1.前言：
最近看Stable Diffusion开源了，据说比Disco Diffusion更快，于是从git上拉取了项目尝试本地部署了，记录分享一下过程~
这里是官网介绍：https://stability.ai/blog/stable-diffusion-public-release
2.必要前提：
科学上网。很多链接都需要用到。
显卡的显存需要足够大，至于多大没看到哪有说，反正6g绝对不行
3.部署前准备：
3.1 Anaconda安装
这是一个运行python的环境管理工具
进入 Anaconda官网，https://www.anaconda.com/
点击Download下载，打开文件一路next到这个界面，勾上第一项，把该命令注册到环境变量
点击install开始下载，下载完成后，点击右下角开始界面，可在最近添加里看到 Anaconda Prompt，建议右键更多以管理员身份运行。
3.2 Anaconda配置
后续需要生成环境，下载python包，但网络很不好，建议替换源
在刚才打开的 Anaconda Prompt 窗口输入以下命令进行全局配置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
打开此电脑，进入 C:\Users\<你的用户名> 这个路径，可以看到.condarc文件
打开它，我这里用的是Notepad++，应该用记事本也行，复制以下内容进去，保存
efault_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
show_channel_urls: true
ssl_verify: false3.3 git安装
进入git下载链接，https://git-scm.com/downloads
点击Download for Windows，下载完打开一路默认，安装完成
（这里之所以把git放到后面安装，是因为我在Prompt里碰到没有git命令的问题，重装解决）
4.开始部署：
4.1 下载Stable Diffusion项目
在刚才打开的Anaconda Prompt窗口里，进入到你想要进入的目录
刚进来的目录是C:\Windows\system32，比如我这里想要放置目录是D:\git_pro，则输入以下命令（注意>之后的才是输入的内容）
(base) C:\Windows\system32>cd ../..
(base) C:>D:
(base) D:>cd git_pro
(base) D:\git_pro>git clone https://github.com/CompVis/stable-diffusion.git
git clone很卡的话，访问 https://github.com/CompVis/stable-diffusion，点击绿色按钮code再点击Download ZIP，解压到该目录下也行
4.2 安装Stable Diffusion环境
这里是重点，源不好的话经常会卡住
进入到项目目录下，按README.md的指引操作
(base) D:\git_pro>cd stable-diffusion-main
(base) D:\git_pro\stable-diffusion-main>conda env create -f environment.yaml
这里要下载不少时间，可能会报错，通常是源太卡了
也可能是git太卡，因为该过程还需要在项目的src目录下clone两个其他项目下来（见 environment.yaml，不要想把他们直接下载放到该目录，后面运行会报错）
4.3 下载模型
安装好环境后，还不能进入使用，因为需要的模型还没有下载
模型有几种，需要去 https://huggingface.co/CompVis 下载，这里还需要注册账号，先注册下
如果我们用sd-v1-4.ckpt这个模型，就在该网页里点击stable-diffusion-v-1-4-original那一项
跳转过去，找到Download the weights下面的sd-v1-4.ckpt即可点击下载，通常几G，下载时间较长。
4.4 设置模型文件路径
见Stable Diffusion项目README.md的这一步，是要我们把模型的路径软链过去，但我想大家Windows电脑应该没有这个命令吧
简便一点，我们下载好模型以后，找个地方存起来
打开资源管理器，去 D:\git_pro\stable-diffusion-main\models\ldm 路径新建stable-diffusion-v1文件夹，然后把模型文件复制过来，再把模型名字改成model.ckpt
我这里把下载的模型都新建一个文件夹models放到里面，方便复制替换
4.5 运行
终于来到这一步了，前面所做的一切都是为了这一步啊！！
刚才在Anaconda Prompt窗口输入conda env create那一步，我们新建了环境ldm，现在切换过去，在Anaconda Prompt窗口输入以下命令
(base) D:\git_pro\stable-diffusion-main>conda activate ldm 当然官方建议我们可以更新一下pytorch包，应该是可不跑的，贴一下
conda install pytorch torchvision -c pytorch
pip install transformers==4.19.2 diffusers invisible-watermark
pip install -e . 最后！！就是我们的跑图命令了
(ldm) D:\git_pro\stable-diffusion-main>python scripts/txt2img.py --prompt "a photograph of an astronaut riding a horse" --plms –prompt后面的就是你的描述，可输入python scripts/txt2img.py –help查看各种参数配置
接下来就是见证奇迹的时刻~
运行跑图中诶，等会儿，这是啥？
一口老血吐出来，显存不够，所以说必要前提还是要注意的，白忙了
只能等我换了显卡再说咯，留给3090ti的朋友去试试~
5.QA：
5.1 不想部署，只想玩玩？
其实想玩玩，也可以去网站：
https://huggingface.co/spaces/stabilityai/stable-diffusion 这个要稍微排队一下
https://beta.dreamstudio.ai/dream 这个DreamStudio测试版要注册，支持一些参数，不用排队
5.2 生成了错误环境
可能你乱改environment.yaml文件，生成了错误的环境，此时需要把yaml重新恢复，不用删除该环境，可以运行update命令更新，如下
conda env update -f environment.yaml5.3 报错 ‘git’ is not recognized as an internal or external command, operable program or batch file.
这是没有git命令，之前安装过git的，Anaconda Prompt窗口也可能没有加载到git
解决方法，重装git
5.4 第二次运行，报错 ModuleNotFoundError: No module named ‘CV2’
因为你的程序依赖包都在新建的安装环境ldm下，所以每次重新打开Anaconda Prompt都需要再切一次环境，再跑你的程序，切环境命令如下：
conda activate ldm5.5 每次进入项目目录好麻烦
可以直接在项目资源管理器输入cmd并回车，进入命令行工具
5.6 如何设置参考图
有参考图的配置是另一个命令，如下，就是你电脑里的参考图片路径
python scripts/img2img.py --prompt "A fantasy landscape, trending on artstation" --init-img <path-to-img.jpg> --strength 0.8 5.7 显存不够，按照提示设置max_split_size_mb变量行不行？
本来我以为max_split_size_mb的单位是g，设置以后报错，我还狠狠吐槽了一下
当时想吐槽的话
结果吐槽完才反应过来单位应该是mb，满怀期待又去设置了一下，还是老样子的报错，硬件是硬伤，不过有想试试的也可参考流程：
左下角搜“环境变量”，点进去
按此123操作，变量名PYTORCH_CUDA_ALLOC_CONF，变量值max_split_size_mb:xxx
暂时想不到其他坑了，有误请指正~~
