[Ruimo.com] Stable Diffusion ローカル展開チュートリアル

1 はじめに:

最近、Stable Diffusion がオープンソースであることを知り、Disco Diffusion よりも速いと言われているので、git からプロジェクトを引っ張ってきてローカルにデプロイしてみたので、その過程を記録して共有します〜公式サイトの紹介は以下です
。https://stability.ai/blog/stable-diffusion -public-release

2. 必要な前提条件:

インターネット上の科学。多くのリンクが必要です。
グラフィックカードのビデオメモリは十分な容量が必要ですが、どれくらい大きいかについては誰も言っているのを見たことがありませんが、とにかく 3G では間違いなく動作しません。

3. 導入前の準備:

ローカライズされた展開はうまく機能しますが、いくつかの基本的な要件があります。

(1) GT1060 以降の NVIDIA グラフィックスカードと 4G 以上のグラフィックスメモリが必要です。(3080から開始する必要がなくなり、より人々に優しいです)

(2) オペレーティングシステムには win10 または win11 システムが必要です。

MacOS プラットフォームのローカリゼーションについては、「Mac コンピュータで安定した拡散を実行して AI ペイントを行う方法」を参照してください。

(3) コンピュータのメモリ 16G 以上。

(4) 魔法を使ってインターネットをサーフィンする方法を知っておくのが最善です。そうしないと、ネットワークが変動し、一部の Web ページが開けなくなり、ダウンロードが非常に遅くなることがあります。

(5) 辛抱強く、もっと試して、もっと検索してください。このチュートリアルを 2 回繰り返したので、多くの問題は基本的に解決され、書き出されています。心配しないでください、うまくいきます。

私のコンピュータ構成は参考までに、Win10、I7、NVIDIA GT1050 4G、16G

20 段階の画像を生成するには、約 20 ～ 30 秒かかります (高性能のコンピューターを使用すると、生成速度はさらに速くなります)。

4. 使用プロジェクト：安定普及WebUIプロジェクト

誰もが知っている安定した拡散は、現在使用されている最も人気があり、最も効果的なオープンソース AI 描画ソフトウェアの 1 つであり、人気のあるツールです。

ただし、安定版拡散プロジェクトのローカライズされた展開は純粋なコードインターフェイスであり、プログラマ以外の人にとってはそれほど使いやすいものではありません。

安定拡散ウェブイは、安定拡散プロジェクトをベースとしたビジュアル運用プロジェクトです。

視覚的な Web ページ操作により、プロンプトやさまざまなパラメータのデバッグがより便利になります。

同時に、img2img機能やエクストラピクチャ拡大機能など、多くの機能も追加されています。

ここに画像の説明を挿入します

したがって、安定した拡散 webui プロジェクトは、多くの人にとってローカルにデプロイする最初の選択肢になります。

私たちのチュートリアルでは、安定した拡散 webui プロジェクトを例として取り上げます。

2. コンピュータ環境の構築

1.minicondaをインストールする

Pythonのバージョン管理に使用し、Pythonのマルチバージョン切り替えを実現します。
ダウンロードアドレス: https://docs.conda.io/en/latest/miniconda.html

ここに画像の説明を挿入します

インストール中は、次にデフォルトのパスを押すだけです。

2. 管理者権限で miniconda を開き、conda -V と入力すると、バージョン番号がポップアップ表示されます。これは、インストールが正しく行われたことを意味します。

ここに画像の説明を挿入します

3. ネットワークを高速化するためにライブラリパッケージのダウンロード環境を構成します (ダウンロードライブラリパッケージのアドレスを国内の清華ミラーステーションに置き換えます)。

以下を実行します

conda config --set show_channel_urls yes

.condarc ファイルを生成する

メモ帳を使用して、[マイコンピュータ]、[このコンピュータ]、[C ドライブ]、[ユーザー]、[アカウント名] の下にある .condarc ファイルを開いて変更します。(たとえば、私のパスは C:\Users\Administrator です。)

次のすべてのコンテンツをそこにコピーし、元のコンテンツを上書きし、Ctrl+S を押して保存し、ファイルを閉じます。

channels:
 - defaults
show_channel_urls: true
default_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

conda clean -i を実行してインデックスキャッシュをクリアし、ミラーサイトのアドレスが使用されるようにします。

ここに画像の説明を挿入します

4. Python 3.10.6 バージョンの環境を作成する

次のステートメントを実行して環境を作成します

conda create --name lmd python=3.10.6

システムは y/n を要求する場合があるので、y を入力して Enter を押します。
「done」と表示されれば完了です。

新しいプロジェクトが C:\ProgramData\Miniconda3\envs\lmd に作成されました。

5. 環境をアクティブ化する

「conda activate lmd」と入力し、Enter キーを押します。

6. pip をアップグレードし、pip のデフォルトのライブラリパッケージダウンロードアドレスを清華ミラーに設定します。

各行を入力したら Enter キーを押し、実行が完了するまで待ってから次の行を入力して Enter キーを押します。

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

エラーが報告されなければ、完了です。

7. git をインストールして、この作業の安定した拡散 webui などの github プロジェクトを複製してダウンロードします。

git 公式 Web サイトhttps://git-scm.com/download/winにアクセスします。

ここに画像の説明を挿入します

ダウンロード後、デフォルトでインストールされるので、「次へ」をクリックしてください。

スタートメニューで git cmd を見つけます。
それを開いて次のコマンドを入力します。

git --version

git のバージョンを確認し、バージョン番号が表示されていればインストール成功です。

8.cudaのインストール

cuda は、NVIDIA グラフィックカードがアルゴリズムを実行するために使用する依存プログラムであるため、これが必要です。

NVIDIA cuda 公式 Web サイト https://developer.nvidia.com/cuda-toolkit-archive を開きます
(Web ページを開けない人もいるかもしれません。そうでない場合は、魔法を使用してインターネットにアクセスしてください)。

多くのバージョンがあることがわかりましたが、どのバージョンをダウンロードすればよいでしょうか?

ここに画像の説明を挿入します

最初の miniconda の小さなウィンドウに戻り、nvidia-smi と入力して cuda のバージョンを確認します。

ここに画像の説明を挿入します

たとえば、私のバージョンが 12.1 の場合、12.1.0 のリンクをダウンロードします。

ダウンロード後インストールしますこのソフトは2GなのでCドライブ以外にもインストールできます。たとえば、D ドライブです。

さて、ここまでの作業が完了すると、ようやくパソコンの基本的な環境設定が完了します。

さあ、正式に安定普及に向けた取り組みを始めましょう。

注: 内部コマンドではないこのコマンド nvidia-smi の入力を求められた場合は、次の操作を実行します。

このパス: C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR を環境変数に入力します。
グラフィックスカードへのパス:

ここに画像の説明を挿入します

環境変数の場所:

ここに画像の説明を挿入します

3. 安定した拡散環境の構築

1.安定した拡散ソースコードをダウンロードする

miniconda の黒いウィンドウが表示されることを確認します (stable を lmd と考えてください)。

ここに画像の説明を挿入します

そうでない場合は、「D:」と入力し、Enter キーを押します。

もちろん、配置したい他のディスクのルートディレクトリに配置することもできます。

このプロジェクトには数ギガバイトのモデルパッケージがいくつかあるため、C ドライブに置くことはお勧めできません。C ドライブがすぐにいっぱいになってしまいます。10G を超える容量を持つ他のディスクは、する。

次に、安定した拡散 webui プロジェクト (以下、sd-webui と呼びます) をクローンします。

次に実行します

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

現在のクローンのローカルアドレスは、以下でよく言及する「プロジェクトルートディレクトリ」であることに注意してください。たとえば、私のプロジェクトのルートディレクトリは D:\stable-diffusion-webui です。

2. 安定した拡散トレーニングモデルをダウンロードする

アドレス: https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/tree/main

[ファイルとバージョン] タブをクリックして、sd-v1-4.ckpt トレーニングモデルをダウンロードします。

（登録と規約への同意が必要です。登録と規約への同意後にダウンロードできます）

ここに画像の説明を挿入します

注: このモデルは、後続の AI 図面の生成に使用される図面要素の基本モデルライブラリです。

後でwaifuaiやnovelaiを使いたい場合は、実際にモデルを変更してsd-webuiプロジェクトのmodelフォルダに入れれば大丈夫です。

これからは安定した拡散 1.4 モデルを使用して下降を続けます。

3. トレーニングモデル名を変更する

ダウンロード後、モデルの名前をmodel.ckptに変更し、sd-webuiのmodels/stable-diffusionディレクトリに配置してください。たとえば、私のパスは D:\stable-diffusion-webui\models\Stable-diffusion です。

ここに画像の説明を挿入します

4.GFPGANをインストールする

これは Tencent のオープンソースプロジェクトであり、顔を修復および描画し、安定した拡散による顔描画の歪みや変形の問題を軽減するために使用できます。アドレス: https://github.com/TencentARC/GFPGAN Web ページをプルダウン
します
。 md セクションで V1.4 モデルを見つけ、青い 1.4 をクリックしてダウンロードします。
ここに画像の説明を挿入します

ダウンロードしたら、sd-webui プロジェクトのルートディレクトリに配置します。たとえば、私のルートディレクトリは D:\stable-diffusion-webui です。

4. miniconda の小さな黒いウィンドウで、AI 描画プログラム sd-webui を起動して実行する準備をします。

入力

cd stable-diffusion-webui

プロジェクトのルートディレクトリに移動します。

次の手順を実行する前に、sd-webui のプロジェクトルートディレクトリを入力する必要があることに注意してください。入力しないとエラーが報告されます。

次に実行します

webui-user.bat

次に Enter を押し、システムが自動的に実行を開始するまで待ちます。

システムのプロンプトが表示されるまで、ローカル URL: http://127.0.0.1:7860 で実行されます。

これは、AI を使用して描画を正式に開始できることを意味します~

知らせ：

この手順ではさまざまなエラーが発生することが多く、複数回試行するには忍耐と時間が必要です。

たとえ数分間変化がなかったとしても、小さな黒いウィンドウを閉じないでください。

接続エラーが表示された場合は、Magic Internet をオンまたはオフにして、webui-user.bat コマンドを再実行する必要がある場合があります。

誤って黒いウィンドウを終了した場合は、もう一度クリックします: [スタート] メニュー - [プログラム] - miniconda ウィンドウを開き、次のように入力します。

conda activate lmd

そして、sd-webuiプロジェクトのルートディレクトリに入り、実行します。

webui-user.bat

4. ペイントとデバッグを開始する

1. ブラウザ (Google Chrome など) で、http://127.0.0.1:7860 を開きます (miniconda の黒いウィンドウを閉じないでください)。

ここに画像の説明を挿入します

2. プロンプト領域に「美しい風景」などの関連コマンドを入力し、右側の「生成」をクリックして最初の画像を生成します。

ここに画像の説明を挿入します

3. 生成されるステータスと動作

Web ページには進行状況バーが表示され、miniconda の小さな黒いウィンドウにも進行状況バーが表示されます。

進行状況バーがいっぱいになると、生成した画像が表示されます。

生成したくない場合は、「中断」をクリックして生成を停止すると、これまでに生成した画像が返されます。(たとえば、10 枚の画像を生成したい場合、すでに 3 枚が生成されている場合、[中断] をクリックすると 3 枚の画像が返されます)

「スキップ」をクリックすると、この画像の生成はスキップされます。たとえば、10 枚の画像を生成する場合、3 番目の画像を生成する場合、「スキップ」をクリックすると、3 番目の画像は生成されず、4 番目の画像が生成されます。直接、最終的に 9 枚の写真が返されます。

ここに画像の説明を挿入します

4. バッチカウント値を変更し、一度に複数の画像を生成します

デフォルトは 1 で、一度に 1 つのイメージを生成します。

満足のいく写真が得られる確率を高めるために、一度に 4 枚以上の写真を生成することをお勧めします (一度に最大 100 枚の写真を生成できます)。

ここに画像の説明を挿入します

ただし、書き込む量が大きくなるほど、一度に生成するのに時間がかかります。写真に 30 秒かかると仮定すると、10 枚の写真を設定すると 300 秒と 5 分、100 枚の写真を設定すると 3000 秒と 50 分になります。