Stable Diffusion + kohya_ss 的安装教程

优质文章学习记录

— 6 min read
Stable Diffusion + kohya_ss 的安装教程

工具简介

  • Stable Diffusion (SD): 开源的文本到图像生成模型，支持通过提示词生成高质量图像，内置自动标注功能（如BLIP、DeepBooru等）。
  • kohya_ss (KS): 基于SD的轻量级微调工具，支持LoRA、DreamBooth等训练方法，优化显存占用与训练效率。

一.SD的安装

对于SD大家可以通过github链接来下载

https://git-scm.com/ Automatic 1111：https://github.com/AUTOMATIC1111

这里提供的链接，下载的SD是最基础的，如果大家想要让他有其他的扩展功能就需要下载相关的插件（后面会写一个关于下载插件的教程请大家持续关注）。

1.准备 Conda 环境
1.1 创建并激活 Conda 环境
# 创建名为 sd-webui 的环境（Python 3.10 推荐，需匹配仓库要求） conda create -n sd-webui python=3.10 -y # 激活环境 conda activate sd-webui
1.2确认 Python 路径

记录当前 Conda 环境的 Python 路径（后续配置需要）

which python # 示例输出：/home/用户名/miniconda3/envs/sd-webui/bin/python
2. 下载仓库代码
# 克隆仓库 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui #指定下载路径 git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git 你指定的下载路径
3. 配置 webui 以使用 Conda 环境
3.1 编辑配置文件

在 webui-user.sh 中添加 / 修改以下内容（根据实际路径调整）：

# 复制默认配置文件（若不存在） cp webui-user.sh webui-user.sh.bak # 备份（可选，不过建议还是备份一下） nano webui-user.sh
3.2 修改关键配置

在 webui-user.sh 中添加 / 修改以下内容（根据实际路径调整）：

# 指定 Conda 环境的 Python 路径（替换为步骤 1.2 中获取的路径） python_cmd="/home/用户名/miniconda3/envs/sd-webui/bin/python" # 禁用自动创建虚拟环境（使用 Conda 环境而非 venv） venv_dir="-" # 可选：添加启动参数（如低显存模式） export COMMANDLINE_ARGS="--medvram --opt-split-attention"
3.3 保存并退出

按 Ctrl+O 保存，Ctrl+X 退出编辑器。

4. 安装依赖并启动
4.1 运行安装脚本
./webui.sh

运行完这个命令后该脚本会自动检测 Conda 环境并安装 requirements.txt 和 requirements_versions.txt 中的依赖，针对 PyTorch 适配问题（如 AMD 显卡）会根据 GPU 型号自动设置 TORCH_COMMAND，安装完成后终端将显示访问地址（通常为http://127.0.0.1:7860），用户可通过浏览器直接使用。

下面的图片就是我通过地址访问的SD界面，不过我安装了一些插件，所以你们的可能跟我的长的不一样，但是不会影响使用。

5. 安装好之后的启动步骤
# 每次启动前激活 Conda 环境 conda activate sd-webui # 进入仓库目录并启动 cd stable-diffusion-webui ./webui.sh

这几行代码建议大家写到一个txt文本里面，这样需要用的时候直接复制粘贴进去就可以了。

二.kohya_ss的安装

这个是Kohya_ss的库的下载链接：https://github.com/bmaltais/kohya_ss

方法一：uv 安装
1. 克隆仓库（含子模块）
# 克隆仓库并进入目录 git clone --recursive https://github.com/bmaltais/kohya_ss.git cd kohya_ss
2. 运行安装脚本
# 执行 uv 安装脚本 ./gui-uv.sh
方法二：pip 安装
1. 克隆仓库（含子模块）
git clone --recursive https://github.com/bmaltais/kohya_ss.git cd kohya_ss
2. 安装依赖（可选 Conda 环境）

选项 A：使用系统 Python 或 venv

# 赋予脚本执行权限并运行 setup.sh chmod +x setup.sh ./setup.sh

选项 B：使用 Conda 环境（推荐）

# 创建并激活 Conda 环境（Python 3.11） conda create -n kohyass python=3.11 conda activate kohyass # 运行安装脚本 chmod +x setup.sh ./setup.sh
3. 启动 GUI
# 赋予执行权限并启动 chmod +x gui.sh ./gui.sh

启动后，若看到类似 Running on http://0.0.0.0:7860 的输出，说明安装成功，可通过浏览器访问该地址使用 GUI。

可能出现的问题
1.缺少 python3-tk 依赖包
Skipping git operations. Ubuntu detected. This script needs YOU to install the missing python3-tk packages. Please install with: sudo apt update -y && sudo apt install -y python3-tk

如果出现上面的错误，只需要下载缺失的包就行了，命令如下：

sudo apt update -y && sudo apt install -y python3-tk
2.不支持 socks 协议的代理 URL 
ValueError: Unknown scheme for proxy URL URL('socks://127.0.0.1:7897/')

通过终端配置环境变量

1.确定你的shell是bash还是zsh
在终端执行以下命令，会显示当前 shell 的进程名： echo $SHELL
  • 输出 /bin/bash → 当前默认是 bash
  • 输出 /bin/zsh → 当前默认是 zsh
2.编辑配置文件
bash 用户：nano ~/.bashrc zsh 用户：nano ~/.zshrc
3.添加 HTTP 代理配置
# 设置 HTTP 代理 export http_proxy="http://127.0.0.1:7897" export https_proxy="http://127.0.0.1:7897"

将最后的“7897”换成你自己的代理地址的端口号，换好之后保存退出就行。

4.生效配置
# bash 用户 source ~/.bashrc # zsh 用户 source ~/.zshrc
5.编辑gui.sh文件
nano gui.sh

在脚本最顶部（第一行 #!/bin/bash 下方）添加这些内容：

#!/bin/bash # 清除可能的残留代理 unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY all_proxy ALL_PROXY # 强制设置 HTTP 代理（按实际端口修改，比如你的代理 HTTP 端口是 7897 就改这里） export http_proxy="http://127.0.0.1:7890" export https_proxy="http://127.0.0.1:7890" export export # 脚本原本的其他内容（保持不变） ...

保存退出

重新运行gui.sh就可以了

./gui.sh

出现以下内容就表明运行成功了

* Running on local URL: http://127.0.0.1:7860 * To create a public link, set `share=True` in `launch()`. ^CKeyboard interruption in main thread... closing server.

Read more

前端 SSG：别让你的网站加载速度慢得像蜗牛

前端 SSG：别让你的网站加载速度慢得像蜗牛 毒舌时刻 这网站加载速度慢得能让我泡杯咖啡回来还没好。 各位前端同行，咱们今天聊聊前端 SSG（静态站点生成）。别告诉我你还在使用纯客户端渲染，那感觉就像在没有预加载的情况下开车——能开，但起步慢得要命。 为什么你需要 SSG 最近看到一个项目，每次加载都要重新获取数据，用户体验差。我就想问：你是在做网站还是在做实时应用？ 反面教材 // 反面教材：纯客户端渲染 // App.jsx import React, { useState, useEffect } from 'react'; function App() { const [posts, setPosts] = useState([]); const [loading, setLoading] = useState(true); useEffect(() => { async function fetchPosts() { setLoading(

2026年最新全球AI大模型深度研究报告

2026年最新全球AI大模型深度研究报告 文章目录 * 2026年最新全球AI大模型深度研究报告 * 摘要 * 第一章 全球AI大模型发展概况 * 1.1 全球AI发展格局：中美双极引领 * 1.2 市场规模与增长趋势 * 1.3 发展阶段特征 * 第二章 核心技术突破分析 * 2.1 主流大模型最新进展 * 2.1.1 美国阵营 * 2.1.2 中国阵营 * 2.2 核心技术突破方向 * 2.2.1 多模态能力 * 2.2.2 长上下文处理 * 2.2.3 推理能力 * 2.2.4 Agent能力 * 2.2.
AI全栈之路：Cursor+Claude3.7一整套APP原型图UI生成

AI全栈之路：Cursor+Claude3.7一整套APP原型图UI生成

背景 对于大部分工作三年的开发者来说，技术栈不在是瓶颈，从一门语言到另一个门语言，从一个技术栈到另一个技术栈，只需要投入一两周的时间就可以快速入门，从前端、移动端到后端，甚至数据分析，算法，从TS、Java、GO到C++，有了一门技术的基础再学习另一门技术会快很多，很多时候缺乏的是实战了和规模化的用户经验，不过在AI时代，这都不是问题了。 AI IDE（Cursor、trae）可以让我们在只使用自然语言描述需求后快速帮助我们实现对应端的工程代码，还可以帮助我们实现部署。技术上的问题绝大部分都可以通过AI帮助我们解决。卡在我们全栈路上的另一个问题是UI设计稿的问题。对于前端或者移动端开发来讲，尤其是移动端，强依赖设计稿帮我们实现美观的应用。但是从工程师到UI设计师的迁移跨度就太大了，一时半会没有办法快速迁移。目前市面上虽然也有一些生成设计稿的AI工具，但是效果差强人意。本文我们介绍一种“曲线救国”方式的设计稿生成方式，帮助我们快速生成UI设计稿，进一步实现全栈开发运营自己的作品之路。 先上一张效果图： Claude 生成骑行应用H5 Claude直接生成Figma等UI设计稿比
【AI 大模型】LangChain 框架 ① ( LangChain 简介 | LangChain 模块 | LangChain 文档 )

【AI 大模型】LangChain 框架 ① ( LangChain 简介 | LangChain 模块 | LangChain 文档 )

文章目录 * 一、LangChain 简介 * 1、LangChain 概念 * 2、LangChain 定位 * 3、LangChain 开发语言与应用场景 * 4、LangChain 核心组件 * 5、LangChain 学习路径 * 二、LangChain 模块 * 1、模型输入 / 输出 ( Models ) * 2、提示词模板 ( Prompts ) * 3、索引 ( Indexes ) * 4、链 ( Chains ) * 5、记忆 ( Memory ) * 6、代理 ( Agents ) * 7、 工具 ( Tools ) * 8、 文档加载器 ( Document Loaders ) * 9、评估