部署Stable Diffusion_云服务器 ECS(ECS)-阿里云帮助中心

本文介绍如何使用阿里云AMD CPU云服务器（g8a）和龙蜥容器镜像，并基于Stable Diffusion模型搭建个人版文生图服务。

背景信息

Stable Diffusion是文本到图像的潜在扩散模型，它可以根据文本提示词生成对应的图像。Stable Diffusion模型是扩散模型的变种，可以通过逐步对随机高斯噪声进行去噪以获得感兴趣的样本。与传统生成模型相比，Stable Diffusion可以在不需要复杂训练过程或大量数据集的情况下生成真实感强、细节丰富的图像。目前该项目已经应用于多种场景，包括计算机视觉、数字艺术、视频游戏等领域。

创建ECS实例

前往实例创建页。
按照界面提示完成参数配置，创建一台ECS实例。
需要注意的参数如下，其他参数的配置，请参见自定义购买实例。
- 实例：Stable Diffusion模型的推理过程需要耗费大量的计算资源，运行时占用大量内存，为了保证模型运行的稳定，实例规格至少需要选择ecs.g8a.16xlarge（256 GiB内存）。
- 镜像：Alibaba Cloud Linux 3.2104 LTS 64位。
- 公网IP：选中分配公网IPv4地址，带宽计费模式选择按使用流量，带宽峰值设置为100 Mbps。以加快模型下载速度。
- 系统盘：Stable Diffusion的运行需要下载多个模型文件，会占用大量存储空间，为了保证模型顺利运行，建议系统盘设置为100 GiB。
添加安全组规则。
在ECS实例安全组的入方向添加安全组规则并放行22、443、7860端口（用于访问WebUI服务）。具体操作，请参见添加安全组规则。
创建完成后，在ECS实例页面，获取公网IP地址。
说明
公网IP地址用于进行AI对话时访问WebUI服务。

创建Docker运行环境

远程连接该ECS实例。
具体操作，请参见通过密码或密钥认证登录Linux实例。
安装Docker。
具体操作，请参见在Alibaba Cloud Linux 3实例中安装Docker。
创建并运行PyTorch AI容器。
龙蜥社区提供了丰富的基于Anolis OS的容器镜像，包括针对AMD优化过的PyTorch镜像，可以直接使用该镜像直接创建一个PyTorch运行环境。
以下命令首先拉取容器镜像，随后使用该镜像创建一个以分离模式运行的、名为pytorch-amd的容器，并将用户的家目录映射到容器中，以保留开发内容。
```
sudo docker pull registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
sudo docker run -d -it --name pytorch-amd --net host -v $HOME:/root registry.openanolis.cn/openanolis/pytorch-amd:1.13.1-23-zendnn4.1
```

部署Stable Diffusion

手动部署

步骤一：安装配置模型所需软件

进入容器环境。
```
sudo docker exec -it -w /root pytorch-amd /bin/bash
```
重要
后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。

安装部署Stable Diffusion所需的软件。

yum install -y git git-lfs wget tmux mesa-libGL gperftools-libs

启用Git LFS。
下载预训练模型需要Git LFS的支持。
```
git lfs install
```

步骤二：下载源码与模型

创建一个tmux session。
```
tmux
```
说明
下载预训练模型耗时较长，且成功率受网络情况影响较大，建议在tmux session中下载，以免ECS断开连接导致下载模型中断。

下载Stable Diffusion WebUI项目源码。

git clone -b v1.5.2 https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

下载Stable Diffusion WebUI项目源码所需依赖模型。

mkdir stable-diffusion-webui/repositories && cd $_
git clone https://github.com/Stability-AI/stablediffusion.git stable-diffusion-stability-ai
git clone https://github.com/Stability-AI/generative-models.git generative-models
git clone https://github.com/crowsonkb/k-diffusion.git k-diffusion
git clone https://github.com/sczhou/CodeFormer.git CodeFormer
git clone https://github.com/salesforce/BLIP.git BLIP

将Stable Diffusion所需的依赖模型切换到指定分支，以保证生成结果的稳定。

git -C stable-diffusion-stability-ai checkout cf1d67a6fd5ea1aa600c4df58e5b47da45f6bdbf
git -C generative-models checkout 5c10deee76adad0032b412294130090932317a87
git -C k-diffusion checkout c9fe758757e022f05ca5a53fa8fac28889e4f1cf
git -C CodeFormer checkout c5b4593074ba6214284d6acd5f1719b6c5d739af
git -C BLIP checkout 48211a1594f1321b00f14c9f7a5b4813144b2fb9

下载Stable Diffusion预训练模型。

cd ~ && mkdir -p stable-diffusion-webui/models/Stable-diffusion
wget "https://www.modelscope.cn/api/v1/models/AI-ModelScope/stable-diffusion-v1-5/repo?Revision=master&FilePath=v1-5-pruned-emaonly.safetensors" -O stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors
mkdir -p ~/stable-diffusion-webui/models/clip
git clone --depth=1 https://gitee.com/modelee/clip-vit-large-patch14.git ~/stable-diffusion-webui/models/clip/clip-vit-large-patch14

修改脚本文件，使Stable Diffusion运行时从本地调用ViT多模态模型。

sed -i "s?openai/clip-vit-large-patch14?${HOME}/stable-diffusion-webui/models/clip/clip-vit-large-patch14?g" ~/stable-diffusion-webui/repositories/stable-diffusion-stability-ai/ldm/modules/encoders/modules.py

步骤三：部署运行环境

更换pip下载源。

在安装依赖包之前，建议您更换pip下载源以加速安装。

创建pip文件夹。
```
mkdir -p ~/.config/pip
```

配置pip安装镜像源。

cat > ~/.config/pip/pip.conf <<EOF
[global]
index-url=http://mirrors.cloud.aliyuncs.com/pypi/simple/

[install]
trusted-host=mirrors.cloud.aliyuncs.com
EOF

安装Python运行依赖。

pip install cython gfpgan open-clip-torch==2.8.0 httpx==0.24.1
pip install git+https://github.com/openai/CLIP.git@d50d76daa670286dd6cacf3bcd80b5e4823fc8e1

设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。
ZenDNN运行库需要针对硬件平台显式设置环境变量OMP_NUM_THREADS和GOMP_CPU_AFFINITY。
```
cat > /etc/profile.d/env.sh <<EOF
export OMP_NUM_THREADS=\$(nproc --all)
export GOMP_CPU_AFFINITY=0-\$(( \$(nproc --all) - 1 ))
EOF
source /etc/profile
```

运行脚本，自动化部署Stable Diffusion的运行环境。

cd ~/stable-diffusion-webui
venv_dir="-" ./webui.sh -f --skip-torch-cuda-test --exit

步骤四：进行AI对话

执行如下命令，开启WebUI服务。

export LD_PRELOAD=/usr/lib64/libtcmalloc.so.4
export venv_dir="-" 
python3 launch.py -f --skip-torch-cuda-test --skip-version-check --no-half --precision full --use-cpu all --listen

当出现如下信息时，表示WebUI服务启动成功。

在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
在prompt对话框中，输入对话内容（仅支持英文Prompt，例如：Urban portrait of a skateboarder in mid-jump, graffiti walls background, high shutter speed），单击Generate，即可开始AI对话。
说明
您也可以输入其他Prompt，来挖掘Stable Diffusion更多能力。

自动化部署

阿里云提供了自动部署脚本，可以一键部署运行Stable Diffusion模型。

下载自动部署脚本。

wget https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/en-US/20231213/bild/deploy_stable-diffusion_amd-docker.sh

进入容器环境。
```
sudo docker exec -it -w /root pytorch-amd /bin/bash
```
重要
后续命令需在容器环境中执行，如意外退出，请使用以上命令重新进入容器环境。如需查看当前环境是否为容器，可以执行cat /proc/1/cgroup | grep docker查询（有回显信息则为容器环境）。
下载tmux并创建一个tmux session。
```
yum install -y tmux
tmux
```
说明
该脚本运行中会下载模型文件，耗时较长，建议在tmux session中启动部署，以免ECS断开连接导致部署中断。

为自动化部署脚本添加执行权限。

chmod +x deploy_stable-diffusion_amd-docker.sh

运行自动化部署脚本。
```
./deploy_stable-diffusion_amd-docker.sh
```
当显示结果如下所示时，说明自动部署脚本已完成。
说明
该脚本运行时间较长，在tmux session中进行部署的过程中，如果断开了ECS连接，重新登录ECS实例后执行tmux attach命令即可恢复tmux session，查看脚本运行进度。
在浏览器地址栏输入http://<ECS公网IP地址>:7860，进入Web页面。
在prompt对话框中，输入对话内容（仅支持英文Prompt，例如：Urban portrait of a skateboarder in mid-jump, graffiti walls background, high shutter speed），单击Generate，即可开始AI对话。
说明
您也可以输入其他Prompt，来挖掘Stable Diffusion更多能力。