由于作者水平有限，文档中难免有些问题。如果你发现了问题或者有更好的建议，非常感谢你向我提出！如果有时间，我一定会及时在评论区修改哒~
Stable Diffusion是一款功能异常强大的AI图片生成器。它不仅支持生成图片，使用各种各样的模型来达到你想要的效果，还能训练你自己的专属模型。
WebUI使得Stable Diffusion有了一个更直观的用户界面，更适合新手用户。
但是，国内复杂的网络环境使得Stable Diffusion的安装变得比较麻烦，下载模型与调试问题也会比较费事。网上的信息也比较零散，在此做一个统一的整理。
备注：我使用的是Windows环境（Powershell），Linux命令与Powershell命令大致相仿，如果有特殊的地方，我会单独作说明。
现存的问题
备注：后续若还有未解决的问题，我会列在此处。
Stable Diffusion2.0（或2.1）由于是刚发布的版本，其专属模型在国内还没有快速下载地址，但可以通过加速器（如迅雷、Aria2Ng等）获得较快的下载速度。如果有网友放出了国内的镜像地址，我会尽快放出。
注意事项
运行Stable Diffusion需要消耗较大的资源，对显卡的要求尤其高（至少4GB的VRAM）。所以，如果你没有较好的硬件资源，你可能需要在百度飞桨或Kaggle这些网站上搭建服务器以获得免费的硬件资源。
误区：很多网上的资料里的安装方法里都写了需要安装Torch、Anconda等其它程序，其实并不需要，不要把其它版本的Stable Diffusion和AUTOMATIC1111的Fork混为一谈，安装这些不必要的程序。这将节省不少步骤。
Step1：安装需要的程序Git
首先，我们需要安装Git。对于我们下一步的克隆来说，这是一个必不可少的工具。在Windows下，安装地址在这里：
https://registry.npmmirror.com/-/binary/git-for-windows/v2.38.1.windows.1/Git-2.38.1-64-bit.exe
（实际Git版本并不影响使用，这里使用的是Git 2.38）下载之后安装。Linux则需要用到软件包管理工具（因发行版而异）。我拿Ubuntu举例：
# apt install git
Python 3.10
然后，我们需要安装Python 3.10。这是官方文档上指定的版本，Windows下安装地址在这里：
https://mirrors.huaweicloud.com/python/3.10.8/python-3.10.8-amd64.exe
由于Linux不同的发行版默认软件包版本不同，不保证一定是3.10，故需自行下载编译。
Nvidia CUDA（按需）
注意：CUDA需要搭配Nvidia显卡驱动进行安装和使用。如果你使用的是AMD显卡，则需要使用Ort。详细安装及搭建方法请自行搜索。
如果你使用的是Nvidia显卡，则需安装CUDA。这是几乎所有的AI在Nvidia显卡上都需要的东西。Windows下，在这里（版本11.7.1，搭配Nvidia驱动516.94）进行下载安装：
Linux请在这里选择适合你的发行版的版本安装：
https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Linux
在Windows下，安装CUDA一般只用根据安装程序的提示就可以安装了。但如果你不想安装太多冗余的东西，则可以只在安装选项中勾选Runtime和Development。
如果以上程序都已安装完毕，就可进入下一步啦~
Step2：克隆Stable Diffusion+WebUI
首先，检查磁盘的剩余空间（一个完整的Stable Diffusion大概需要占用30~40GB的剩余空间），然后进到你选好的磁盘或目录下（我选用的是Windows下的D盘，你也可以按需进入你想克隆的位置进行克隆。）：
cd D: \\此处亦可输入你想要克隆的地址
然后使用Git克隆AUTOMATIC1111的stable-diffusion-webui（这里我是用了Ghproxy在国内进行加速）：
git clone https://ghproxy.com/github.com/AUTOMATIC1111/stable-diffusion-webui.git
克隆完成后，进入到克隆好的目录。
cd .\stable-diffusion-webui
Step3：解决“疑难杂症”
在国外，安装Stable Diffusion比较简单，但是由于国内的网络环境，安装过程中可能会遇上不少麻烦。
编辑“launch.py”（此处我是用的是Visual Studio Code，Linux则需要用到特定的文本编辑器）。
code .\launch.py
替换前
替换所有的“https://github.com”为“https://ghproxy.com/https://github.com”。这里也是利用Ghproxy进行代理，加速国内Git。
注意：不要使用“全部替换”！当Code把所有的“https://github.com”替换过一遍后，不必把“https://ghproxy.com”后面的“https://github.com”再替换一遍。
替换后
替换完成后注意保存。
接着，我们需要将本地的PIP更换镜像源，然后安装所需的包（这里我选用的是阿里源，在全国范围内速度都较快）。
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip install -r requirements_versions.txt //执行此条命令前，请检查你的剩余磁盘空间
pip install xformer //如果不执行此条命令，启动Stable Diffusion时可能会出现错误。xformer还可以在后续使用中降低显卡占用。
由于Stable Diffusion+WebUI使用的是Venv虚拟Python环境，完成上述操作后，我们还需更改Venv目录里的一个配置文件，以让Venv能使用环境外的第三方库。
cd .\venv
code .\pyvenv.cfg
将“include-system-site-packages = false”改为“include-system-site-packages = true”。
更改完成之后保存并退出。
升级PIP
解决方法：
升级pip命令，可以重新打开一个命令行，运行一次它提示的绿色命令（因为文件夹名称可能不同，所以这条命令因人而异）H:\AI\stable-diffusion-webui\venv\Scripts\python.exe -m pip install --upgrade pip
Step4：下载Stable Diffusion模型
模型相当于Stable Diffusion的核心。在没有模型的情况下，Stable Diffusion是无法启动的。所以，我们需先下载模型。Hugging Face（https://huggingface.co）是学习使用Stable Diffusion的不可或缺的平台。你可以从此网站的Model版块中搜索Stable Diffusion来下载模型。不同的模型有自己的美术风格。如Momoko，这个模型专门用来生成二次元图片。
Stable Diffusion的模型后缀名一般为ckpt。偶尔，模型也会附带VAE（.vae.pt）或配置文件（.yaml）。我们需要把ckpt模型、VAE以及配置文件放在models目录下的Stable-diffusion目录中。
注意：如果一个模型附带配置文件或者VAE，你则需要先把它们的文件名改为相同的文件名，然后再放入目录中，否则这个模型的配置可能无法正确读取，影响图片生成效果。
Step5：配置你的Stable Diffusion WebUI
模型配置完成后，重新回到克隆目录中。
cd D:\stable-diffusion-webui
运行“webui-user.bat”。
.\webui-user.bat
如果你的控制台显示的内容与下图相符，那么恭喜你，Stable Diffusion WebUI的基本框架安装成功了！
控制台
网页
接着，我们会发现WebUI显示的并不是中文。此时，我们需要将其调整为简体中文。这里，我用百度网盘分享了一些语言的补丁。
链接：https://pan.baidu.com/s/1X7R4nQfAxHKdoXRWyknSxg 提取码：annx
下载我分享的“localizations.zip”并解压到克隆文件夹的“localizations”目录中。之后在Settings -> User interface -> Localization (requires restart)设置语言（在下拉菜单中选择zh_CN）。然后重新启动WebUI之后，你就会发现语言变成了简体中文。
如果你愿意，还可以安装一些扩展来实现其它功能。
Step6：使用Stable Diffusion2.0与2.1
Stable Diffusion2.0和2.1是两个刚刚发布的新版本。它们都有自己的专属模型。下面是它们的下载地址与介绍。
Stable Diffusion 2.0：
768-v-ema.ckpt与768-v-ema.yaml（需要改名）：这是Stable Diffusion2.0的官方模型，相同的环境下，生成768x768分辨率的图片的速度几乎和1.5版生成512x512图片的速度相同，质量更好。
注：Stable Diffusion2.0还有更多模型，可以自行在Hugging Face上搜索。它们使用同一配置文件，模型放到目录后，只用复制一份配置文件，更改文件名即可。不用重复下载。
Stable Diffusion 2.1
v2-1_512-ema-pruned.ckpt：这是Stable Diffusion2.1的官方模型，可以看作是Stable Diffuison2.0模型的升级版本。它和Stable Diffusion2.0的模型使用同一配置文件。
下载地址：
768-v-ema.ckpt：https://huggingface.co/stabilityai/stable-diffusion-2/resolve/main/768-v-ema.ckpt
768-v-ema.yaml：https://raw.githubusercontent.com/Stability-AI/stablediffusion/main/configs/stable-diffusion/v2-inference.yaml（需要改名为768-v-ema.yaml）
v2-1_512-ema-pruned.ckpt：https://huggingface.co/stabilityai/stable-diffusion-2-1-base/resolve/main/v2-1_512-ema-pruned.ckpt
使用这些模型的方法和我前面介绍的方法一样，但镜像源不在国内，故需要用加速器下载。这一点我在前面有提到。只是我在读取Stable Diffusion2.0模型时，WebUI下载了一个3GB多的文件，也不知道是干什么用的。
附加2：学习Stable Diffusion
Bilibili上的元素同典是学习Stable Diffusion的一个不错的平台。在这个平台上，你将会学会Stable Diffusion的各种知识。例如描述词和反描述词。要生成好的图片，除了要有好的模型，还要掌握一些技巧和知识。
如果你也喜欢二次元，Black Lily可能很适合你。它是一个不错的描述词获取源。
