香港服务器搭建Stable Diffusion绘图平台:显卡实例选型与模型加载实操
Stable Diffusion是目前最流行的开源AI图像生成模型。在本地电脑显卡不够用、或需要团队共享使用的场景下,部署到香港服务器是性价比最高的方案。本文带你完成从GPU实例选型到WebUI上线的全流程。
一、为什么选香港服务器运行Stable Diffusion?
- 本地无GPU:笔记本或台式机无独显,借助云端GPU低成本出图
- 团队共享:设计团队多人共用同一绘图平台,统一管理模型和风格
- 大陆访问快:香港节点低延迟,上传提示词、下载生成图片速度快
- 按需使用:不用时暂停实例,避免本地高端显卡闲置
二、GPU实例选型
| GPU型号 | 显存 | 512×512出图速度 | 适合场景 | 月费参考 |
|---|---|---|---|---|
| NVIDIA T4 | 16G | 约8~12秒/张 | 个人使用、小团队 | 约800~1500元 |
| NVIDIA A10 | 24G | 约3~5秒/张 | 中等规模团队 | 约2000~3500元 |
| NVIDIA A100 | 40G | 约1~2秒/张 | 商业级批量出图 | 约8000元起 |
对于个人用途,T4显卡完全够用;若需要高分辨率(1024×1024以上)或批量出图,建议A10以上。
三、环境准备
# 确认GPU驱动已安装
nvidia-smi
# 安装Python 3.10
apt update && apt install -y python3.10 python3.10-venv python3-pip git wget
# 安装CUDA工具包(如未预装)
apt install -y nvidia-cuda-toolkit四、安装AUTOMATIC1111 WebUI
AUTOMATIC1111是目前功能最全、社区最活跃的Stable Diffusion前端。
# 克隆项目
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
# 创建虚拟环境
python3.10 -m venv venv
source venv/bin/activate
# 安装依赖(自动进行)
bash webui.sh --skip-torch-cuda-test五、下载基础模型
# 进入模型目录
cd stable-diffusion-webui/models/Stable-diffusion
# 下载SD 1.5基础模型(约4GB)
wget -c https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors
# 下载SDXL模型(约7GB,需显存12G以上)
wget -c https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors六、启动WebUI并开放外网访问
# 带公网访问参数启动(--share生成临时公网链接,--listen开放局域网)
python launch.py --listen --port 7860 --enable-insecure-extension-access
# 若需要密码保护
python launch.py --listen --port 7860 --gradio-auth 用户名:密码配置Nginx反向代理(推荐)
server {
listen 443 ssl;
server_name sd.你的域名.com;
ssl_certificate /etc/letsencrypt/live/sd.你的域名.com/fullchain.pem;
ssl_certificate_key /etc/letsencrypt/live/sd.你的域名.com/privkey.pem;
client_max_body_size 100M;
location / {
proxy_pass http://127.0.0.1:7860;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_read_timeout 600s;
}
}七、常用出图参数推荐
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 采样方法(Sampler) | DPM++ 2M Karras | 速度与质量的最佳平衡 |
| 采样步数(Steps) | 20~30步 | 低于20步质量下降,高于40步收益递减 |
| CFG Scale | 7~9 | 越高越贴近提示词,但过高会过曝 |
| 分辨率 | 512×512(SD1.5)/ 1024×1024(SDXL) | 超出训练分辨率会变形 |
| Batch Size | 1~4 | 显存充足时可增大批量提升效率 |
八、开机自动启动配置
# 创建systemd服务
cat > /etc/systemd/system/sd-webui.service << 'EOF'
[Unit]
Description=Stable Diffusion WebUI
After=network.target
[Service]
Type=simple
User=root
WorkingDirectory=/root/stable-diffusion-webui
ExecStart=/root/stable-diffusion-webui/venv/bin/python launch.py --listen --port 7860
Restart=always
[Install]
WantedBy=multi-user.target
EOF
systemctl daemon-reload
systemctl enable sd-webui
systemctl start sd-webui九、总结
在香港服务器上部署Stable Diffusion WebUI,整个流程约需1~2小时,完成后即可通过浏览器随时随地访问私有绘图平台。T4 GPU实例足以满足个人和小团队需求。IDC.Net提供香港GPU云服务器,支持按月计费,是搭建AI绘图平台的高性价比选择。
版权声明:
作者:后浪云
链接:https://idc.net/help/442703/
文章版权归作者所有,未经允许请勿转载。
THE END
