简介这份PDF资料面向希望入门AI绘画的开发者与爱好者系统讲解Stable Diffusion的安装与使用流程帮助零基础读者跨越环境配置门槛快速跑通文本生成图像。资源共1个PDF文件压缩包约814KB内容以图文步骤形式呈现涵盖环境准备、依赖安装、代码与模型下载、运行命令及参数调节等核心环节。文中结合具体命令示例如创建虚拟环境、安装PyTorch与torchvision、克隆CompVis仓库、执行txt2img脚本并说明--prompt、--plms、--steps等参数对生成效果的影响同时提示GPU资源需求与图像优化思路。目前已有938人学习适合需要一份轻量、可对照操作的入门指南的读者可据此搭建本地环境并理解文本到图像的生成逻辑。1. 从一张 512×512 的图说起Stable Diffusion 到底吃多少显存第一次在本地跑 Stable Diffusion 的人十有八九会卡在同一个地方命令行敲下去进度条还没走完终端先甩出一行RuntimeError: CUDA out of memory。这不是玄学是显存账没算清。Stable Diffusion 属于潜空间扩散模型它不在 512×512 的像素空间里直接去噪而是先把图像压进一个 64×64×4 的潜变量张量UNet 在这个小得多的空间里反复迭代最后再由 VAE 解码回像素图。这个设计让消费级显卡有了跑起来的可能但也意味着显存占用和分辨率、批大小、精度强绑定。这份资源要解决的就是把「装不上、跑不动、出图糊」这三件事拆开讲透。它适合两类人一类是手里有张 6GB 到 12GB 显存的卡、想在自己机器上把文生图流程跑通的新手另一类是已经装过但被依赖冲突、模型加载失败、采样参数搞晕的从业者。下面按环境准备、依赖安装、模型加载、参数调节、避坑排查的顺序把每一步落到能抄的命令和能改的参数上。2. 环境准备与依赖安装Python、PyTorch 和虚拟环境怎么配2.1 为什么先锁 Python 和 PyTorch 版本Stable Diffusion 的原始仓库对 Python 版本有下限要求3.7 是底线但实际用下来 3.10 附近最稳。低于 3.8 会在部分依赖上遇到typing相关的语法报错高于 3.11 又可能碰到某些轮子还没编译好的情况。所以常见做法是用 3.10 建虚拟环境别用系统自带的 Python 直接装。PyTorch 是整条链路里最吃版本匹配的一环。它和 CUDA 驱动、显卡架构三者必须对齐。比如 30 系卡用 CUDA 11.x 的轮子40 系卡最好上 CUDA 11.8 或 12.x 的轮子。装错了不会立刻报错而是跑到一半提示no kernel image is available for execution这种翻车最难查。判断方法很简单装完先跑一句torch.cuda.is_available()返回 False 就别往下走了。提示PyTorch 官网的安装命令生成器会给出和你系统匹配的 pip 命令直接复制那条不要自己拼pip install torch默认源装的往往是 CPU 版。2.2 建虚拟环境并装依赖虚拟环境这一步别省。系统 Python 里往往已经有一堆包直接装 requirements 很容易把已有环境搞崩而且出问题后没法干净回滚。下面这套命令在 Linux 和 macOS 上通用Windows 只改激活那行。# 建一个独立环境名字随意这里叫 sd-env python -m venv sd-env # Linux / macOS 激活 source sd-env/bin/activate # Windows 激活在 cmd 或 PowerShell 里 # sd-env\Scripts\activate # 升级 pip老版本 pip 解析依赖会出错 python -m pip install --upgrade pip # 装 PyTorch下面这条是 CUDA 11.8 的示例按官网生成器替换 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118激活成功后命令行前面会出现(sd-env)前缀这是判断环境是否生效的最直接标志。如果没看到前缀就继续装包等于装到了系统环境里后面pip list会看到一堆全局包排查时非常干扰。装完 PyTorch 先验证再装项目依赖# 验证 GPU 是否可用返回 True 才继续 python -c import torch; print(torch.cuda.is_available(), torch.version.cuda) # 克隆代码库并进入目录 git clone https://github.com/CompVis/stable-diffusion.git cd stable-diffusion # 安装项目依赖 pip install -r requirements.txtrequirements.txt里通常锁了transformers、diffusers、ftfy、einops这些包。如果安装过程中卡在某个包编译上多半是缺系统级依赖比如libgl1或build-essential这类问题在纯 CPU 的服务器上尤其常见。装完后用pip check扫一遍依赖冲突比出图时报错再回头查要省事得多。2.3 模型权重的下载与放置代码库本身不含权重权重是单独下载的。原始仓库一般会指向一个约 4GB 的sd-v1-4.ckpt文件。下载渠道以仓库 README 里给出的为准不要从来源不明的镜像拿权重文件被替换或截断的情况并不少见。下载完成后把.ckpt放到仓库根目录下的models/ldm/stable-diffusion-v1/路径里并确认文件名和脚本里引用的名字一致。常见做法是重命名为model.ckpt这样调用时不用额外传--ckpt参数。文件完整性可以用sha256sum对一下官方给出的哈希对不上就重新下别抱侥幸心理。3. 跑通第一张图txt2img 命令、采样器与步数参数3.1 最小可运行命令拆解环境齐了、权重就位就可以出图了。原始仓库的入口脚本是scripts/txt2img.py最小命令长这样python scripts/txt2img.py \ --prompt a fantasy landscape, highly detailed \ --plms \ --n_samples 1 \ --n_iter 1 \ --H 512 --W 512 \ --ddim_steps 50 \ --seed 42逐项说清楚每个参数在干什么--prompt文本提示模型据此生成图像。英文提示在原始权重上通常比中文稳定中文提示需要模型本身支持多语言否则容易出乱码图。--plms选用 PLMS 采样器。它和--ddim是两种不同的去噪调度策略PLMS 在步数较少时收敛更快DDIM 更接近确定性采样。--n_samples一次生成几张图直接吃显存6GB 卡建议保持 1。--n_iter迭代几轮每轮生成n_samples张和批大小是乘法关系。--H/--W输出分辨率。512×512 是原始权重的训练分辨率直接拉到 1024 往往出双头、多肢体的崩坏图。--ddim_steps采样步数50 是质量和耗时的常见平衡点。--seed随机种子固定它才能复现同一张图调参时必用。命令跑起来后终端会打印每一步的进度输出图默认落在outputs/txt2img-samples/目录下。第一次跑建议就用上面这条命令别急着加花哨参数先确认整条链路是通的。3.2 采样器与步数怎么选采样器不是越多越好选错了会明显拖慢速度还未必提升质量。下面这张表是几种常见组合的实际体感对比基于 512×512、单张、同一提示词采样器步数单张耗时相对值适用场景PLMS301.0快速预览构图确认PLMS501.6常规出图细节较稳DDIM501.5需要确定性复现时DDIM1003.0追求细节但收益递减明显步数从 50 加到 100耗时翻倍但肉眼可见的提升往往有限超过 80 步后基本进入收益递减区。真正影响出图质量的大头是提示词和种子步数只是微调。我一般先用 30 步 PLMS 快速试构图锁定种子后再用 50 步出终图这样一轮调参能省掉一半时间。3.3 提示词与种子的实操习惯提示词写法上具体名词加风格修饰比堆砌形容词有效。比如a fantasy landscape太空加上misty mountains, volumetric light, concept art之后构图会明显收敛。负面提示在原始脚本里支持有限如果用的是带--negative_prompt的版本把blurry, low quality, deformed这类词放进去能压掉一部分废图。种子这块有个血泪经验调提示词时先固定种子只改提示词这样能看出提示词本身的影响等提示词定了再换种子挑构图。两个变量一起动最后根本不知道是哪一项起了作用。复现别人的图时种子、采样器、步数、分辨率四项必须全部一致缺一项结果就对不上。4. 避坑与排查显存、依赖、模型加载的常见翻车4.1 显存不足现象、原因与解决现象命令刚跑几秒就抛CUDA out of memory或者进度条走到一半崩掉。原因分辨率、批大小、精度三者叠加超了显存上限。512×512 单张在 FP32 下大约吃 6GB 到 8GBn_samples翻倍显存也接近翻倍。解决先把--n_samples和--n_iter都设成 1再考虑用半精度很多分支支持--precision autocast或加载时指定torch_dtypetorch.float16能砍掉近一半占用分辨率不要一上来就冲 1024原始权重在 512 上最稳。显存实在紧张可以开注意力切片代价是速度慢一些。4.2 依赖冲突现象、原因与解决现象pip install -r requirements.txt报版本冲突或者装完后import某个包直接失败。原因虚拟环境没激活包装进了系统环境或者之前装过别的版本pip 在旧版本上做增量升级留下了残留。解决确认命令行有(sd-env)前缀实在乱就删掉环境重建rm -rf sd-env后重走一遍建环境流程比逐个降级包快得多。装完跑pip check它会直接列出哪两个包版本不兼容。4.3 模型加载失败现象、原因与解决现象启动时报KeyError或unexpected key in state_dict或者提示找不到.ckpt文件。原因权重文件路径不对、文件名和脚本引用不一致或者下载不完整导致文件损坏。解决先确认文件确实在models/ldm/stable-diffusion-v1/下文件名和脚本默认值对齐再用sha256sum校验哈希对不上就重下。unexpected key这类报错有时是权重版本和代码版本不匹配换回仓库 README 推荐的权重版本即可。4.4 出图崩坏现象、原因与解决现象生成的人脸扭曲、肢体重复、画面糊成一团。原因分辨率偏离训练分辨率、步数过低、提示词过于抽象或者 CFG 引导系数设得过高导致画面过饱和。解决分辨率回到 512步数提到 50提示词补具体名词CFG 一般放在 7 到 12 之间超过 15 容易出硬边和色块。这几项按顺序调多数崩坏图能救回来。5. 进阶技巧用脚本批量出图与结果验证单张出图跑通后真正提效的是批量。原始脚本支持--from-file从文本文件读提示词一行一条配合固定种子就能做提示词对比实验。下面这个小脚本把「批量生成 按种子归档」串起来避免手动改命令import subprocess import os # 待测提示词一行一条 prompts [ a fantasy landscape, misty mountains, concept art, a fantasy landscape, sunset, volumetric light, a fantasy landscape, night, glowing river, ] # 固定种子保证只有提示词一个变量 seed 42 out_root batch_outputs os.makedirs(out_root, exist_okTrue) for i, p in enumerate(prompts): # 每条提示词单独一个输出目录方便对比 out_dir os.path.join(out_root, fcase_{i:02d}) cmd [ python, scripts/txt2img.py, --prompt, p, --plms, --ddim_steps, 50, --H, 512, --W, 512, --seed, str(seed), --outdir, out_dir, ] print(running:, .join(cmd)) subprocess.run(cmd, checkTrue)这段脚本的关键点有三个种子固定成 42保证三条提示词之间只有文本变量每条提示词输出到独立目录避免文件互相覆盖checkTrue让子进程失败时立刻中断不会静默跳过。跑完直接对比case_00到case_02三个目录构图差异一目了然。验证出图是否「正常」除了肉眼看还可以看文件元数据。多数脚本会把提示词、种子、步数写进 PNG 的文本块用exiftool或 Python 的PIL读一下就能确认参数有没有真正生效。这一步在复现别人参数时特别有用能快速判断差异到底出在哪一项。从那以后我每次调参都强制走一遍「固定种子、单变量、独立目录」的流程再也没出现过改了半天不知道哪项起作用的糊涂账。希望帮到你。本文还有配套的精品资源点击获取