前些天总是刷到Stable Diffuison的相关视频，话说这玩意儿已经火了好长一段时间。作为一个互联网掉队人，笔者决定是时候来体验一番AI作画的神奇之处。

写在前面：这里没有Stable Diffusion的详细介绍，也没有底层逻辑和操作方法的讲解。鉴于多数入门的起点都是GUI，笔者选择了AUTOMATIC1111的Stable Diffusion web UI项目，仅此记录首次本地部署的过程。

安装CUDA Toolkit、Python、Git

打开NVIDIA控制面板查看显卡的CUDA驱动版本

查看CUDA驱动版本

如图，支持的CUDA最高版本为12.1（CUDA驱动可以向下兼容，故这里安装<=12.1的CUDA都是可以的）

下载安装CUDA Toolkit，根据上图的版本下载即可。

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

CUDA Toolkit下载

下载安装Python3.10.6

下载地址：http//www.python.org/downloads/release/python-3106

Python安装

下载安装Git

下载地址：https://git-scm.com/download/win

Git下载

安装Stable Diffusion web UI

克隆仓库

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

完成后，打开stable-diffusion-webui文件夹，双击运行webui-user.bat。在漫长的等待后，如命令行中出现以下命令，表示Stable Diffusion web UI已经运行起来了。

Model loaded in 5.2s (load weights from disk: 0.2s, create model: 0.6s, apply weights to model: 1.2s, apply half(): 1.0s, move model to device: 0.9s, load textual inversion embeddings: 1.3s).
Running on local URL:  http://127.0.0.1:7860

To create a public link, set `share=True` in `launch()`.
Startup time: 16.1s (import torch: 3.1s, import gradio: 1.6s, import ldm: 0.7s, other imports: 1.5s, setup codeformer: 0.1s, load scripts: 2.8s, load SD checkpoint: 5.4s, create ui: 0.5s, gradio launch: 0.2s).

浏览器打开http://127.0.0.1:7860，生成一只猫试试，还行。

Hello,cat!

至此，初步安装已经完成。

tips：

网络问题导致Git克隆仓库慢、老是失败，pip下载速度慢等，可为Git配置代理，pip可配置国内镜像源。

备份几个仓库的zip文件——4月21日

https://115.com/s/sw6gspk3wta?password=o3c5&#%E9%83%A8%E5%88%86%E4%BB%93%E5%BA%934.21%E8%AE%BF%E9%97%AE%E7%A0%81:o3c5