揽睿星舟官网,一键stable diffusion云部署搭建sd的ai服务平台网站
Stable Diffusion简介
Stable Diffusion是目前最火的AI绘画工具之一，简称sd! 是一个免费开源的项目，可以被任何人免费部署和使用,你可以部署在本地电脑,也可以部署在云端! 通过Stable Diffusion，你可以很轻松的通过文字描述，生成对应的图片。stable diffusion有很多插件和训练好的模型，我们可以直接使用。
揽睿星舟官网: https://www.lanrui-ai.com/
Stable Diffusion和Stable Diffusion WebUI的关系
Stable Diffusion是一个深度学习文本到图像生成模型,而Stable Diffusion Webui把Stable
Diffusion模型进行了封装，提供更加简洁易操作的界面。他们两个的关系类似父子继承关系， Stable Diffusion是父亲，Stable Diffusion WebUI是儿子，儿子继承了父亲的所以功能，自身还可以通过插件等方式获得更多能力。目前使用的最多的是Stable Diffusion WebUl，因为它界面友好，可以很方便的调整各项参数，生成高质量的图片。
stable diffusion是最流行的之前飞猪ai导航分享过stable diffusion本地部署教程:
如何在mac(M1/M2)上安装Stable Diffusion教程
https://feizhuke.com/stable-diffusion-mac.html
如何在Windows上安装 Stable Diffusion教程
https://feizhuke.com/stable-diffusion-windows.html
Stable diffusion本地部署的配置要求
在进行本地部署时，就会需要考虑到主机的配置情况，因为模型中的图像处理能力往往直接和电脑的CPU、GPU性能相关，如果没有好点的配置支持，就会导致在运行过程中出现卡顿甚至宕机等风险；所以我们一起看看Stable diffusion本地部署对电脑配置的要求有哪些？
CPU和内存：节点软件需要占用一定的计算资源和内存，因此电脑需要具备一定的处理能力和内存。一般来说，CPU为四核以上，内存为8GB以上的电脑就可以支持。
Stable Diffusion需要进行大量的计算和处理，需要较高的计算机性能，如果本地电脑配置不足，会导致算法运行速度极慢。存储空间：节点软件需要保存区块链网络的数据，因此需要一定的存储空间。节点软件一般需要几十甚至上百GB的存储空间，因此可以选择一个较大的硬盘或者SSD。同时Stable Diffusion需要使用大量的显存来存储模型和图像数据，如果电脑显存不足，可能会导致算法无法运行或者运行出错。
如果平时自己用的是MAC电脑没有好的N卡支持Stable diffusion的训练，其实可以试用下市面上的云端电脑，类似揽睿星舟这种云电脑拥有云端GPU，可以一键就完成部署，云电脑非常适合一些AI小白但是想要体验Stable diffusion的情况。
Stable Diffusion云端部署的优点
1.不受显卡性能限制，有更轻便的方案。
如果在本地部署，你需要有英伟达显卡且配置一定数量的GPU才能达到理想效果，这笔花费也是不小的投入。如果你是AMD显卡用户或者老的Mac用户，选择揽睿星舟的云端GPU部署云电脑是一个非常划算的解决方案。
2.灵活扩缩容量可配置强大的计算资源
我们可以使用云端GPU的性能算力。需要加速Stable Diffusion的训练和推理速度时，可以根据自己需要随时扩展或缩减云端GPU算力，非常灵活。如果训练或推理的负载增加，可以轻易增加更多GPU或内存资源来应对。不再担心本地资源的限制。
3.节省运维成本。
云电脑服务商会处理诸如硬件故障、软件更新等一系列运维事宜，无需你自己投入大量时间进行管理和维护。云端部署可以最大限度减少运维负担，专注于Stable Diffusion的使用与开发。
4.持续部署与随时访问
借助云电脑服务商提供的云端GPU持续部署与集成工具，每次Stable Diffusion的新版本发布，都可以自动进行部署和更新。无需手动更新服务器和软件，大大简化管理流程。
综上所述，进行本地部署所需的电脑配置要求较高，一般需要一台CPU较为强劲、内存充足、存储空间大、网络通畅的电脑。在本地电脑配置不足的情况下，Stable Diffusion的稳定性可能会受到影响，导致输出结果不稳定或者不准确。如果本地部署的条件不够，也可以使用云端电脑来完成云端的部署。
为什么选择揽睿星舟部署stable diffusion
1.价格
「揽睿星舟AI服务平台」正式发布，让AI用得起、用得好、用得放心
2.简单
3.版本完整，更新及时
揽睿星舟使用教程
1. 上传数据到网盘
平台为每个用户都分配一个网盘，登录后点击控制台，在左侧导航栏就能找到网盘入口。
用户可以在浏览器完成上传文件，上传文件夹，删除文件等基本操作，针对大文件，强烈建议使用命令行工具。
每个用户的网盘都是隔离的，底层采用分布式存储技术，可以保证5个9的数据可靠性。
每个新用户，平台会赠送10GB大小的存储空间，超过10GB需要按容量进行收费。收费标准参见充值和计费。
如果您在上传和下载时遇到问题，请参见这里的小技巧
2. 创建工作空间
点击算力市场，可以看到平台上提供的算力资源。按照计费方式，可以分为按量付费资源和包月资源。这两个的区分是：
-
购买按量付费的资源后，会帮用户自动创建一个工作空间（安装指定镜像的容器开发环境），平台会按小时进行资源计费。只要用户没有手动停止，该实例会一直运行。
-
购买包月资源后，不会自动创建工作空间，已购的资源会出现在控制台-我的资产-我的算力中。包月资源在购买时进行扣费，到期后会自动释放。
这里我们选择按量付费的资源，点击使用，然后选择一个pytorch镜像，用户可以选购买数据盘（当前支持200G，500G两种规格），可以加载平台数据集，模型，并设置自动停止时间。如果无需这些设置，直接点击创建实例即可。
为了后续的例子，我们加载数据集flower-photos，加载模型resnet34-pth
在工作空间列表页面，可以看到刚才创建的工作空间，待状态变为运行中时，就可以正常使用了。在启动过程中如果遇到问题，可以点击操作栏的事件按钮，会在屏幕下方显示事件窗口，查看相关信息。事件窗口的右上角可以切换高级模型，显示更详细的错误信息。
点击操作栏的“进入”按钮，选择Jupyter或者VSCode打开工作空间，也可以在SSH列点击星号后面的小眼睛，就可以显示SSH登录命令，复制粘贴到个人电脑终端中进行登录（注意使用SSH登录的前提是先在平台上传了SSH pubkey, 这块的介绍参见这里）
2.1 文件系统
工作空间中几个重要的文件系统说明如下：
-
/home/user，该目录是工作空间的数据盘，会持久化到块存储上，工作空间停止或者重启后，数据不会丢失，除非用户手动释放工作空间。
-
/ark-contexts/data，该目录就是网盘的data文件夹，是在多个实例之间共享的，可以当成NAS来使用，但读写速度会比数据盘慢一些。
-
如果在启动工作空间时挂载了数据集，数据集会放在/home/user/imported_datasets/目录下，该目录是一个只读目录。
-
如果在启动工作空间时挂载了模型，模型会放在/home/user/imported_models/目录下，该目录是一个只读目录
-
根目录/，该目录是工作空间的数据盘，显示为500G，但实际可用空间为150G（其他空间被系统占用），实例关闭或者重启后，数据会丢失。请尽量不要写系统盘，特别的不要写满系统盘，否则会引起实例异常重启！
3. 开始训练
3.1 准备工作
在工作空间中，我们可以使用nvidia-smi命令查看显卡信息。
可以看到HOME目录是在/home/user目录，该目录下有一个data目录，会默认挂载网盘中的data目录。同时HOME目录下会出现imported_datasets和imported_models两个目录，里面有刚才设置的数据集和模型。
我们以github上的这个例子进行说明
git clone https://github.com/WZMIAOMIAO/deep-learning-for-image-processing.git
注意：如果发现git clone慢，请参考这里进行加速
3.2 训练模型
我们来复现pytorch_classification/Test5_resnet这个项目，按照说明，这个项目会使用resnet34网络对flower_photos数据集进行迁移学习。
首先，我们按照项目要求，将数据集复制到deep-learning-for-image-processing/data_set目录并进行训练集和验证集的划分
cd ~/deep-learning-for-image-processing/data_set
mkdir -p flower_data/flower_photos
cp -r ~/imported_datasets/flower-photos/* flower_data/flower_photos
python3 split_data.py
进入pytorch_classification/Test5_resnet项目目录，按照说明，把resnet34这个模型拷贝到该目录下，并执行train.py脚本
cd ~/deep-learning-for-image-processing/pytorch_classification/Test5_resnet
cp ~/imported_models/resnet34-pth/resnet34-333f7ec4.pth resnet34-pre.pth
python3 train.py
默认epoch=3，可以看出，因为使用了resnet34预训练的权重，第1轮epoch，准确率就能达到94%。
我们可以对train.py做一点修改，不使用预训练模型，而是从头开始训练resnet，如下图我们注释掉部分内容，并修改epoch为20，重新训练（python3 train.py）
可以看到，不使用迁移学习时，经过20轮后，准确率也只有79%
在训练过程中，我们可以使用平台提供的监控功能，打开grafana查看GPU，CPU的运行状况
4. 安装并使用第三方应用
用户可以在平台的应用市场上使用第三方开发者提供的应用。例如平台提供了Stable Diffusion的Web UI，可以一键打开使用，而无需在GPU上部署安装。我们也可定义自己的应用，这部分参见这里。
类似苹果的AppStore，第一次需要点击安装并同意第三方免责条款，之后就可以点击使用，进入应用详情页面，点击新建实例，无需修改任何参数，点击创建实例即可。
稍等片刻，待实例状态为运行中时，点击地址栏的URL，就可以打开Stable Diffusion的Web UI页面。
5. 构建推理服务
我们可以将刚才训练的模型，在平台上发布为一个推理服务。这部分的内容参见：最佳实践/推理解决方案的例子
基本概念
1. 可用区
可用区是指在同一地域内，电力和网络互相独立的物理区域，同一可用区内实例之间的网络延时更小，用户访问速度更快。
平台提供了多个可用区供用户选择，在控制台的左上角可以切换可用区。
2. 网盘
平台为每个用户提供了一块持久化，无限大，租户隔离的存储区域，叫做网盘。用户可以把网盘看成是一个云端U盘，可以存放任何数据。网盘默认有一个叫做data的文件夹，会默认挂载到所有的工作空间中，即该文件夹中的内容，会在多个工作空间中共享。
用户可以直接在浏览器中对网盘的文件进行操作，例如创建文件夹，上传文件，删除文件等等。 对于超过10M的大文件，建议通过命令行的方式进行上传。
网盘底层使用了分布式存储技术，提供99.9999999%的数据可靠性。
3. 数据盘
平台提供持久化存储的空间，叫做数据盘。数据盘的IO性能要比网盘快，和系统盘基本一致。和系统盘不同的是，工作空间停止或者重启后，数据盘的数据不会丢失，而系统的数据会丢失。
工作空间可以携带数据盘，用户可单独新建数据盘，或在创建工作空间时新建数据盘，此外创建工作空间时也可挂载已有数据盘（需要注意的是，工作空间挂载已有数据盘时，仅有数据盘类型与资源类型对应的情况可被挂载），工作空间也可将数据盘进行卸载，以便其他工作空间挂载使用。
数据盘在被销毁前会持久化存储其中的数据，对应的平台也会持续计费。对应的，数据盘销毁后会停止计费，数据盘中的数据也会被删除。
数据盘提供多种规格，用户可按需使用。
4. 数据集和模型
为了方便数据流通，平台提供了数据集市场和模型市场。用户可以从数据集市场/模型市场上购买数据集/模型，也可以将自己网盘中的内容发布到数据集市场/模型市场，发布数据集/模型需要等待平台审批后才能生效。
当前数据集市场/模型市场上绝大部分的数据集/模型都可限时免费使用。
5. 工作空间
平台提供了多个AI开发环境镜像（预置不同的机器学算法依赖和框架），用户可以购买一台按使用量计费或者包年包月计费的GPU资源，加载镜像后启动一个工作空间。工作空间内置了Jupyter和VSCode两种开发工具，支持grafana监控，事件日志，SSH登录，支持快照。
平台提供了常见的开发环境，说明如下：
|
镜像名
|
CUDA
|
CUDANN
|
框架
|
开发工具
|
|---|---|---|---|---|
|
pytorch
|
cuda11.6
|
cudann8
|
pytorch1.12.1
|
Jupyter, VSCode
|
|
pytorch
|
cuda11.7
|
cudann8
|
pytorch2.0
|
Jupyter, VSCode
|
|
tensorflow
|
cuda11.6
|
cudann8
|
tensorflow2.8.0
|
Jupyter, VSCode
|
|
other/base
|
cuda11.7
|
cudann8
|
–
|
Jupyter, VSCode
|
查看cuda和cudann版本的命令
工作空间支持使用用户自定义镜像，镜像需要先上传到平台的镜像仓库方可使用。
6. 推理服务
用户可以在平台创建推理服务，推理服务支持基于AKSK的认证机制，支持Auto Scaling弹性扩缩容实例，支持在线升级。
推理服务支持用户自定义镜像，并支持模型和镜像分离，从而实现灵活的动态更换模型。
7. 应用
平台提供多种应用，用户可以像使用PC上的应用程序或者手机上的App一样使用应用，而无需关心应用底层的实现细节和计算存储消耗。
说明：应用当前为内测阶段，后续可能会根据市场情况，调整应用及其计费模式。
平台提供两种方式打开Stable Diffusion Web UI v3.0，第一种是基于工作空间，第二种是基于应用。
请注意，目前在webui界面进行插件安装及检查更新会导致报错，插件安装请参考这里。
基于工作空间
工作空间形式可以更加灵活的添加模型和扩展，若您有以上需求，建议使用该形式
点击算力市场，购买一台3090的机器，镜像选择公共镜像/others/sd-webui-3.0/latest，网盘选择挂载，同时数据集选择sd-base，参见下图：
待实例状态为运行中后，进入Jupyter后，选择other下terminal， 运行如下命令。
bash /app/start.sh –skip-prepare-environment
备注1：启动后会在网盘目录创建sd-3目录（旧版本镜像创建sd目录）。如果您没有安装额外的插件，推荐加上
--skip-prepare-environment参数，会跳过环境准备，更快的启动sd。备注2：如果需要使用API 请用这个命令启动
bash /app/start.sh –skip-prepare-environment –api
备注3：
-
由于posex插件不能兼容新版本sd webui，posex在新镜像中暂时无法使用。
-
由于连接c站需要科xue+_$%上罔， civitai helper暂时不能使用。
-
由于暂不支持在webui页面上安装插件，请查看安装插件位置安装插件。
然后在实例-操作列中，复制调试地址，粘贴到浏览器后就能访问Stable Diffusion Web UI
基于应用
应用形式可一键启动，但相对灵活度较小，若您有安装模型或扩展的需求，请使用上面的工作空间形式
点击应用市场，找到Stable Diffusion Web UI 应用，点击使用
在应用详情页面，点击新建实例，无需修改任何参数，点击右下角的创建实例。待实例状态为运行中时，点击实例地址即可打开Web UI
在版本下拉框选择：sd-webui-3.0，开启Stable Diffusion Web UI v3.0
更新说明
V2.0【 sd-webui-3.0:v2 增加SDXL支持】
从工作空间选择公共镜像/others/sd-webui-3.0:v2，挂载网盘，挂载数据集sd-base，模型sdxl-models，在vs code中输入使用命令：bash /app/start.sh –skip-prepare-environment
注：
① sdxl-models包含模型：sd_xl_base_1.0.safetensors、sd_xl_refiner_1.0.safetensors
https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0
②sdxl使用方式：即在大模型checkpoints中选择sd_xl_base_1.0.safetensors或sd_xl_refiner_1.0.safetensors使用。
③若使用sdxl模型，仅可用于文生图、图生图（仅sd_xl_refiner_1.0.safetensors支持），仅支持基于sdxl模型训练的lora，暂时不支持controlnet等控制。
关于在sd-webui-3.0:v2镜像中使用sdxl模型
sdxl模型的官方推荐使用流程是先使用sd_xl_base_1.0.safetensors进行文生图，后使用sd_xl_refiner_1.0.safetensors图生图进行细节优化。但是sdxl模型较大，频繁切换加载模型较慢，而且可能会导致内存溢出，机器重启。可以在工作空间详情的监控信息中监控内存使用情况。
refiner、SDXL Styles插件已经加入到工作空间使用的sd-base数据集中，可以直接使用：
refiner( https://github.com/wcde/sd-webui-refiner ) （加载refiner模型，在最后n个step中将refiner模型的UNet替换掉base模型的UNet）
SDXL Styles( https://github.com/ahgsql/StyleSelectorXL )（帮助用户使用SDXL 1.0选择不同的style并将其应用到prompt中。）
注意：refiner插件只可加载sd_xl_refiner_1.0.safetensors模型，配合sd_xl_base_1.0.safetensors使用。 SDXL Styles可以结合任何模型使用，本质上是对prompt进行加工。
友情提示：
第一次生图使用 refiner插件时需要加载模型sd_xl_refiner_1.0.safetensors，出图时间可能较长。refiner插件的意义在于避免频繁切换sd_xl_base和sd_xl_refiner导致的操作繁琐，加载时间长，内存爆炸。
V1.0【sd-webui-3.0:latest】
更新包括 stable-diffusion-webui版本 v1.4.0 commit:394ffa7b torch: 2.0.1+cu118 xformers: 0.0.20 gradio: 3.32.0
新增插件：
-
sd-webui-segment-anything
-
sd-webui-roop
-
adetailer
-
sd-webui-openpose-editor
-
sd-webui-3d-open-pose-editor
更新插件：
-
sd-webui-controlnet v1.1.231
启动命令：
bash /app/start.sh –skip-prepare-environment 启动后会在网盘目录创建sd-3目录（旧版本镜像创建sd目录）。 如果您没有安装额外的插件，推荐加上
--skip-prepare-environment参数，会跳过环境准备，更快的启动sd。安装插件位置：
data/sd-3/extensions 由于一些插件需要额外配置环境，为了更好的调试，请使用工作空间安装插件。 可以从本地将插件上传到这个目录下，或者在工作空间在这个目录下git clone（可能需要连代理）。 extensions下面可以看到“数据集已经安装的插件”的symlink文件（可以理解为快捷方式）。 平台会定期更新数据集中的插件。如果您不想使用数据集中的插件，想使用更新的版本，可以将对应的“快捷方式”删除，并安装自己想用的版本（可以从数据集中拷贝，并执行git pull更新）。
模型位置：
data/sd-3/models 数据集中提供了很多模型供大家使用，data/sd-3/models下可以看到数据集中已有模型的symlink文件（可以理解为快捷方式），以及模型的预览图片。 如果要添加自己的模型，要放在模型对应的文件夹内，例如底模型放在data/sd-3/models/Stable-diffusion下，Lora模型放在data/sd-3/models/Lora下，LyCORIS模型放在data/sd-3/models/LyCORIS下，与stable-diffusion-webui中models的目录结构相同。
embeddings位置：
data/sd-3/embeddings
生成图位置：
data/sd-3/outputs
注：
由于posex插件不能兼容新版本sd webui，posex在新镜像中暂时无法使用。
如果您有使用自己安装的插件的需求，请使用工作空间安装插件并使用。如果网盘extensions目录中有自己安装的插件，不保证可以成功启动sd应用。
Stable Diffusion Web UI v2.0 使用手册
2023-07-12更新：目前平台更新了 Stable Diffusion Web UI v3.0，具体操作请参考这里
平台提供两种方式打开Stable Diffusion Web UI v2.0，第一种是基于工作空间，第二种是基于应用。
基于工作空间
点击算力市场，购买一台3090的机器，镜像选择公共镜像/others/sd-webui-2.0/v3，网盘选择挂载，同时数据集选择sd-base，参见下图：
待实例状态为运行中后，进入Jupyter后，选择other下terminal， 运行如下命令。
// Some code
cd /app
bash start.sh
然后在实例-操作列中，复制调试地址，粘贴到浏览器后就能访问Stable Diffusion Web UI
基于应用
点击应用市场，找到Stable Diffusion Web UI 应用，点击使用
在应用详情页面，点击新建实例，无需修改任何参数，点击右下角的创建实例。待实例状态为运行中时，点击实例地址即可打开Web UI
在版本下拉框选择：sd-webui-2.0，开启Stable Diffusion Web UI v2.0
Stable Diffusion Web UI所使用的模型，会链接到网盘的data/sd目录下，用户可以直接在data/sd/models中上传模型，Web UI将会热加载新的模型，而无需重启。
ai绘画网站推荐
🔥就在去年，当AI绘画作品在比赛中获奖后，大家发现AI绘画的效果已经远超人类画师了。
我在使用多款AI绘画工具后，整理了一个AI绘画工具榜单，如果你在找一款适合你的AI绘画工具，看这个榜单就够了👇
1⃣️ Midjourney：公认超强绘画AI，输入描述，快速为你生成插画、真实图像
2⃣️ Stable diffusion：用途广泛的绘画AI，输入简单描述，自动生成海报、图片、插画
3⃣️ Playground AI：壁纸绘画AI，生成独属于你的艺术插画与壁纸
4⃣️ Lucidpic：人像绘画AI，输入简单描述，为你生成真实的人像
5⃣️ Pebblely：产品绘画AI，可以生成商品的ins风格照片
6⃣️ Fy! Studio：创意绘画AI，把你的奇思妙想生成为插画
7⃣️ Civitai：卡通绘画AI，输入简单描述，快速帮你生成插画
8⃣️ NightCafe Studio：AI绘画工具，可快速生成插画与图像
9⃣️ Mage：绘画AI，输入描述，快速为你生成创意绘画
🔟 文心一格：国产绘画AI，能用，但是出图效果可能较为魔幻
我在使用多款AI绘画工具后，整理了一个AI绘画工具榜单，如果你在找一款适合你的AI绘画工具，看这个榜单就够了👇
1⃣️ Midjourney：公认超强绘画AI，输入描述，快速为你生成插画、真实图像
2⃣️ Stable diffusion：用途广泛的绘画AI，输入简单描述，自动生成海报、图片、插画
3⃣️ Playground AI：壁纸绘画AI，生成独属于你的艺术插画与壁纸
4⃣️ Lucidpic：人像绘画AI，输入简单描述，为你生成真实的人像
5⃣️ Pebblely：产品绘画AI，可以生成商品的ins风格照片
6⃣️ Fy! Studio：创意绘画AI，把你的奇思妙想生成为插画
7⃣️ Civitai：卡通绘画AI，输入简单描述，快速帮你生成插画
8⃣️ NightCafe Studio：AI绘画工具，可快速生成插画与图像
9⃣️ Mage：绘画AI，输入描述，快速为你生成创意绘画
🔟 文心一格：国产绘画AI，能用，但是出图效果可能较为魔幻
相关导航
暂无评论...
别摸鱼导航,是一个专业的ai工具集,考拉新媒体导航,设计师工具箱网址大全收集网站,收集了各种实用在线工具,软件等,是你上网必备的信息差神器!
粤ICP备19001011号-7 
粤公网安备 44080402000148号 考拉别摸鱼
声明:本导航网站上的网站以及服务...等,与考拉别摸鱼导航无关,请注意甄别使用,避免上当.切勿随意相信第三方网站上的广告!
粤公网安备 44080402000148号 考拉别摸鱼
声明:本导航网站上的网站以及服务...等,与考拉别摸鱼导航无关,请注意甄别使用,避免上当.切勿随意相信第三方网站上的广告!
