企业官网建设流程全解析

简介：这份PDF资料面向希望入门AI绘画的开发者与爱好者，系统讲解Stable Diffusion的安装与使用流程，帮助零基础读者跨越环境配置门槛，快速跑通文本生成图像。资源共1个PDF文件，压缩包约814KB，内容以图文步骤形式呈现，涵盖环境准备、依赖安装、代码与模型下载、运行命令及参数调节等核心环节。文中结合具体命令示例，如创建虚拟环境、安装PyTorch与torchvision、克隆CompVis仓库、执行txt2img脚本，并说明--prompt、--plms、--steps等参数对生成效果的影响，同时提示GPU资源需求与图像优化思路。目前已有938人学习，适合需要一份轻量、可对照操作的入门指南的读者，可据此搭建本地环境并理解文本到图像的生成逻辑。

1. 从一张 512×512 的图说起：Stable Diffusion 到底吃多少显存

第一次在本地跑 Stable Diffusion 的人，十有八九会卡在同一个地方：命令行敲下去，进度条还没走完，终端先甩出一行RuntimeError: CUDA out of memory。这不是玄学，是显存账没算清。Stable Diffusion 属于潜空间扩散模型，它不在 512×512 的像素空间里直接去噪，而是先把图像压进一个 64×64×4 的潜变量张量，UNet 在这个小得多的空间里反复迭代，最后再由 VAE 解码回像素图。这个设计让消费级显卡有了跑起来的可能，但也意味着显存占用和分辨率、批大小、精度强绑定。

这份资源要解决的，就是把「装不上、跑不动、出图糊」这三件事拆开讲透。它适合两类人：一类是手里有张 6GB 到 12GB 显存的卡、想在自己机器上把文生图流程跑通的新手；另一类是已经装过但被依赖冲突、模型加载失败、采样参数搞晕的从业者。下面按环境准备、依赖安装、模型加载、参数调节、避坑排查的顺序，把每一步落到能抄的命令和能改的参数上。

2. 环境准备与依赖安装：Python、PyTorch 和虚拟环境怎么配

2.1 为什么先锁 Python 和 PyTorch 版本

Stable Diffusion 的原始仓库对 Python 版本有下限要求，3.7 是底线，但实际用下来 3.10 附近最稳。低于 3.8 会在部分依赖上遇到typing相关的语法报错，高于 3.11 又可能碰到某些轮子还没编译好的情况。所以常见做法是：用 3.10 建虚拟环境，别用系统自带的 Python 直接装。

PyTorch 是整条链路里最吃版本匹配的一环。它和 CUDA 驱动、显卡架构三者必须对齐。比如 30 系卡用 CUDA 11.x 的轮子，40 系卡最好上 CUDA 11.8 或 12.x 的轮子。装错了不会立刻报错，而是跑到一半提示no kernel image is available for execution，这种翻车最难查。判断方法很简单，装完先跑一句torch.cuda.is_available()，返回 False 就别往下走了。

提示：PyTorch 官网的安装命令生成器会给出和你系统匹配的 pip 命令，直接复制那条，不要自己拼pip install torch，默认源装的往往是 CPU 版。

2.2 建虚拟环境并装依赖

虚拟环境这一步别省。系统 Python 里往往已经有一堆包，直接装 requirements 很容易把已有环境搞崩，而且出问题后没法干净回滚。下面这套命令在 Linux 和 macOS 上通用，Windows 只改激活那行。

# 建一个独立环境，名字随意，这里叫 sd-env python -m venv sd-env # Linux / macOS 激活 source sd-env/bin/activate # Windows 激活（在 cmd 或 PowerShell 里） # sd-env\Scripts\activate # 升级 pip，老版本 pip 解析依赖会出错 python -m pip install --upgrade pip # 装 PyTorch，下面这条是 CUDA 11.8 的示例，按官网生成器替换 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

激活成功后，命令行前面会出现(sd-env)前缀，这是判断环境是否生效的最直接标志。如果没看到前缀就继续装包，等于装到了系统环境里，后面pip list会看到一堆全局包，排查时非常干扰。

装完 PyTorch 先验证，再装项目依赖：

# 验证 GPU 是否可用，返回 True 才继续 python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)" # 克隆代码库并进入目录 git clone https://github.com/CompVis/stable-diffusion.git cd stable-diffusion # 安装项目依赖 pip install -r requirements.txt

requirements.txt里通常锁了transformers、diffusers、ftfy、einops这些包。如果安装过程中卡在某个包编译上，多半是缺系统级依赖，比如libgl1或build-essential，这类问题在纯 CPU 的服务器上尤其常见。装完后用pip check扫一遍依赖冲突，比出图时报错再回头查要省事得多。

2.3 模型权重的下载与放置

代码库本身不含权重，权重是单独下载的。原始仓库一般会指向一个约 4GB 的sd-v1-4.ckpt文件。下载渠道以仓库 README 里给出的为准，不要从来源不明的镜像拿，权重文件被替换或截断的情况并不少见。

下载完成后，把.ckpt放到仓库根目录下的models/ldm/stable-diffusion-v1/路径里，并确认文件名和脚本里引用的名字一致。常见做法是重命名为model.ckpt，这样调用时不用额外传--ckpt参数。文件完整性可以用sha256sum对一下官方给出的哈希，对不上就重新下，别抱侥幸心理。

3. 跑通第一张图：txt2img 命令、采样器与步数参数

3.1 最小可运行命令拆解

环境齐了、权重就位，就可以出图了。原始仓库的入口脚本是scripts/txt2img.py，最小命令长这样：

python scripts/txt2img.py \ --prompt "a fantasy landscape, highly detailed" \ --plms \ --n_samples 1 \ --n_iter 1 \ --H 512 --W 512 \ --ddim_steps 50 \ --seed 42

逐项说清楚每个参数在干什么：

• --prompt：文本提示，模型据此生成图像。英文提示在原始权重上通常比中文稳定，中文提示需要模型本身支持多语言，否则容易出乱码图。
• --plms：选用 PLMS 采样器。它和--ddim是两种不同的去噪调度策略，PLMS 在步数较少时收敛更快，DDIM 更接近确定性采样。
• --n_samples：一次生成几张图，直接吃显存，6GB 卡建议保持 1。
• --n_iter：迭代几轮，每轮生成n_samples张，和批大小是乘法关系。
• --H/--W：输出分辨率。512×512 是原始权重的训练分辨率，直接拉到 1024 往往出双头、多肢体的崩坏图。
• --ddim_steps：采样步数，50 是质量和耗时的常见平衡点。
• --seed：随机种子，固定它才能复现同一张图，调参时必用。

命令跑起来后，终端会打印每一步的进度，输出图默认落在outputs/txt2img-samples/目录下。第一次跑建议就用上面这条命令，别急着加花哨参数，先确认整条链路是通的。

3.2 采样器与步数怎么选

采样器不是越多越好，选错了会明显拖慢速度还未必提升质量。下面这张表是几种常见组合的实际体感对比，基于 512×512、单张、同一提示词：

步数从 50 加到 100，耗时翻倍，但肉眼可见的提升往往有限，超过 80 步后基本进入收益递减区。真正影响出图质量的大头是提示词和种子，步数只是微调。我一般先用 30 步 PLMS 快速试构图，锁定种子后再用 50 步出终图，这样一轮调参能省掉一半时间。

3.3 提示词与种子的实操习惯

提示词写法上，具体名词加风格修饰比堆砌形容词有效。比如a fantasy landscape太空，加上misty mountains, volumetric light, concept art之后构图会明显收敛。负面提示在原始脚本里支持有限，如果用的是带--negative_prompt的版本，把blurry, low quality, deformed这类词放进去能压掉一部分废图。

种子这块有个血泪经验：调提示词时先固定种子，只改提示词，这样能看出提示词本身的影响；等提示词定了再换种子挑构图。两个变量一起动，最后根本不知道是哪一项起了作用。复现别人的图时，种子、采样器、步数、分辨率四项必须全部一致，缺一项结果就对不上。

4. 避坑与排查：显存、依赖、模型加载的常见翻车

4.1 显存不足：现象、原因与解决

现象：命令刚跑几秒就抛CUDA out of memory，或者进度条走到一半崩掉。

原因：分辨率、批大小、精度三者叠加超了显存上限。512×512 单张在 FP32 下大约吃 6GB 到 8GB，n_samples翻倍显存也接近翻倍。

解决：先把--n_samples和--n_iter都设成 1；再考虑用半精度，很多分支支持--precision autocast或加载时指定torch_dtype=torch.float16，能砍掉近一半占用；分辨率不要一上来就冲 1024，原始权重在 512 上最稳。显存实在紧张，可以开注意力切片，代价是速度慢一些。

4.2 依赖冲突：现象、原因与解决

现象：pip install -r requirements.txt报版本冲突，或者装完后import某个包直接失败。

原因：虚拟环境没激活，包装进了系统环境；或者之前装过别的版本，pip 在旧版本上做增量升级留下了残留。

解决：确认命令行有(sd-env)前缀；实在乱就删掉环境重建，rm -rf sd-env后重走一遍建环境流程，比逐个降级包快得多。装完跑pip check，它会直接列出哪两个包版本不兼容。

4.3 模型加载失败：现象、原因与解决

现象：启动时报KeyError或unexpected key in state_dict，或者提示找不到.ckpt文件。

原因：权重文件路径不对、文件名和脚本引用不一致，或者下载不完整导致文件损坏。

解决：先确认文件确实在models/ldm/stable-diffusion-v1/下，文件名和脚本默认值对齐；再用sha256sum校验哈希，对不上就重下。unexpected key这类报错有时是权重版本和代码版本不匹配，换回仓库 README 推荐的权重版本即可。

4.4 出图崩坏：现象、原因与解决

现象：生成的人脸扭曲、肢体重复、画面糊成一团。

原因：分辨率偏离训练分辨率、步数过低、提示词过于抽象，或者 CFG 引导系数设得过高导致画面过饱和。

解决：分辨率回到 512；步数提到 50；提示词补具体名词；CFG 一般放在 7 到 12 之间，超过 15 容易出硬边和色块。这几项按顺序调，多数崩坏图能救回来。

5. 进阶技巧：用脚本批量出图与结果验证

单张出图跑通后，真正提效的是批量。原始脚本支持--from-file从文本文件读提示词，一行一条，配合固定种子就能做提示词对比实验。下面这个小脚本把「批量生成 + 按种子归档」串起来，避免手动改命令：

import subprocess import os # 待测提示词，一行一条 prompts = [ "a fantasy landscape, misty mountains, concept art", "a fantasy landscape, sunset, volumetric light", "a fantasy landscape, night, glowing river", ] # 固定种子，保证只有提示词一个变量 seed = 42 out_root = "batch_outputs" os.makedirs(out_root, exist_ok=True) for i, p in enumerate(prompts): # 每条提示词单独一个输出目录，方便对比 out_dir = os.path.join(out_root, f"case_{i:02d}") cmd = [ "python", "scripts/txt2img.py", "--prompt", p, "--plms", "--ddim_steps", "50", "--H", "512", "--W", "512", "--seed", str(seed), "--outdir", out_dir, ] print("running:", " ".join(cmd)) subprocess.run(cmd, check=True)

这段脚本的关键点有三个：种子固定成 42，保证三条提示词之间只有文本变量；每条提示词输出到独立目录，避免文件互相覆盖；check=True让子进程失败时立刻中断，不会静默跳过。跑完直接对比case_00到case_02三个目录，构图差异一目了然。

验证出图是否「正常」，除了肉眼看，还可以看文件元数据。多数脚本会把提示词、种子、步数写进 PNG 的文本块，用exiftool或 Python 的PIL读一下就能确认参数有没有真正生效。这一步在复现别人参数时特别有用，能快速判断差异到底出在哪一项。

从那以后我每次调参都强制走一遍「固定种子、单变量、独立目录」的流程，再也没出现过改了半天不知道哪项起作用的糊涂账。希望帮到你。

本文还有配套的精品资源，点击获取