Stable Diffusion 本地部署实战指南：从显卡焦虑到出图自由

上周三晚，我的学员小林在群里发了一张截图——他的RTX 3060 Laptop显卡正在跑SD 1.5，生成一张512×512的图耗时47秒。他配文：“老师，这速度正常吗？我看别人10秒就出图了。”紧接着，另一位学员小周私信我：“老师，我按教程装好了，但一跑就报错‘CUDA out of memory’，是不是我显卡太菜了？”

这两个问题，几乎每周都会出现。很多人被网上“10秒出图”的截图吸引，兴冲冲下载整合包，结果不是卡在环境配置，就是被显存不足劝退。今天这篇实战指南，我不讲虚的，直接带你从零开始，在本地跑通Stable Diffusion，并解决90%新手会踩的坑。

一、部署前的“军火清单”：你的硬件到底行不行？

很多教程一上来就让你装Python、Git，但从不告诉你硬件门槛。我先给你一个判断标准，避免你白折腾半天。

核心硬件三件套：

  • 显卡（NVIDIA优先）：显存≥6GB是底线。6GB可以跑SD 1.5的512×512，勉强跑SDXL的Base模型；8GB能舒服地跑SD 1.5加ControlNet；12GB及以上，基本可以告别焦虑。AMD显卡虽然能通过DirectML跑，但生态差、报错多，新手不建议。
  • 内存：16GB是起步，32GB更稳。SD在加载模型和预处理时，内存占用会飙到10GB+。
  • 硬盘：SSD必须。一个SD 1.5模型约2-4GB，SDXL模型约7GB，加上ControlNet、LoRA、VAE，你至少需要预留50GB空间。机械硬盘加载模型时，你会体验到什么叫“等待1分钟，出图2秒钟”。

    • 软件环境（Windows为例，Mac用户请直接看FAQ）：
    1. Python 3.10.6（注意：不是3.11或3.12，很多依赖库对3.10支持最稳）
    2. Git（用于拉取仓库）
    3. NVIDIA驱动：确保更新到最新，旧驱动可能不支持CUDA 12.x

    操作步骤：

  • 安装Python时，务必勾选“Add Python to PATH”。
  • 打开命令行（Win+R，输入cmd），输入 `python –version` 确认安装成功。

    • 检查Python版本

    —

    二、实操案例1：用Automatic1111 WebUI跑通你的第一张图

    这是目前最主流的WebUI，功能全面，插件生态丰富。我们不搞一键整合包（那些虽然方便，但出了问题你完全不知道根源），手动装一遍，你才算真正“部署”了。

    步骤1：克隆仓库
    在命令行中，切换到你希望安装的目录（��如 `D:\SD`），执行：

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

    这个过程会下载核心代码，约200MB。

    步骤2：下载模型
    这是关键。你需要一个主模型。推荐从 Hugging Face 或 Civitai 下载。新手建议先用经典的 SD 1.5 基础模型（`v1-5-pruned-emaonly.safetensors`，约4GB）。下载后，放入 `stable-diffusion-webui\models\Stable-diffusion` 文件夹内。

    步骤3：启动与参数设定
    双击 `webui-user.bat`。首次启动会自动安装依赖，这个过程可能需要20-30分钟，取决于网络。等看到 `Running on local URL: http://127.0.0.1:7860` 时，用浏览器打开。

    关键参数设置（解决小林的速度问题）：
    在WebUI的“设置”(Settings)里，找到“优化”(Optimization)选项卡：

  • `–xformers`：这是显存优化神器，能大幅降低显存占用并提速。在启动参数中加上它。
  • `–medvram`：如果你显存是6-8GB，加上这个参数，可以避免“CUDA out of memory”。
  • `–no-half-vae`：如果出图有黑图问题，加上这个。

    • 修改启动参数的方法：用记事本打开 `webui-user.bat`，找到 `COMMANDLINE_ARGS=` 这行，填入：

    set COMMANDLINE_ARGS=--xformers --medvram

    保存后重启。

    出图测试：
    在“文生图”(txt2img)标签页，输入提示词 `a beautiful landscape, masterpiece, best quality`，采样器选择 `DPM++ 2M Karras`，步数(Steps)设为 `20`，分辨率 `512×512`。点击“生成”(Generate)。

    如果一切顺利，你会看到一张风景图。此时，小林同学的47秒应该能缩短到15秒左右（RTX 3060 Laptop）。

    WebUI生成界面

    —

    三、实操案例2：用SDXL + LoRA解锁“专属风格”

    当你跑通SD 1.5后，会发现它对复杂语义理解有限，画手部容易崩。这时候，你需要升级到 SDXL。SDXL对自然语言理解更强，画面质感更细腻，但显存要求也更高。

    步骤1：安装SDXL模型
    下载 `sd_xl_base_1.0.safetensors`（约6.9GB），放入同样的模型文件夹。在WebUI左上角的模型下拉框中切换。

    注意：如果你显存是8GB，切换SDXL后，必须在启动参数中加上 `–medvram`，且分辨率建议从 `768×768` 开始。如果爆显存，将步数降低到15，采样器换成 `Euler a`。

    步骤2：引入LoRA（低秩适应）模型
    LoRA是风格定制的核心。比如你想要“赛博朋克风格”，不需要重训模型，只需下载一个对应的LoRA文件（通常只有几十到几百MB）。从Civitai下载 `.safetensors` 文件，放入 `models\Lora` 文件夹。

    步骤3：在提示词中激活LoRA
    在提示词输入框下方，点击“Show Extra Networks”或直接点击“LoRA”图标（一个红色的“破环”图标），选择你下载的LoRA。WebUI会自动在提示词中加入类似：

    这里的 `0.8` 是权重，表示LoRA风格的影响程度。数值越大，风格越浓，但过高会导致画面元素混乱（比如出现多余的文字或噪点），建议从 `0.6-0.8` 开始调试。

    实操体验：
    输入：`a cyberpunk girl, neon lights, rain, detailed face, `
    采样器：`DPM++ 2M Karras`，步数：`25`，分辨率：`768×768`。

    你会明显感觉到，SDXL生成的图像在光影和材质细节上，远超SD 1.5。这就是为什么现在主流玩家都转向SDXL的原因。

    SDXL输出效果

    —

    四、性能调优的“三板斧”：告别龟速与黑图

    部署成功只是第一步，用得爽才是关键。针对小林和小周的问题，我总结三个最实用的优化技巧。

    1. 显存不足（OOM）的终极解法
    除了 `–medvram`，你还可以尝试 `–lowvram`（更激进，但速度会慢）。另外，关闭后台浏览器标签页，特别是B站视频，能释放不少显存。如果还不行，在“设置”里将“批处���数量”(Batch count)改为1，“批处理大小”(Batch size)改为1。

    2. 出图速度的“隐形开关”

  • 采样器选择：`Euler a` 和 `DPM++ 2M Karras` 是速度与质量的平衡点。`Heun` 和 `DDIM` 相对较慢。
  • 分辨率：512×512是SD 1.5的“舒适区”，强行拉到1024×1024，不仅慢，而且容易出“双头怪”。如果要做高清大图，先用低分辨率生成，再用“高清修复”(Hires. Fix)放大，放大倍数建议 `1.5`，重绘幅度 `0.4` 左右。

    • 3. 黑图/噪点图的排查

  • 检查VAE（变分自编码器）。很多模型需要搭配特定的VAE文件（如 `vae-ft-mse-840000-ema-pruned.ckpt`），放入 `models\VAE` 文件夹，并在“设置”里指定。
  • 如果还是黑图，大概率是 `–no-half-vae` 参数没加。

    • —

    五、总结与进阶建议

    今天，我们从硬件检测开始，手动部署了Automatic1111 WebUI，跑通了SD 1.5和SDXL，并通过LoRA实现了风格定制，最后还解决了常见的报错。你现在的本地环境，已经可以支撑你进行80%的创意工作了。

    但请注意，部署只是起点。 接下来的进阶路径是：
    1. 学ControlNet：它��通过姿态、深度图、线稿精确控制人物动作和构图，这是商业应用的关键。
    2. 学ComfyUI：如果你觉得WebUI的“图生图”流程不够灵活，ComfyUI的节点式工作流能让你实现更复杂的pipeline，比如局部重绘、多模型融合。
    3. 学训练自己的LoRA：用20-30张某个特定风格或人物的图片，训练出专属LoRA，这在电商模特换装、IP形象设计领域价值极高。

    给新手的最后一条建议：不要囤积模型。硬盘里放20个模型，不如把一个模型吃透。开始动手吧，把第一张图跑出来，你就已经超越了90%的“收藏党”。

    —

    常见问题 FAQ

    Q1：我是Mac电脑（M1/M2芯片），能本地部署吗？
    可以，但体验打折扣。Apple Silicon芯片可以通过 `mps` 支持，但速度比同价位NVIDIA显卡慢，且很多插件（如ControlNet的一些预处理器）不支持。建议使用 `AUTOMATIC1111` 的Mac适配版或考虑使用云端GPU服务（如Colab、AutoDL）。

    Q2：为什么我生成的图片总是“畸形”或“多余手指”？
    这是模型本身的限制。SD 1.5对肢体结构理解有限。解决方案：1）升级SDXL模型；2）在负面提示词（Negative Prompt）中加入 `extra fingers, mutated hands, bad anatomy`；3）使用ControlNet的OpenPose功能约束姿态。

    Q3：显卡显存只有4GB，还能玩吗？
    很吃力。SD 1.5勉强能跑512×512，但SDXL基本无望。建议使用 `–lowvram` 参数，并将分辨率降至 `448×448`。如果预算允许，二手一张RTX 2060 12G（约千元）是性价比极高的选择。

    Q4：下载模型时，`safetensors` 和 `ckpt` 格式有什么区别？
    `safetensors` 是更安全的格式，不会包含恶意代码，加载速度也更快。现在主流模型基本都提供 `safetensors` 版本，请优先选择。`ckpt` 是旧格式，如果在Civitai下载，尽量避开。

    Q5：生成图片时，显卡利用率只有30%，速度很慢怎么办？
    这通常是CPU瓶颈或未启用 `xformers`。检查启动参数是否生效（看启动日志），并确保你的图片分辨率没有超过模型极限。另外，将图片保存格式从PNG改为JPG，能减少磁盘写入时间。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。