zhou
在開始安裝 Stable Diffusion WebUI 之前，請確認您的電腦符合以下最低系統需求：
- Windows 7或以上版本（推薦Windows 10或更高）
- Linux發行版如Ubuntu 18.04或更新版本（需要有經驗的用戶）
- Mac OS X 10.13 High Sierra或更新版本
- CPU: Intel Core i5或同等處理器（建議使用較新的CPU）
- GPU: NVIDIA顯卡（CUDA支持），至少2GB VRAM（建議6GB及以上）
- RAM:最少8GB（建議16GB或更多）
- 大約20GB可用磁碟空間（不包含模型大小）
一鍵安裝
對於希望快速啟動並運行的初學者來說，最簡單的方法可能是使用一鍵安裝腳本。這將自動下載必要的文件並設置環境。然而，這些腳本通常不是官方提供，因此可能需要一些信任評估。以下是一些流行的選擇：
Automatic1111’s Script
Automatic1111提供了一個廣受歡迎的一鍵安裝腳本，可以在GitHub上找到它。這個腳本可以幫助您輕鬆地安裝Stable Diffusion WebUI及其相關庫。
Colab Notebooks
Google Colab提供了許多教程筆記本，其中一些涵蓋了Stable Diffusion的使用和部署。雖然不是直接的”一鍵安裝”，但Colab讓您能夠在不本地安裝任何東西的情況下嘗試和使用SD。
雲端部署
如果您不想或不願意在自己的設備上下載和運行SD，那麼雲端部署是一個很好的解決方案。以下服務提供或支援Stable Diffusion：
Azure ML
微軟Azure機器學習平臺允許用戶創建和管理計算資源，並且有一些社區成員製作的模塊已經包含了Stable Diffusion的安裝。
AWS SageMaker
Amazon網絡服務的SageMaker是一種全託管服務，用於構建、訓練和部署機器學習模型。雖然沒有預先打包的Stable Diffusion解決方案，但是您可以自己組合所需的服務來部署SD。
手動私有化部署
對於那些希望完全控制自己的數據或需要高定製化的用戶，手動部署是最佳選擇。這裡有一個大致步驟列表：
1. 安裝Python：從python.org下載適當版本的安裝程序進行安裝。
2. 創建虛擬環境：使用pip或venv創建一個獨立的Python環境來管理依賴項。
3. 克隆WebUI Repo：從GitHub克隆[Stability AI](https://github.com/StabilityAI/webui)的Web UI存儲庫。
4. 安裝依賴項：使用`pip install -r requirements.txt`安裝所有必需的包。
5. 獲取模型：從Hugging Face或其分銷商那裡下載SD模型（例如，laion-2B, CLIP, GPT-Neo）。
6. 設置環境變量：根據您的GPU類型（NVIDIA vs AMD）和操作系統調整配置文件中的參數。
7. 啟動應用程式：執行 `main.py` 或使用 `uvicorn main:app –reload` 在開發模式下啟動伺服器。
NVIDIA GPUs
如果您的電腦配備了NVIDIA GPU，您可以使用CUDA加速圖像生成過程。請注意，某些較舊的或者低階的顯卡可能不受支援。
AMD GPUs
雖然Stable Diffusion主要針對NVIDIA GPU優化，但在某些情況下AMD GPU也可以工作。然而，性能和兼容性可能會有所不同。
Mac電腦
由於Apple M1系列芯片使用的架構與傳統x86不同，目前Stable Diffusion在Mac上的表現有限。不過，隨著時間的推移，這一狀況可能會改善。
總之，選擇哪種部署方式取決於您的技術能力、可用的硬件和預算。無論如何，都要做好花費一定時間研究和解決潛在問題的心理準備。
