如何从零开始搭建一个本地的使用自己显卡运行的ai绘画机器人 （后端搭建篇）

技术分享
1

前置条件

  • 一台带有nvidia 独立显卡的电脑
  • 一个操作系统，教程演示使用的是Ubuntu 22.04

搭建过程

  • 系统初始化
sudo apt update #更新软件包数据库
sudo apt upgrade # 更新系统
sudo ubuntu-drivers autoinstall  # 安装显卡驱动
reboot # 重启
  • 安装运行所需的软件
sudo apt install python3.10-venv #补全虚拟环境
sudo apt install git
  • 检查显卡支持的cuda版本
nvidia-smi

执行后效果如图：

image
image639×511 11.3 KB

最右边的cuda version 即你的显卡所支持的cuda工具包最高版本
记下这个数字

  • 创建虚拟环境
python3 -m venv venv # 第二个"venv"即虚拟环境名称，可以自定义
  • 激活虚拟环境
source venv/bin/activate
  • 克隆stable diffusion webui 本体
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 
#此步骤需要网络环境较好，执行会比较慢，请耐心等待
  • 安装stable diffusion 所需的python 依赖

打开
PyTorch

下滑，找到：

image
image855×344 19.4 KB

如图所示，选择你的操作系统类型，教程使用的是python,所以语言选择python,包管理器选择 pip,只要cuda版本号比你上一步所记下来的版本号小，就可以选择。
PS ：越高的cuda版本可能会支持更多的新特性。

以cuda 11.8为例，复制选择后给出的指令，即：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

在刚才激活了虚拟环境内的终端中执行。
等待安装结束。
继续安装剩余依赖：

pip install -r requirements.txt
#如下载速度过慢，可以执行：pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
#将pip切换到速度更快的软件包源

等待安装结束。

  • 启动stable diffusion
    切换至克隆的stable diffusion webui 项目根目录
cd stable-diffusion-webui

使用你习惯的文本编辑器创建启动脚本，写入如下内容

#!/bin/bash
  
export COMMANDLINE_ARGS=" --api "
 
python_cmd="python"
LAUNCH_SCRIPT="launch.py"
 
"${python_cmd}" "${LAUNCH_SCRIPT}" "$@"

其中 --api 参数表示启用API 访问

赋予此脚本运行权限

sudo chmod  +x ./start.sh # start.sh 即脚本文件名

执行此脚本启动stable-diffusion-webui

./start.sh

等待出现 run on http://127.0.0.1:7860 等字样即表示启动成功
可提前将自己想使用的模型放入stable diffusion webui 项目根目录下的models 文件夹中与模型类型所对应的文件夹中
第一次启动，如果未安装模型其会自动下载基础模型加载使用
第一次启动，会自动安装补齐部分依赖，请耐心等待（或换更好的网络 qwq）

6 个赞