基于阿里云RDS MySQL数据库实现Stable Diffusion AI绘画-阿里云帮助中心

阿里云RDS MySQL数据库支持作为Stable Diffusion服务的底层存储数据库，帮助您快速部署Stable Diffusion服务，您无需再手动配置数据库，只需简单配置，即可完成服务搭建。

背景

阿里云计算巢产品支持部署Stable Diffusion服务，实现AI绘画，该服务生成的图片结果（包括prompt等参数及生成的图片）需要进行存储，在Stable Diffusion服务的配置中，支持直接将图片结果存储在阿里云RDS MySQL数据库中，本文介绍如何配置Stable Diffusion服务与阿里云RDS MySQL数据库，实现AI绘画。

说明

Stable Diffusion Web UI是一个基于Stable Diffusion的基础应用，利用gradio模块搭建出交互程序，可以在低代码GUI中立即访问Stable Diffusion。它支持文字生成图片，图片转图片，使用各种各样的模型来达到你想要的效果，还能训练自己的专属模型。

前提条件

已开通阿里云账号。
确保账户余额充足。
说明
如果开通按量付费实例，则账户中余额需大于100元。

步骤一：创建Stable Diffusion服务

访问计算巢管理控制台，进入Stable Diffusion服务创建界面，根据界面提示，填写如下参数，点击下一步：确认订单。

参数	说明	取值示例
选择模板	Stable Diffusion服务创建时已预设了两个模板，用于不同的应用场景： SD原生版本：基于官方Stable Diffusion代码库的原生实现，功能稳定，兼容性好，适配大多数基础文本到图像生成需求。 SD-Forge版本：深度优化的社区版，适用高性能、复杂功能需求场景。本文仅作为示例，选择SD原生版本即可。	SD原生版本
服务实例名称	Stable Diffusion服务实例名称，可自定义。	sd-rds-test
地域	指定创建的实例所属地域。不建议选择中国内地地域，因为部分模型无法下载。	新加坡
付费类型配置	按量付费或包年包月，按需选择即可。	按量付费
资源配置	实例类型：即ECS实例的资源规格，按实际需要选择即可。实例密码：ECS实例的登录密码，自定义。	实例类型：ecs.gn6i-c4g1.xlarge 实例密码：ECSTestPW123! 说明此处密码仅作为示例，请勿直接在实际业务中使用。
实例密码	配置完成后，访问WebUI时需要使用，请妥善保管。软件登录名：默认admin。软件登录密码：自定义。	软件登录名：admin 软件登录密码：SDTestPW123! 说明此处密码仅作为示例，请勿直接在实际业务中使用。
可用区配置	根据业务需求配置可用区ID、专有网络、网段等信息。	可用区ID：可用区B 选择已有/新建的专有网络：新建专有网络专有网络IPv4网段：192.168.0.0/16 交换机子网网段：192.168.1.0/24 是否开启公网访问：关闭公网访问
标签和资源组	设置标签，选择实例所属资源组。	标签：无资源组：dy-test

说明

上述为创建Stable Diffusion服务的关键参数，其他参数选择默认即可。

单击下一步：确定订单。
单击立即创建。
在左侧导航栏单击服务实例管理，即可在私有部署服务页签，查看Stable Diffusion服务的部署进度。
等待状态变更为已部署后，点击操作列的详情，在概览页单击Endpoint。
输入创建服务步骤设置的登录信息，Stable Diffusion服务即可正常访问。

步骤二：下载模型

您可以前往各模型网站，下载需要的模型，本文以CHECKPOINT模型GhostMix为例，获取模型的下载链接如下：
```
https://civitai.com/api/download/models/76907
```
前往计算巢控制台，单击实例ID，进去实例概览页，点击运维管理页签，然后点击下载模型。

在创建自定义任务页面，设置如下参数后，单击下一步。

参数	说明	取值
目标实例	选择该下载模型任务的目标实例。	手动选择已创建的实例。
配置参数	选择模型或预览图：本文以模型为例，因此选择Model。模型类型：本文使用的模型为CHECKPOINT类型。下载方式：本文使用HTTPS文件。文件来源：填写获取的模型下载链接。	选择模型或预览图：Model。模型类型：CHECKPOINT 下载方式：HTTPS文件文件来源：`https://civitai.com/api/download/models/76907`
模型或预览图存储目录	保持默认即可。	本示例中默认值为：`/home/models/Stable-diffusion/`
自定义模型或预览图名称	自定义。	本示例模型命名为：`test.safetensors`

确认参数配置无误后，单击创建。您可以在运维管理中查看下载模型进度。
当执行状态为成功时，即可访问WebUI，查看已下载的模型。

步骤三：AI绘画并存储到RDS MySQL数据库中

在WebUI窗口中，选中Save to DataBase。选中该选项后，即表示将生成数据持久化存储到RDS MySQL数据库中。
单击Generate，由AI自动根据模型生成图片，结果将自动保存在RDS MySQL中。
您可以单击Images页签，查看已生成的图片，并点击Download进行下载。
说明
下载图片的文件后缀为.png。

步骤四：在RDS MySQL数据库查询

前往计算巢控制台，单击实例ID，进去实例概览页，在资源页签，筛选RDS实例后，单击RDS MySQL实例ID。
在RDS MySQL实例基本信息页，单击右上角的登录数据库。
输入创建服务步骤设置的RDS插件配置中数据库账号名称和实例密码，进入数据库。
说明
如果提示账号密码不正确，可以前往RDS管理控制台重置密码。更多信息，请参见重置密码。
AI绘画生成的图片及相关配置参数信息已经被存储在默认数据库stable_diffusion的generated_images表中。

您可以使用如下命令，查询详细信息。

说明

RDS MySQL数据库中不仅存储了图片Base64编码后的文本数据，还存储了prompt的所有配置信息，在复用等场景下使用非常便捷。
您还可以基于存储在RDS MySQL数据库中的数据，进行统计分析，实现更多业务价值。

SELECT * FROM generated_images;

结果示例：

image..png

各字段含义如下：

字段	含义
prompt	提示文本或图像，该参数用于指定提示文本或图像，它对生成图像的主题或内容起着指导作用。通过提供一个具体的提示，模型可以根据该提示生成与提示相关的图像。该参数的作用是为模型提供一个引导，帮助模型理解您的意图并生成相应的图像。通过精心设计的提示，可以获得更符合期望的图像生成结果。您可以使用Prompt Engineering技术在生成模型中使用有针对性的提示以控制最终的生成内容。
negative_prompt	负面提示文本或图像，用于指导生成图像时避免的主题或内容。可以用于约束生成的图像避免某些特定特征。
steps	扩散步数，指定生成图像的迭代次数或扩散步数。每一步都会逐渐模糊图像，使其逐渐变得难以识别。通常情况下，步数越多，生成的图像越模糊。
seed	随机种子，用于控制生成图像的随机性。通过设置相同的种子，可以重复生成相同的图像。
sampler	采样器，用于选择生成图像时使用的采样策略。常见的采样器包括ancestral（祖先采样）和ddim（逐维度重要性采样）。
cfg_scale	配置规模，用于调整模型的大小和生成图像的质量。较大的规模通常会产生更高质量的图像，但也需要更多的计算资源。
size	生成图片的分辨率大小。
model_hash	模型哈希，用于指定所使用的预训练模型的唯一标识符。
model	模型，指定所使用的预训练模型的名称或路径。
image_base64	生成图片的Base64编码格式。

步骤五：从数据库下载并解码

图片文件在RDS MySQL数据库中是以Base64编码的形式，存储为txt文本格式，如果需要转换为图片格式，则需要对文本进行解码，以还原为二进制数据。

本文以Python开发语言为例，解码方式如下：

获取存储在数据库中的图片文本内容。
说明
您可以通过DMS连接数据库后，使用SELECT * FROM generated_images;命令查询表信息，在image_base64列，单击下载按钮，下载txt文件。如何通过DMS连接数据库并查询，请参见RDS数据库查询。

在Python开发环境中，创建项目并运行如下示例代码。

import base64

def decode_image(txt_path, output_image_path):
    with open(txt_path, 'r') as txt_file:
        encoded_image = txt_file.read()
    decoded_image = base64.b64decode(encoded_image)
    with open(output_image_path, 'wb') as image_file:
        image_file.write(decoded_image)

# txt文本的路径
txt_path = 'D:\\test.txt'
# 生成图片的路径
output_image_path = 'D:\\test.jpg'

# 从txt文件中读取文本并解码为图片
decode_image(txt_path, output_image_path)

背景