Stable Diffusion WebUI 本地部署完整教程

优质文章学习记录

— 7 min read
Stable Diffusion WebUI 本地部署完整教程

Stable Diffusion WebUI 本地部署完整教程（AUTOMATIC1111 版）

本教程基于 Windows 系统，适合 AI 绘画爱好者或初学者，旨在帮助大家从零部署并运行本地的 Stable Diffusion 模型界面（Web UI）。我们将从克隆项目、配置环境到运行界面，并附上常见网络问题的解决方案。

一、准备工作

1. 安装依赖

  • Python 3.10.x
  • Git（推荐官网下载最新版）
  • 显卡驱动 + CUDA（NVIDIA 用户，建议驱动更新到最新版）

安装好后，确保 Python 和 Git 都加入了系统环境变量。

二、克隆项目仓库

使用如下命令克隆 AUTOMATIC1111 的 Web UI 项目：

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

🚧 常见问题：OpenSSL SSL_read: Connection was reset, errno 10054

这是网络导致的 Git 连接失败问题。

✅ 解决方法：

关闭 Git 的 HTTPS 证书验证：

git config --global http.sslVerify false

然后重新执行 clone 命令即可成功。

三、运行项目

1. 进入项目目录，双击运行：

stable-diffusion-webui\webui-user.bat

运行后会自动创建虚拟环境并下载依赖库。

🚧 问题：提示升级 pip？

✅ 解决方法：

根据提示复制升级命令，在新命令行中执行（路径根据你的安装位置可能不同）：

H:\AI\stable-diffusion-webui\venv\Scripts\python.exe -m pip install--upgrade pip

升级完成后，重新运行webui-user.bat。

四、解决国内网络环境下载失败的问题

在首次运行时，WebUI 会自动安装一些依赖模型，例如：

  • gfpgan
  • clip
  • open-clip

若下载失败，你会在命令行中看到安装卡住或超时的报错，解决方案如下：

方法一：修改 pip 安装源为国内镜像

打开 stable-diffusion-webui\launch.py 文件，找到安装失败的部分。

例如：

run_pip(f"install {gfpgan_package}","gfpgan")

改为：

run_pip(f"install -i https://pypi.douban.com/simple/ {gfpgan_package}","gfpgan")

同样方式修改：

  • clip_package
  • open_clip_package

然后保存、关闭命令行，重新运行webui-user.bat。

方法二：加速 GitHub 文件下载

如果卡在某个 GitHub 地址，可以用加速代理，例如：

"https://github.com/..."

改为：

"https://github.moeyy.xyz/https://github.com/..."
示例：在 launch.py 或 launch_utils.py 中

找到类似以下函数：

defprepare_environment():

把里面涉及 GitHub 的 URL 全部加上加速前缀。

📌 文件找不到的情况

如果你找不到 launch.py，可能你的版本结构已经更新，请在 launch_utils.py 中查找对应的 run_pip(...) 语句并按相同方式修改（比如第 263、266、269 行）。

五、首次加载模型

第一次进入 WebUI 会自动下载一个默认模型（如 v1-5-pruned-emaonly.ckpt），文件较大（约 4GB），请耐心等待。

在这里插入图片描述


首次加载可能时间较长。你也可以自行下载 .ckpt 或 .safetensors 模型放入以下目录：

stable-diffusion-webui\models\Stable-diffusion\

🚧 遇到模型加载失败：ProxyError 错误

如果你遇到类似如下错误信息：

ProxyError: ('Unable to connect to proxy', FileNotFoundError(2, 'No such file or directory'))

并伴随类似：

requests.exceptions.ProxyError: (MaxRetryError("HTTPSConnectionPool(...): Max retries exceeded with url: /openai/clip-vit-large-patch14/resolve/main/vocab.json ..."))

✅ 解决方法如下：

  1. 请关闭你之前为了下载模型使用的代理工具（包括系统代理或设置在 WebUI 中的代理参数）。
  2. 关闭命令行窗口，重新运行 webui-user.bat，程序会重新尝试使用正常方式连接 HuggingFace。

🌀 如果出现“卡住不动”的情况？

有时候你可能会发现命令行卡在某一步不动，长时间没有进度。

✅ 解决方法：

  • 直接关闭命令行窗口，重新运行 webui-user.bat，系统通常会从上次中断处继续下载或跳过已安装内容。

六、设置代理加速 HuggingFace 模型下载

为什么要设置？

很多用户在首次运行或切换模型时会遇到以下错误：

OSError: Can't load tokenizer for 'openai/clip-vit-large-patch14'

说明系统在尝试联网下载 tokenizer 文件（如 vocab.json），但由于网络限制（如 HuggingFace 被墙），下载失败。

解决方法一：在 webui-user.bat 中设置代理

  1. 编辑 webui-user.bat 文件，在开头添加如下内容：
:: 启用代理（如 Clash 使用 HTTP 代理 7890 端口） set HTTP_PROXY=http://127.0.0.1:7890 set HTTPS_PROXY=http://127.0.0.1:7890 :: 如果你用的是 SOCKS5 代理（如 V2Ray、Trojan）： :: set ALL_PROXY=socks5://127.0.0.1:1080
  1. 保存并重新运行 webui-user.bat。
✅ 一般配合 Clash 使用效果较好，默认本地端口为 7890。

解决方法二：手动下载 CLIP Tokenizer 模型到本地

  1. 下载以下 4 个文件：
    • vocab.json
    • merges.txt
    • tokenizer_config.json
    • special_tokens_map.json
  2. 将上述 4 个文件全部放入该目录中。

打开 ldm\modules\encoders\modules.py，找到如下代码：

self.tokenizer = CLIPTokenizer.from_pretrained(version)

修改为：

self.tokenizer = CLIPTokenizer.from_pretrained("models/clip-vit-large-patch14")

在本地新建目录：

stable-diffusion-webui\models\clip-vit-large-patch14\

访问以下链接（如无法打开建议用代理）：

https://huggingface.co/openai/clip-vit-large-patch14/tree/main

这样就会从本地加载 tokenizer 文件，避免联网失败问题。

在这里插入图片描述

七、可选：更换模型

你可以将其他 .ckpt 或 .safetensors 模型放入：

stable-diffusion-webui\models\Stable-diffusion\
在这里插入图片描述

然后在 Web UI 界面右上角下拉选择切换模型。

八、模型部署成功后的使用与测试

1. 访问 Web UI 界面

当命令行中显示如下信息：

Running on local URL: http://127.0.0.1:7860
在这里插入图片描述

打开浏览器，输入该地址访问 Web UI 页面。

2. 输入测试 Prompt 生成图片

在界面中，你会看到一个文本输入框，称为 “Prompt” 输入框。

在这里插入图片描述

在此输入框中，试试以下测试内容：

Official portrait of Groot as substitute teacher

3. 配置参数建议（可选）

  • 采样器（Sampler）：默认即可，如 Euler a、DDIM 等。
  • 步数（Steps）：建议设置 20~30，数值越大图片细节越丰富，但生成时间也更长。
  • 分辨率（Width/Height）：推荐 512x512，显卡显存有限可适当调低。
  • 种子（Seed）：默认随机，想要固定结果可指定具体数值。
  • CFG Scale（引导尺度）：7~9 之间通常表现较好，控制对 Prompt 的遵守程度。

4. 点击“生成”按钮

等待几秒至几十秒（具体时间与显卡性能相关），页面会自动显示生成的图像。

在这里插入图片描述

附录、常见模型下载失败的解决方法汇总

问题原因解决方法
OSError: Can't load tokenizer for openai/clip-vit-large-patch14HuggingFace 网络不通本地下载 tokenizer 或配置代理
ProxyError 报错系统代理配置残留关闭系统代理，清理环境变量
命令行卡住不动下载缓慢或被墙Ctrl+C 后重启、断点续传有效
xformers 报错未安装非必要模块可忽略，或通过 pip 安装

Read more

【论文阅读12】Circle Loss：一统 Softmax 与 Triplet，从“线性”到“圆形”的优化视角

论文题目：《Circle Loss: A Unified Perspective of Pair Similarity Optimization》 目录 前言：两大门派的恩怨 派系一：基于分类的学习 (Classification-based) 派系二：基于度量的学习 (Metric Learning / Pairwise Learning) 为什么要提这个？（Circle Loss 的动机） 1. 万物归一 —— 统一视角 () 1.1 统一 Loss 公式 1.2 计算量的“降维打击” 2. 证明 Softmax 和 Triplet 都是“特例” 2.1 退化为 Softmax () 2.

基于大疆MSDK实现的无人机视觉引导自适应降落功能

基于大疆MSDK实现的无人机视觉引导自适应降落功能 概述 最初需求：想要无人机在执行完航线任务后，一键落到一个指定的位置，简化人工控制。 实现一套完整的无人机自主降落功能,通过虚拟摇杆控制使无人机飞向指定位置，再利用视觉识别引导无人机精确降落到具体位置。本文中采用自适应降落策略,根据高度动态调整精度要求和下降速度,以实现安全、精确的降落。 核心点: * 虚拟摇杆导航替代FlyTo功能 * 双轴(X/Y)位置偏移实时调整 * 高度自适应降落策略 * 视觉识别引导定位 * 智能避障管理 系统架构 整体流程 否 是 高于50m 20-50m 5-20m 低于5m 是 否 是 否 否 是 用户触发Return to Vehicle 获取无人机GPS位置 计算与目标点距离 启动虚拟摇杆导航 飞向目标位置 5m/s 距离小于10m? 开始自适应降落 视觉识别系统 计算X/Y偏移量

在 Rokid AR 眼镜里玩消消乐：基于 Unity 2022 LTS + UXR 3.0 SDK 的轻量级 AR 游戏尝试

体验开场 想象一下，你正坐在办公室的工位前，稍微有些工作疲劳。你没有拿起手机，而是戴上了桌上的 Rokid AR Lite。 随着设备启动，原本平淡无奇的办公桌面上方约一米处，突然凭空浮现出一块晶莹剔透、泛着微光的 8×8 宝石棋盘。这块棋盘并不是死板地贴在你的镜片上，而是稳稳地“锚定”在真实空间里。你稍微转动头部，能从侧面观察到这块棋盘的厚度感。 界面的左上角， Score 正在实时跳动；右上角则显示着剩余的 Moves 步数。每一颗宝石——红的、绿的、蓝的、紫的——都整齐地排布在虚空中的网格里。当你伸出手，利用 Rokid 的射线交互轻轻滑动其中的两颗宝石，伴随着清脆的音效和宝石碎裂的粒子感，三颗同色宝石瞬间消散，上方的宝石顺势滑落，填补了空缺。 这不是科幻电影，而是一个基于 Unity 2022 LTS 与 Rokid UXR
使用trae进行本地ai对话机器人的构建

使用trae进行本地ai对话机器人的构建

前言 在人工智能技术快速发展的今天，构建本地AI对话机器人已成为开发者和技术爱好者的热门选择。使用 trae可以高效地实现这一目标，确保数据隐私和响应速度。本文将详细介绍如何利用 Trae 搭建本地AI对话机器人，涵盖环境配置、模型加载、对话逻辑实现以及优化技巧，帮助读者从零开始构建一个功能完整的AI助手。 本地化AI对话机器人的优势在于完全离线运行，避免网络延迟和数据泄露风险，同时支持自定义训练模型以适应特定场景需求。无论是用于个人助理、客服系统，还是智能家居控制，Trae 都能提供灵活的解决方案。 获取api相关信息 打开蓝耘进行登录，如果你是新人的话需要进行注册操作，输入你相关的信息就能进行注册成功 在平台顶部导航栏可以看到Maas平台，点击进入模型广场 来到模型广场可以看到很多的ai模型，比如就有我们的kimi k2模型 点击进去可以看到kimi k2模型的相关信息，我们将模型的id进行复制，等会儿我们是要用到的 /maas/kimi/Kimi-K2-Instruct 并且这里还具有在线体验的功能，生成回答速度快 https://archive.