大量扩散步骤(T)时。在采样过程中,从高斯噪声中去噪图像可能需要很长时间。为了解‎决这一问题,一组研究人员提出了一种新的方法,称为稳定扩散(Stable Diffusion),‎最初称为潜在扩散模型(Latent Diffusion Models)‎Stable Diffusion‎Stable Diffusion是一种扩散模型(diffusion model)的变体,叫做“潜在扩散模[heading1]‎型”(Latent Diffusion Models)[content]‎CLIP‎将用户输入的Prompt文本转化成text embedding‎核心的组件‎VAE Encoder-Decoder‎UNET‎UNET进行迭代降噪,在文本引导下进行多轮预测‎High-Resolution Image Synthesis with Latent Diffusion Models‎ComfyUI存放路径:models/checkpoints/‎SD1.5‎SD基础预训练模型‎SDXL‎SD1.5‎模型实例‎SDXL‎训练方法‎DreamBooth,by Google‎EMA-only&pruned VS Full‎FP16&FP32‎格式‎.pt VS.safetensor‎Bake in VAE‎模型自带已适配的VAE‎SD微调模型‎概念学习‎Checkpoint‎作用‎source:stable-diffusion-art.com/models/#How_are_models_created‎1puppy‎训练要求‎sd1.5‎12G VARM‎SDXL‎16G VARM‎The merged model sits between the realistic F222 and the anime Anything V3‎styles.It is a very good model for generating illustration art with human figures.‎(source:stable-diffusion-art.com/models/#Example_of_a_merged_model)‎融合模型‎checkpoint+checkpoint‎Lora+Lora‎形式‎checkpoint+Lora‎Baking VAE

SD新手:入门图文教程

觉得麻烦的同学可以使用整合包,解压即用。比如[独立研究员](https://link.zhihu.com/?target=https%3A//space.bilibili.com/250989068)的空间下经常更新整合包。[秋叶的启动器](https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV1ne4y1V7QU)也非常好用,将启动器复制到下载仓库的目录下即可,更新管理会更方便。打开启动器后,可一键启动:如果有其他需求,可以在高级选项中调整配置。显存优化根据显卡实际显存选择,不要超过当前显卡显存。不过并不是指定了显存优化量就一定不会超显存,在出图时如果启动了过多的优化项(如高清修复、人脸修复、过大模型)时,依然有超出显存导致出图失败的几率。xFormers能极大地改善了内存消耗和速度,建议开启。准备工作完毕后,点击一键启动即可。等待浏览器自动跳出,或是控制台弹出本地URL后说明启动成功如果报错提示缺少Pytorch,则需要在启动器中点击配置:Stable Diffusion webui的更新比较频繁,请根据需求在“版本管理”目录下更新:同样地,也请注意插件的更新:[heading3]关于插件[content]Stable Diffusion可配置大量插件扩展,在webui的“扩展”选项卡下,可以安装插件:点击“加载自”后,目录会刷新,选择需要的插件点击右侧的install即可安装。安装完毕后,需要重新启动用户界面:

Others are asking
stable diffusion学习
以下是关于 Stable Diffusion 学习的相关内容: 一、为什么要学 Stable Diffusion 以及它的强大之处 简单来说,Stable Diffusion 是一个 AI 自动生成图片的软件。通过输入文字就能生成对应的图片,无需像以前那样画图或拍照。学习它非常简单,目的是花更少时间快速入门。如果时间充裕,了解其原理也可以。 二、学习 SD 的 Web UI 步骤 1. 安装必要的软件环境 安装 Git 用于克隆源代码。 安装 Python 3.10.6 版本,确保勾选“Add Python 3.10 to PATH”选项。 安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码 打开命令行工具,输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git,将源代码克隆到本地目录。 3. 运行安装脚本 进入 stablediffusionwebui 目录。 运行 webuiuser.bat 或 webui.sh 脚本,它会自动安装依赖项并配置环境。等待安装完成,命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面 复制命令行显示的本地 Web 地址,在浏览器中打开,即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作 了解 Web UI 的各种设置选项,如模型、采样器、采样步数等。 尝试生成图像,观察不同参数对结果的影响。 学习使用提示词(prompt)来控制生成效果。 6. 探索 Web UI 的扩展功能 了解 Web UI 支持的各种插件和扩展,如 Lora、Hypernetwork 等。 学习如何导入自定义模型、VAE、embedding 等文件。 掌握图像管理、任务管理等技巧,提高工作效率。 三、Stable Diffusion 的原理及相关组件 1. 在传统扩散模型中存在计算效率挑战,Stable Diffusion 是为解决此问题提出的新方法,最初称为潜在扩散模型。 2. Stable Diffusion 是扩散模型的变体,核心组件包括: CLIP:将用户输入的 Prompt 文本转化成 text embedding。 VAE EncoderDecoder。 UNET:进行迭代降噪,在文本引导下进行多轮预测。 此外,还涉及 ComfyUI 存放路径、不同的模型(如 SD1.5、SDXL)、训练方法(如 DreamBooth)、模型格式(如.pt 和.safetensor)、微调模型、融合模型等内容。
2025-02-16
我想了解diffusion技术相关的重要论文
以下是一些与 diffusion 技术相关的重要论文: 《HighResolution Image Synthesis with Latent Diffusion Models》:https://arxiv.org/abs/2112.10752 《Denoising Diffusion Probabilistic Models》:作者为 Ho、Jain、Abbeel,出自 Berkeley (2020)
2025-02-16
stable diffusion
稳定扩散(Stable Diffusion)是一种扩散模型的变体,最初称为潜在扩散模型(Latent Diffusion Models)。 在传统扩散模型中,反向扩散过程通过 UNet 结构将全尺寸图像逐步传递以获得去噪结果,但存在计算效率挑战。为解决此问题,研究人员提出了稳定扩散。 其核心组件包括: 1. CLIP:将用户输入的 Prompt 文本转化成 text embedding。 2. VAE EncoderDecoder。 3. UNET:进行迭代降噪,在文本引导下进行多轮预测。 稳定扩散的运作方式是消除图像中的噪点。比如在太暗情况下拍照产生的颗粒状即噪点,它比手机图像编辑器中的噪点消除滑块复杂得多,它了解世界和书面语言来指导噪点消除过程。 稳定扩散是逐步去除噪点的,有“推理步骤”滑块。 ComfyUI 使用预训练的扩散模型(如 Stable Diffusion 模型)作为核心,包括 SD1.5、SD2.0、SDXL、SD3、FLUX 等模型。当用户输入文本提示时,ComfyUI 首先使用 CLIP 文本编码器将文本转换为向量表示以捕捉语义信息。 在 ComfyUI 的节点化界面中,每一步操作可通过不同模块实现,用户可控制潜在空间中的操作(如调度器和噪声选择)、UNet 中的推理步骤(通过去噪模块实现)以及条件输入(通过文本提示或图像引导)。 稳定扩散的相关模型有 SD1.5、SDXL 等,训练方法有 DreamBooth 等。模型格式有.pt 和.safetensor,还有融合模型等形式。训练要求方面,SD1.5 需 12G VARM,SDXL 需 16G VARM。
2025-02-14
我需要查找关于stable diffusion的教学
以下是为您整理的关于 Stable Diffusion 的教学资源: 基本介绍:https://waytoagi.feishu.cn/wiki/CeOvwZPwCijV79kt9jccfkRan5e 运作原理:https://waytoagi.feishu.cn/wiki/TNIRw7qsViYNVgkPaazcuaVfndc 入门视频教程: https://waytoagi.feishu.cn/wiki/O5jEwgZIRiQ10xkqGOQcKtSBnSe https://zhuanlan.zhihu.com/p/622238031 模型网站: C 站SD 模型网站:https://civitai.com/ Liblibai模型+在线 SD:https://www.liblib.ai/ huggingface:https://huggingface.co/models?pipeline_tag=texttoimage&sort=trending 吐司站:https://tusiart.com/ 推荐模型:人像摄影模型介绍:https://www.bilibili.com/video/BV1DP41167bZ 更多入门教程:
2025-02-14
RuntimeError: Couldn't clone Stable Diffusion. Command: "git" clone --config core.filemode=false "https://github.com/Stability-AI/stablediffusion.git" "/Users/lichenhui/stable-diffusion-webui/repositories/stable-diffusion-stability-ai" Error code: 12
以下是关于您遇到的“RuntimeError: Couldn't clone Stable Diffusion”错误的分析和解决建议: 这个错误通常表示在克隆 Stable Diffusion 时出现问题。可能的原因包括: 1. 库的某些文件或依赖项已更改或已移除,导致无法找到所需的提交。 2. Git 存储库的状态不正确。 3. 网络连接存在问题。 解决方法如下: 1. 尝试清除本地库并重新克隆 Stable Diffusion,然后再次运行代码。 2. 运行以下命令来检查网络连接:ping files.pythonhosted.org
2025-02-12
stable diffusion官方网址
Stable Diffusion 的官方网址如下: SD 1.4 官方项目:https://github.com/CompVis/stablediffusion SD 1.5 官方项目:https://github.com/runwayml/stablediffusion SD 2.x 官方项目:https://github.com/StabilityAI/stablediffusion diffusers 库中的 SD 代码 pipelines:https://github.com/huggingface/diffusers/tree/main/src/diffusers/pipelines/stable_diffusion
2025-02-08
comfy UI和stable diffusion有什么区别?它们的关系是什么?
ComfyUI 和 Stable Diffusion 的区别及关系如下: ComfyUI 是一个基于节点流程式的 Stable Diffusion AI 绘图工具 WebUI。 区别: 优势: 对显存要求相对较低,启动速度快,出图速度快。 具有更高的生成自由度。 可以和 WebUI 共享环境和模型。 可以搭建自己的工作流程,可以导出流程并分享给别人,报错的时候也能清晰的发现错误出在哪一步。 生成的图片拖进后会还原整个工作流程,模型也会选择好。 劣势:操作门槛高,需要有清晰的逻辑;生态没有 WebUI 多(常用的都有),也有一些针对 ComfyUI 开发的有趣插件。 关系:ComfyUI 集成了 Stable Diffusion 的功能,通过将 Stable Diffusion 的流程拆分成节点,实现了更加精准的工作流定制和完善的可复现性。 在从 WebUI 到 ComfyUI 过渡时,需要了解采样器与调度器。简单理解为:采样器负责生成图像,而调度器负责控制噪声减少的速度。可以将 Stable Diffusion 模型中的采样器和调度器理解为一个加噪和去噪的过程。在这个过程中,采样器负责向图像添加噪声,而调度器则负责控制去噪的速度。 Stable Diffusion 是一种扩散模型的变体,叫做“潜在扩散模型”。它最初称为潜在扩散模型,CLIP 将用户输入的 Prompt 文本转化成 text embedding,核心组件包括 VAE EncoderDecoder、UNET 等。ComfyUI 的存放路径为 models/checkpoints/,Stable Diffusion 有不同的模型实例,如 SD1.5、SDXL 等,还有不同的训练方法和模型格式。
2025-02-08
本地部署deepseek
DeepSeek 具有多种含义,包括 DeepSeek 公司(深度求索),其网页和手机应用目前免费,但 API 调用收费。DeepSeek 大模型尤其是具有推理功能的 DeepSeek R1 大模型,权重文件开源,可本地部署。 一夜之间,DeepSeek R1 大模型成为国民刚需,但官网卡顿,不能使用联网搜索等问题困扰了很多人。很多平台上线的版本存在各种不足,本地部署的版本能作为替补,但难以长期使用。 通过工作流 + DeepSeek R1 大模型,可实现联网版的 R1 大模型。实现的核心路径包括:拥有扣子专业版账号(若为普通账号,请自行升级或注册专业号),开通 DeepSeek R1 大模型(访问地址:https://console.volcengine.com/cozepro/overview?scenario=coze ,在火山方舟中找到开通管理,开通服务,并添加在线推理模型),创建智能体。
2025-02-19
deepseek 部署文档
以下是关于 DeepSeek 部署的相关内容: 《在 Azure AI Foundry 部署 DeepSeek 大模型全指南》(https://waytoagi.feishu.cn/wiki/RKK5wNbeHifSAXkAR5hcGYQmn5f?renamingWikiNode=false):来自社区伙伴 Hua 的投稿,手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1(671B)模型的完整部署流程,包含环境准备、资源管理、模型测试及 API 调用说明。 《突破 DeepSeek R1 能力天花板,火山引擎扣子+飞书一站式企业解决方案》(https://waytoagi.feishu.cn/wiki/RZE9wP94tiEO6bkU5cTcyecHnnb) 《羊毛快薅|字节火山上线了 DeepSeek 系列模型并悄悄更改了模型服务价格...》(https://waytoagi.feishu.cn/wiki/HzHSwEwtCiBmWrkRm6fc0J0Qneh):所有用户享 50 万免费 Tokens+API 半价优惠!火山引擎上线了 DeepSeek 系列模型!咱们社区小伙伴做了零基础部署教程,5 分钟打造专属满血版 AI 助手,速度飞快!使用方法中附上了飞书多维表格的接入方法、Coze 的接入使用方法、网页插件的使用方法。 《刚刚,DeepSeek 官方发布 R1 模型推荐设置,这才是正确用法》(https://mp.weixin.qq.com/s/RA1mhAyQOoXD5XOULAGgbQ):DeepSeek 官方下场推荐了部署 DeepSeekR1 的设置。DeepSeek 强调官方部署的版本跟开源版本模型完全一致。
2025-02-18
为什么要本地部署
以下是关于本地部署的一些原因: 对于只有特定设备(如只有一台 Mac 设备),且想灵活学习 AI 生图的情况,本地部署是最方便的。 如果电脑是 M 芯片的 Mac 电脑(Intel 芯片出图速度慢不建议)或者 2060Ti 及以上显卡的 Windows 电脑,可以选择本地部署,强烈建议在配有 N 卡的 Windows 电脑上进行。 本地部署测试方便,还可以尝试让其控制家里的智能家居。
2025-02-17
Deepseek老是“服务器繁忙,请稍后再试”,没有办法提升,比如说把模型部署到本地等等
如果您遇到 DeepSeek 老是显示“服务器繁忙,请稍后再试”且无法提升的情况,可以尝试以下方法: 1. 使用网页聊天: 安装插件:使用 Chrome 或 Microsoft Edge 浏览器,点击此链接安装浏览器插件并添加到拓展程序:https://chromewebstore.google.com/detail/pageassist%E6%9C%AC%E5%9C%B0ai%E6%A8%A1%E5%9E%8B%E7%9A%84web/jfgfiigpkhlkbnfnbobbkinehhfdhndo 打开聊天页面:点击右上角的插件列表,找到 Page Assist 插件,点击打开。 配置“DeepSeekR1”模型的 API key:基础 URL 为 https://ark.cnbeijing.volces.com/api/v3,填好之后点击保存,关掉提醒弹窗。 添加“DeepSeekR1”模型。 2. 完成上述操作后,您就可以愉快玩耍,无需担心“服务器繁忙”了,打开联网功能,还可以支持联网搜索使用 R1。
2025-02-15
comfyui的本地部署安装,GPU:RX6600 8G,CPU:R5 5600,内存:DDR4 8G*2
以下是关于 ComfyUI 本地部署安装的相关信息: ComfyUI 相比 WebUI,配置更低,系统资源占用更少,出图速度更快,最低可在小于 3G 的 GPU 上运行,甚至没有 GPU 光用 CPU 也可以运行,但速度极慢。SDXL 出来后提高了运行配置,最低需要 8GB 显存+32GB 运行内存,12GB 流畅运行,推荐 16GB 以上。运行内存最低 32GB,越高越好,最低配会经常爆显存。玩 SDwebui 和 ComfyUI 建议使用 6GB 以上显存的 NVIDIA 显卡(N 卡),内存在 16G 以上。硬盘会影响加载模型的速度,最好把软件和模型部署在 SSD 上。如果电脑能顺畅清晰地玩 3A 游戏,那玩 webui 和 ComfyUI 也没问题。配置上不封顶,根据自己的需求和预算来即可。 安装地址:https://github.com/comfyanonymous/ComfyUI 。可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ,或者下载安装包 file:ComfyUI.zip ,下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录:D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录: 大模型:D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora:D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae:D:\\COMFYUI\\ComFYUI_windows_portable\\ComfyUI\\models\\vae 。 已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可,这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件,将后缀.example 删除,然后右键用记事本打开。 您的电脑配置为 GPU:RX6600 8G,CPU:R5 5600,内存:DDR4 8G2,可能需要注意内存方面可能不太满足推荐配置,可能会影响运行效果。
2025-02-13
deepseek怎么在电脑本地部署使用
以下是在电脑本地部署 DeepSeek 的步骤: 1. 拥有扣子专业版账号:如果您还是普通账号,请自行升级或注册专业号后使用。开通成功的样子如相关说明。 2. 开通 DeepSeek R1 大模型:访问地址:https://console.volcengine.com/cozepro/overview?scenario=coze 。打开火山方舟,找到开通管理,找到 DeepSeek R1 模型,点击开通服务。添加在线推理模型,添加后在扣子开发平台才能使用,具体添加过程包括添加模型和完成接入。 3. 创建智能体:点击创建,先完成一个智能体的创建。 此外,您还可以参考以下文章获取更详细的教程:《张梦飞:15 分钟零基础个人电脑部署 DeepSeekR1(无限制版)智能助手保姆级教程!》(https://waytoagi.feishu.cn/wiki/NjKBw4n8HikDZBkeyB4cDQVynKh?useEs6=0 ),该教程适用于完全没有 AI 部署经验的小白,详细介绍了如何在个人电脑上快速搭建 DeepSeekR1 本地 AI 助手,包括 Ollama 安装、DeepSeekR1 模型下载与运行、显存检查、终端指令操作、网页插件使用等环节,并提供了清晰的步骤图,确保 15 分钟内完成部署。
2025-02-12