Stable Diffusion 本地部署实战指南：从显卡报错到生成第一张图的完整路径

上周有位学员在群里发来一张截图：黑底白字的报错信息，CUDA out of memory。他刚买的RTX 3060显卡，12GB显存，按理说足够跑Stable Diffusion，但就是卡在“生成第一张图”这一步。我让他发来启动参数截图，果然——默认的PyTorch版本没针对他的显卡做优化，加上ComfyUI的默认工作流加载了过大的VAE模型，12GB显存直接被撑爆。这其实是个典型问题：硬件达标，但部署细节没到位，再好的显卡也白搭。

今天这篇指南，我会带你从零开始部署Stable Diffusion WebUI（基于Automatic1111版本v1.8.0），解决两个最常见的“卡顿”场景：显存不足和模型加载失败。全程用具体参数和操作步骤说话，不绕弯子。

一、部署前的“硬门槛”：你的环境真的准备好了吗？

很多学员以为“装个软件就能跑”，结果第一步就卡在Python环境上。Stable Diffusion WebUI依赖Python 3.10.6（精确到小版本号），如果你系统里装的是Python 3.11或3.9，直接运行启动脚本会报“No module named ‘torch’”。别慌，我们用Conda解决环境隔离问题。

步骤1：安装Miniconda（版本4.14.0以上）

  • 下载地址：https://docs.conda.io/en/latest/miniconda.html
  • 选择Windows x86_64版本（Linux同理）
  • 安装时勾选“Add Miniconda to PATH”，其他默认

    • 步骤2：创建专属环境

    打开命令提示符（CMD），逐行输入：

    conda create -n sd python=3.10.6
conda activate sd

    看到命令行前缀变成 `(sd) C:\>` 就说明环境激活成功。

    步骤3：安装CUDA和cuDNN（针对NVIDIA显卡）

  • 用 `nvidia-smi` 命令查看你的CUDA版本（比如12.1）
  • 去NVIDIA官网下载对应版本的CUDA Toolkit：https://developer.nvidia.com/cuda-downloads
  • 安装时选择“自定义”，只勾选“CUDA”组件（其他如驱动可能冲突）
  • cuDNN需要注册NVIDIA账号下载，解压后把bin、include、lib文件夹复制到CUDA安装目录（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1）

    • 关键参数：如果不确定显卡是否支持，用 `python -c “import torch; print(torch.cuda.is_available())”` 测试，返回True才继续。我见过太多学员装了错版CUDA，导致torch识别不到显卡。

    —

    二、实战案例1：解决“显存溢出”错误——用–medvram和模型量化

    回到开头那个学员的问题。RTX 3060 12GB显存跑SD XL模型确实吃力，但跑SD 1.5模型绰绰有余。他的错误在于：默认启动参数下，WebUI会加载完整VAE和CLIP模型，占用约8GB显存，而生成图片时还需额外分配2-3GB，12GB显存刚够但会因为碎片化而溢出。

    操作步骤：

    1. 下载适合的模型：去CivitAI（civitai.com）搜索“SD 1.5”系列模型，比如“DreamShaper v8”（文件大小约2GB）。不要直接跑SD XL，那是给24GB显存用户准备的。
    2. 修改启动参数：找到WebUI根目录下的`webui-user.bat`，用记事本打开，找到`set COMMANDLINE_ARGS=`这一行，改为：

       set COMMANDLINE_ARGS=--medvram --opt-split-attention --no-half-vae

    – `–medvram`：将模型拆分为多个部分，按需加载到显存，减少单次占用（从8GB降到4-5GB）
    – `–opt-split-attention`：优化注意力计算，减少显存碎片化（对RTX 30系显卡尤其有效）
    – `–no-half-vae`：防止VAE模型被强制转为半精度（float16），避免部分模型出现彩色噪点

    3. 启动WebUI：双击`webui-user.bat`，等待第一次运行自动下载依赖（约5分钟）。看到 `Running on local URL: http://127.0.0.1:7860` 表示成功。

    WebUI启动成功界面

    4. 生成测试图：在WebUI界面左上角选择模型“DreamShaper v8”，输入提示词“a cat wearing a hat, digital art”，步数设20，采样器选“DPM++ 2M Karras”，分辨率512×512。点击Generate，显存占用稳定在5.2GB左右，不会溢出。

    为什么有效？ `–medvram` 本质上是将模型分成多个“层”，每次只加载当前计算需要的层，释放不需要的层。虽然会略微降低生成速度（约10%），但让12GB显存用户也能流畅跑完整个流程。

    —

    三、实战案例2：模型加载失败——手动修复VAE和ControlNet依赖

    另一个常见问题是：下载了模型放到`models/Stable-diffusion`文件夹后，WebUI里却显示“Error loading model”。这通常是因为模型依赖的VAE文件缺失或版本不匹配。

    操作步骤：

    1. 下载配套VAE：很多CivitAI模型要求特定VAE（如“vae-ft-mse-840000-ema-pruned.ckpt”）。去HuggingFace搜索“stable-diffusion-vae-ft-mse”，下载后放到`models/VAE`文件夹。
    2. 手动加载VAE：在WebUI的“Settings”选项卡中，找到“Stable Diffusion”部分，在“SD VAE”下拉框选择你刚下载的VAE文件，点击“Apply settings”保存。
    3. 安装ControlNet扩展：ControlNet是控制构图的利器，但经常因为依赖缺失报错。在WebUI的“Extensions”选项卡中，点击“Available”标签，搜索“ControlNet”，找到“sd-webui-controlnet”并安装。重启WebUI后，在`extensions/sd-webui-controlnet/models`文件夹下放入ControlNet专用模型（如“control_v11p_sd15_canny.pth”）。

    ControlNet安装界面

    4. 测试ControlNet：打开一张参考图片（比如一张猫的轮廓图），在ControlNet面板中勾选“Enable”，选择“Canny”预处理，点击“Generate”。如果报错“ModuleNotFoundError: No module named ‘cv2’”，说明缺少OpenCV库。在CMD中激活环境：

       conda activate sd
   pip install opencv-python

    然后重启WebUI即可。

    关键参数说明：ControlNet的“Control Weight”参数控制参考图影响程度，设为0.8-1.0会严格遵循轮廓，0.3-0.5则更自由。对于新手，建议先用0.6的默认值，然后微调。

    —

    四、进阶优化：用–xformers和模型量化提速

    生成一张512×512图，默认需要5-8秒。如果你嫌慢，可以启用`–xformers`参数，它利用NVIDIA的Tensor Core进行矩阵运算加速，对RTX 30/40系显卡提升明显。

    修改启动参数：

    set COMMANDLINE_ARGS=--medvram --opt-split-attention --xformers

    注意：`–xformers`和`–opt-split-attention`可以共存，但部分旧显卡（如GTX 1060）不支持xformers，会��错。如果不确定，先不加`–xformers`，运行 `python -c “import xformers; print(xformers.__version__)”` 测试是否安装成功。

    模型量化（减少模型体积）：

    如果你需要跑SD XL模型但只有12GB显存，可以用“模型量化”技术。在WebUI的“Settings”中，找到“Quantization”，勾选“Enable 4-bit quantization”，重启后模型占用从8GB降到3-4GB。代价是图像细节略有损失，但整体可用。

    模型量化设置界面

    —

    总结：从部署到熟练的3个建议

    1. 优先用SD 1.5模型：SD XL对硬件要求高，新手先用SD 1.5系列（如DreamShaper、Realistic Vision）熟悉流程，等能稳定出图后再升级。
    2. 备份启动参数：每次修改`webui-user.bat`前，复制一份原始文件。我见过学员把参数写错导致WebUI打不开，恢复备份只需5秒。
    3. 学会看错误日志：WebUI启动时CMD窗口会打印详细日志，报错时搜索“Error”关键词，90%的问题都能在GitHub的Issues里找到答案。

    —

    常见问题 FAQ

    Q1：我的显卡是RTX 2060 6GB，能跑Stable Diffusion吗？
    A：可以，但必须用`–lowvram`参数（比`–medvram`更激进），且分辨率限制在512×512以下。建议用SD 1.5模型，避免SD XL。

    Q2：为什么生成图片全是黑色或绿色噪点？
    A：通常是因为VAE模型没加载。去Settings里手动选择VAE文件，或下载“vae-ft-mse-840000-ema-pruned”放入`models/VAE`文件夹。

    Q3：ControlNet报错“No module named ‘cv2’”怎么办？
    A：在CMD中激活conda环境后，运行`pip install opencv-python`，然后重启WebUI。如果还不行，检查是不是用了Python 3.11，必须用3.10.6。

    Q4：每次启动WebUI都重新下载模型，怎么办？
    A：检查`models/Stable-diffusion`文件夹是否有模型文件，或者启动参数里是否误写了`–ckpt-dir`指向了错误路径。默认路径是WebUI根目录下的`models`文件夹。

    Q5：显存占用正常，但生成速度很慢（一张图30秒以上）？
    A：可能是没启用`–xformers`，或者采样器选了“DDIM”这类慢速采样器。换成“DPM++ 2M Karras”或“Euler a”，步数设20，速度能快3倍。

    声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。