Stable Diffusion 快速上手与本地部署指南
本文介绍 Stable Diffusion 的快速上手、本地部署，以及更多有趣的玩法展示。
在继其他生成式模型之后，AI 绘图领域又一款高效的深度学习模型出炉——Stable Diffusion。8 月份发布的 Stable Diffusion 更加高效且轻量，可以在消费级 GPU 上运行。Stability AI 公司表示：'它在速度和质量上的突破意味着它可以在消费者级的 GPU 上运行。这将允许研究人员和公众在一系列条件下运行它，并使图像生成普及化。'
这意味着现在你只需一句话和几十秒的时间，就可以让你脑海中天马行空的画面出现在你眼前：
或者随手画一笔，让 AI 帮你加'亿点点'细节：
怎么上手玩起来
前两种方式都比较简单，Colab 看起来复杂，实际上一步一步按照提示来，也很简单。所以本文着重讲解本地部署的步骤和如何解决会遇到的坑。
-
官方在线 Web App - DreamStudio
- 👍 最易上手，登录即可直接使用
- 👍 可视化调参
- 😡 免费次数有限
-
Google Colab 运行
- 👍 免费，次数无限
- 😥 操作略微繁琐
- 😥 不能持久运行
-
本地、云服务器部署
- 👍 本地部署免费，次数无限
- 👍 功能完整，可玩性高
- 😥 硬件要求高
- 😥 租用云服务挺贵
- 😥 初次部署较为麻烦
DreamStudio
最简单无脑的上手途径，打开官网，输入一段话，等待结果出来就可以。没啥好说的，适合快速上手体验一下，或者付费玩家。
Google Colab 运行
'Colab'，是 Google Research 团队开发的一款产品。可以通过浏览器编写和执行 Python。可以免费分配使用包括 GPU 在内的计算资源。
打开这个 Colab 笔记本页面，按照步骤和提示执行就 OK 了。可能存在的坑模型的载入，需要用到特定配置，不过也都不是什么问题。
虽然看着繁琐，但是可以薅羊毛用免费的显卡资源，性能也还不错，还是很香的。
本地/云服务器部署
目前存在多个基于官方代码仓库 fork 出来的不同版本，可以有不同的部署和运行方式，包括 docker 部署，webUI。这里讲解基于官方的原版进行部署和使用，其他的方式都大同小异。
硬件
本地 10G 显存以上的显卡（显存不够也有其他办法），或租用拥有对应配置的云服务
环境依赖
Python, Conda
