背景

前兩天在某公眾號的軟文刷到了AI繪畫領域最新的ChilloutMix模型。大概是下面這張圖的效果：

激動的心顫抖的手，學了這么多年計算機，就是為了走在時代前沿，事到如今終于可以活學活用了

(資料圖片僅供參考)

然而自己的電腦配置完全不夠用，咋整？開臺GPU云服務器吧。

踩了無數坑之后，終于總結出此流程。力求以最簡單的方式，快捷的在云服務器部署chilloutmix，以及lora，以及各種其他繪畫模型。

在騰訊云實測，從創建機器到完成部署，總時長在30分鐘左右。

廢話不多說，下面進入正題

一. 購買服務器（3-5分鐘）

首先需要購買一臺騰訊云的GPU服務器。GPU卡型本次選擇“T4”，性能完全夠用，對應“GN7”機型。我是從GPU實驗室活動頁搶購到的折扣機型（GPU實驗室）

注意，點擊立即購買后，預裝鏡像要選擇“Ubuntu Server 18.04.1”，之后系統會默認自動安裝GPU驅動。若選擇其他鏡像，可能會導致無法順利跑通本流程。

（如果子彈充足，或者做圖心切，也可直接從騰訊云官網購買GPU服務器，豐儉由人。建議選按量付費機型即可，鏡像選擇Ubuntu20.04，勾選“后臺自動安裝GPU驅動”，驅動版本等按默認配置。）

二. 前置配置（10-15分鐘）

1.登錄機器后，會默認進行驅動的自動安裝，可以用以下命令查看當前安裝進程，該步驟需要5～10分鐘：

ps aux | grep -i install

自動安裝順序為（1）GPU驅動；（2）CUDA；（3）cuDNN

2.當GPU驅動、CUDA、cuDNN都安裝完成后，通過以下命令創建python3虛擬環境，完成前置配置。

sudo apt install wget git python3 python3-venv

注意：此處需檢查自己的python版本，若低于3.7則需手動進行升級

三. 部署webui，完成配置（10-15分鐘）

1.將webui clone到服務器本地：

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

2.成功后，進入stable-diffusion-webui文件夾：

cd stable-diffusion-webui

3.在launch.py的代碼中，由于騰訊源沒有“torch==1.13.1+cu117“，導致需要從“--extra-index-url”的“https://download.pytorch.org/whl/cu117”中進行下載，速度非常慢。故此處對launch.py代碼進行修改：

原代碼：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")修改后代碼：torch_command = os.environ.get("TORCH_COMMAND", "pip install torch==1.13.1 torchvision==0.14.1")

對不熟悉linux操作的朋友們，可參考如下手把手命令行教學：

vim launch.py輸入"i"找到這行：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"輸入":wq"完成

4.下載chilloutmix模型：進入stable-diffusion-webui/models/Stable-diffusion文件夾，通過如下命令行下載chilloutmix模型到本地。該步驟下載速度較快，大約需要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，進入stable-diffusion-webui文件夾，輸入激動人心的“./webui.sh”。通過自動化腳本完成安裝。該步驟會自動安裝webui所需的各依賴項，如gfpgan，k_diffusion等。實測完成全部安裝大概需要10-20min。

./webui.sh

若希望生成可以分享給他人使用的的鏈接，在./webui.sh后增加 "--share"即可

./webui.sh --share

如果順利的話，等待10分鐘左右，全部安裝完成后就可以看到鏈接了

提示: 由于服務器和github連接不是很穩定，中途可能出現網絡錯誤。若出現網絡問題，重新輸入“./webui.sh”即可。或可通過報錯提示信息，手動執行相應步驟安裝后，重新輸入“./webui.sh”繼續剩余步驟的自動安裝。

此處若有問題，可在評論區評論，看到后都會回復～

6.將上個步驟最后生成的鏈接粘貼至瀏覽器，可以愉快的做圖了

四. 其他（自由探索）

1.如果希望服務器頁面關閉后，仍然保留該頁面運行，可通過screen指令實現。輸入“screen”，在新頁面中輸入“./webui.sh --share”，即可關閉頁面。其余screen實現方式可自行百度

screen

2.若希望使用其他SD模型（主要以.ckpt和.safetensors為主），都可以過直接下載或本地上傳的方式放置在“stable-diffusion-webui/models/Stable-diffusion”文件夾中。重啟webui頁面，即可在頁面左上角看到模型切換選項

3.若希望使用Additional Networks，安裝lora插件，可通過如下方式完成配置

a. 首先將lora插件clone到extensions文件夾中

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

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

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

c. 下載lora（以當下最火爆的koreanDollLikeness_v10為例）

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

d. 之后重啟webui，即可在頁面中看到Additional Networks并選擇相關模型

4.提示詞不會寫，可以考慮參考這里：ChilloutMix | Stable Diffusion Checkpoint | Civitai

關鍵詞： 云服務器 機器學習 深度學習