背景

前两天在某公众号的软文刷到了AI绘画领域最新的ChilloutMix模型。大概是下面这张图的效果：

激动的心颤抖的手，学了这么多年计算机，就是为了走在时代前沿，事到如今终于可以活学活用了

(资料图片仅供参考)

然而自己的电脑配置完全不够用，咋整？开台GPU云服务器吧。

踩了无数坑之后，终于总结出此流程。力求以最简单的方式，快捷的在云服务器部署chilloutmix，以及lora，以及各种其他绘画模型。

在腾讯云实测，从创建机器到完成部署，总时长在30分钟左右。

废话不多说，下面进入正题

一. 购买服务器（3-5分钟）

首先需要购买一台腾讯云的GPU服务器。GPU卡型本次选择“T4”，性能完全够用，对应“GN7”机型。我是从GPU实验室活动页抢购到的折扣机型（GPU实验室）

注意，点击立即购买后，预装镜像要选择“Ubuntu Server 18.04.1”，之后系统会默认自动安装GPU驱动。若选择其他镜像，可能会导致无法顺利跑通本流程。

（如果子弹充足，或者做图心切，也可直接从腾讯云官网购买GPU服务器，丰俭由人。建议选按量付费机型即可，镜像选择Ubuntu20.04，勾选“后台自动安装GPU驱动”，驱动版本等按默认配置。）

二. 前置配置（10-15分钟）

1.登录机器后，会默认进行驱动的自动安装，可以用以下命令查看当前安装进程，该步骤需要5～10分钟：

ps aux | grep -i install

自动安装顺序为（1）GPU驱动；（2）CUDA；（3）cuDNN

2.当GPU驱动、CUDA、cuDNN都安装完成后，通过以下命令创建python3虚拟环境，完成前置配置。

sudo apt install wget git python3 python3-venv

注意：此处需检查自己的python版本，若低于3.7则需手动进行升级

三. 部署webui，完成配置（10-15分钟）

1.将webui clone到服务器本地：

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

2.成功后，进入stable-diffusion-webui文件夹：

cd stable-diffusion-webui

3.在launch.py的代码中，由于腾讯源没有“torch==1.13.1+cu117“，导致需要从“--extra-index-url”的“https://download.pytorch.org/whl/cu117”中进行下载，速度非常慢。故此处对launch.py代码进行修改：

原代码：torch_command = os.environ.get("TORCH_COMMAND", "pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117")修改后代码：torch_command = os.environ.get("TORCH_COMMAND", "pip install torch==1.13.1 torchvision==0.14.1")

对不熟悉linux操作的朋友们，可参考如下手把手命令行教学：

vim launch.py输入"i"找到这行：torch_command = os.environ.get("TORCH_COMMAND", "pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117")，并修改按"esc"输入":wq"完成

4.下载chilloutmix模型：进入stable-diffusion-webui/models/Stable-diffusion文件夹，通过如下命令行下载chilloutmix模型到本地。该步骤下载速度较快，大约需要3-5min即可完成

cd stable-diffusion-webui/models/Stable-diffusionwget -O chilloutmix_NiPrunedFp32.safetensors https://civitai.com/api/download/models/9475

5.最后，进入stable-diffusion-webui文件夹，输入激动人心的“./webui.sh”。通过自动化脚本完成安装。该步骤会自动安装webui所需的各依赖项，如gfpgan，k_diffusion等。实测完成全部安装大概需要10-20min。

./webui.sh

若希望生成可以分享给他人使用的的链接，在./webui.sh后增加 "--share"即可

./webui.sh --share

如果顺利的话，等待10分钟左右，全部安装完成后就可以看到链接了

提示: 由于服务器和github连接不是很稳定，中途可能出现网络错误。若出现网络问题，重新输入“./webui.sh”即可。或可通过报错提示信息，手动执行相应步骤安装后，重新输入“./webui.sh”继续剩余步骤的自动安装。

此处若有问题，可在评论区评论，看到后都会回复～

6.将上个步骤最后生成的链接粘贴至浏览器，可以愉快的做图了

四. 其他（自由探索）

1.如果希望服务器页面关闭后，仍然保留该页面运行，可通过screen指令实现。输入“screen”，在新页面中输入“./webui.sh --share”，即可关闭页面。其余screen实现方式可自行百度

screen

2.若希望使用其他SD模型（主要以.ckpt和.safetensors为主），都可以过直接下载或本地上传的方式放置在“stable-diffusion-webui/models/Stable-diffusion”文件夹中。重启webui页面，即可在页面左上角看到模型切换选项

3.若希望使用Additional Networks，安装lora插件，可通过如下方式完成配置

a. 首先将lora插件clone到extensions文件夹中

git clone https://github.com/kohya-ss/sd-webui-additional-networks extensions/sd-webui-additional-networks

b. 进入“stable-diffusion-webui/extensions/sd-webui-additional-networks/models/lora”文件夹

cd stable-diffusion-webui/extensions/sd-webui-additional-networks/models/lora

c. 下载lora（以当下最火爆的koreanDollLikeness_v10为例）

wget -O koreanDollLikeness_v10.safetensors https://civitai.com/api/download/models/8750

d. 之后重启webui，即可在页面中看到Additional Networks并选择相关模型

4.提示词不会写，可以考虑参考这里：ChilloutMix | Stable Diffusion Checkpoint | Civitai

标签： 云服务器 机器学习 深度学习