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/

揽睿星舟

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

一块 3090的每小时算力价格只要1.9,这是我目前看到的国内最低的。

「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

官方针对 stable diffusion 做了个快捷版的应用,不需要跟其他云平台一样按照程序员的方式去安装。直接点击安装就可以使用。并且更新的也比较及时。

3.版本完整,更新及时

这是我目前看到的唯一一个能够用非本地安装的方式看到最新版本的controlnet的工具。虽然目前只在基于工作空间的方式可以使用,并且只更新在了北京1。但这是我能用的唯一的途径了,希望官方能够尽快把快捷版本的其它分区也同步更新上。

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
揽睿星舟
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。
揽睿星舟
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
揽睿星舟

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。
揽睿星舟

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。

揽睿星舟

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%。
揽睿星舟
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)
揽睿星舟
可以看到,不使用迁移学习时,经过20轮后,准确率也只有79%
揽睿星舟
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
揽睿星舟
揽睿星舟

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
揽睿星舟
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。

揽睿星舟

揽睿星舟

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。

揽睿星舟

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

揽睿星舟

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:

揽睿星舟

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。
揽睿星舟
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
揽睿星舟
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
揽睿星舟
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
揽睿星舟
在版本下拉框选择:sd-webui-3.0,开启Stable Diffusion Web UI v3.0
揽睿星舟
揽睿星舟
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。
揽睿星舟

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。
揽睿星舟
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:
揽睿星舟
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

揽睿星舟

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

揽睿星舟

基于应用
点击应用市场,找到Stable Diffusion Web UI 应用,点击使用
揽睿星舟
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
揽睿星舟
在版本下拉框选择:sd-webui-2.0,开启Stable Diffusion Web UI v2.0

揽睿星舟

揽睿星舟
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

免责声明+浏览说明

关于揽睿星舟特别声明

本站别摸鱼导航提供的揽睿星舟都来源于网络,不保证外部链接的准确性和完整性,同时,对于该外部链接的指向,不由别摸鱼导航实际控制,在2023年8月8日 下午3:37收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,别摸鱼导航不承担任何责任。请在浏览网页时,注意个人账号和财产安全!切勿轻信网上广告!

相关导航

暂无评论

暂无评论...