Mac本地部署stable diffusion

完整的本地部署自由度较高，安装相对比较折腾，请耐心看完

完整的本地部署步骤涉及

安装软件包管理工具Homebrew
安装Python3.10环境
部署stable-diffusion-webui项目
配置stable-diffusion-webui
愉快玩耍

想本地部署的从下载Homebrew开始。

嫌麻烦可以进行打赏找我有偿安装，应用方式启动，无需点击输入代码。

下载Homebrew

如果直接在官网复制指令会因为网络问题无法下载，我们可以下载国内大学在码云分享的homebrew

打开终端，一般在启动台“其他”文件夹，或者command+空格，搜索“终端”，运行以下代码（回车）：

1	/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"

输入“1”选择中科大版本，然后输入“Y（yes）”，直接输入开机密码（不显示）开始下载

它弹窗让你先下载Git，我们同意，然后等待下载

然后在运行一遍代码和重复上面的操作，这次就下载brew本体了

下载完成，今后下载还是输入“1”，提示安装完成，复制它给你的指令运行

最后我们运行指令检查一下，没有出现error报错就行。

1 2	brew brew doctor

下载Python3.10

接着使用brew下载python，继续在终端执行命令：

1	brew install cmake protobuf rust python@3.10 git wget

此过程较长等待下载完成。

部署stable-diffusion-webui项目

在你需要的目录中创建文件夹，并在终端中输入cd+空格后，将文件夹拖入终端，后续的stable-diffusion-webui项目将会被放到这个文件夹中（为方便描述后文将该文件夹称为工作目录）。
例如我在文档目录中创建AI文件夹，在终端输入cd+空格后，拖入AI文件夹，或者在终端中输入路径。

1	cd /Users/替换成你的用户名/Documents/Ai

然后输入下方代码，将git项目克隆到AI文件夹，你会得到一个stable-diffusion-webui的文件夹（为方便描述，后文将该文件夹称为项目目录）。

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

下载并使用模型

这里例举官方模型stable-diffusion 1.5的模型，huggingface，选择ckpt结尾的文件下载即可。

将下载好的模型文件放到项目目录路径中的models\Stable-diffusion里。

运行./web.sh程序

新开一个终端，运行这两个指令：（记住这两个指令，最好是自己打熟练，中途报错、以后每次运行都会再用到）

（第1个指令可以cd+空格，然后将项目目录拖进终端，就能自动填充文件路径）

1
2
3

cd 工作目录/stable-diffusion-webui/

./webui.sh

运行之后他就开始下载需要的依赖，有梯子的用梯子，（如果途中某个环节下载失败可以尝试断开切换使用梯子来下载，有时候不用速度更快，但默认还是挂着代理），等着自动安装，直到出现Running on local URL: http://127.0.0.1:7860 这段代码，就可以在地址栏输入http://127.0.0.1:7860 访问stable diffusion了。

stable diffusion汉化

下载汉化包，将下载后的文件解压，复制简体中文.json文件，到项目目录下的localizations文件夹里。

接着在浏览器中访问http://127.0.0.1:7860/ 。找到Settings下的user interface选项，最下方有一个Localization (requires restart)选项，点击刷新图标后在下拉框中切换简体中文，接着点击Apply Settings 保存设置，最后点击Reboot UI重启面板即可。

愉快玩耍

模型

此处的选项用来切换模型的，不同模型会产生不同的生成效果。下载好的模型文件一般都放在项目目录下的models\Stable-diffusion中。如果放进去在浏览器中找不到刚的模型，点击刷新即可。

txt2img部分介绍

prompt （提示词）该部分主要就是对于图像进行描述，有内容风格等信息进行描述。后面的画板可以一些随机的风格、下面箭头是之前任务的参数；
Negative prompt （反向提示词）这个主要是提供给模型，我不想要什么样的风格；特别对于图上出现多个人的情况，就可以通过2girls等信息进行消除；
Sampling method （采样方法）扩散去噪算法的采样模式，会带来不一样的效果，ddim 和 pms(plms) 的结果差异会很大，很多人还会使用euler，具体没有系统测试；
Sampling Steps （迭代步数）生成图片的迭代步数，每多一次迭代都会给 AI 更多的机会去比对 prompt 和当前结果，去调整图片。更高的步数需要花费更多的计算时间，也相对更贵。但不一定意味着更好的结果。当然迭代步数不足（少于 50）肯定会降低结果的图像质量；
Width、Height （宽高）图像长宽，可以通过send to extras 进行扩大，所以这里不建议设置太大[显存小的特别注意]；
Restore faces （面部修复）优化面部，绘制面部图像特别注意；
Tiling（可平铺）生成一个可以平铺的图像；
Highres. fix （高分辨率修复）使用两个步骤的过程进行生成，修复图片分辨率效果
CFG Scale （提示词相关性）分类器自由引导尺度——图像与提示符的一致程度——越低的值产生越有创意的结果；
Seed （随机种子）种子数，只要中子数一样，参数一致、模型一样图像就能重新；

mg2img部分介绍

这部分参数很多与txt2img类似，这里主要说明一下不同部分；

CLIP Prompt（反推提示词），根据图片自动生成提示词
DeepBooru Negative prompt（反推负面提示词），根据图片自动生成不想要的提示词。

其它

关键词提示库https://arthub.ai/

创建虚拟环境

python -m venv venv
source venv/bin/activate    # mac

.\venv\Scripts\activate.bat  # windows

Web UI无法启动：

如果尝试使用./webui.sh启动Web UI时遇到错误，请尝试从repositories文件夹中删除venv和stable-diffusion-webui文件夹，然后使用git pull更新Web UI，然后再次运行./webui.sh。

性能差：

目前macOS上的GPU加速使用大量内存。如果性能很差（如果使用任何采样器生成20步512x512图像需要超过一分钟）

尝试使用--opt-split-attention-v1命令行选项（即./webui.sh --opt-split-attention-v1）启动，看看是否有帮助。
没什么区别吗
- 打开位于/Applications/Utilities中的Activity Monitor应用程序，并检查Memory选项卡下的内存压力图。生成图像时，内存压力显示为红色
- 关闭Web UI进程，然后添加--medvram命令行选项（即./webui.sh --opt-split-attention-v1 --medvram）。
性能仍然很差，内存压力仍然是红色的？
- Try --lowvram（即./webui.sh --opt-split-attention-v1 --lowvram）。
仍然需要几分钟以上的时间来生成一个512x512的图像与20个步骤与任何采样器？
- 您可能需要关闭GPU加速。
  - 在Xcode中使用Open webui-user.sh
  - 将#export COMMANDLINE_ARGS=""变更为export COMMANDLINE_ARGS="--skip-torch-cuda-test --no-half --use-cpu all"。