概述
2022 年 8 月 22 日，一款名为 Stable Diffusion 的图像生成 AI 开源发布。这是在 AWS EC2 实例上运行它的设置程序手册。
笔记
在此过程中，AWSp3.2xlarge使用名为的高规格类型实例。东京地区按需定价4.194 美元/小时，撰写本文时日元兑美元汇率为 136.5 日元，运行1个月时为412,000日元将会每分钟 9.5 日元是。这对你的钱包很危险。玩完后不要忘记关闭实例。
此外，我浏览本程序手册大约需要 35 分钟。我们建议您以将 1,000 日元作为娱乐的感觉进行操作。
提前准备
HuggingFace 用户注册
克隆 Stabie Diffusion 中使用的模型数据时，需要 HuggingFace 帐户信息。请通过以下 URL 完成用户注册。
英伟达用户注册
下载 cuDNN 库时需要它。从以下 URL 注册为用户。
- NVIDIA 开发人员https://developer.nvidia.com/login
下载 NVIDIA cuDNN 库
- 打开下载地址：https://developer.nvidia.com/rdp/cudnn-download
- 勾选“我同意 cuDNN 软件许可协议的条款”
- 点击“下载 cuDNN v8.5.0（2022 年 8 月 8 日），用于 CUDA 11.x”展开子菜单
- 点击下载“Linux x86_64（Tar）的本地安装程序”
- 将下载的文件保存到本地 PC
服务器设置说明
启动 EC2 实例
使用以下设置启动 EC2 实例。
我将省略 VPC 和安全组设置，这是之前的步骤。
- 实例类型：p3.2xlarge
- AMI：“Amazon Linux”>“深度学习 AMI GPU PyTorch 1.12.0 (Amazon Linux 2) 20220817”
- 存储：通用 SSD (GP3) 100GiB*默认45GiB不够用
- 其他基础项如密钥对、安全组、公网IP自动分配等要适当设置。
启动完成后，使用 SSH 连接并继续进行服务器设置工作。
服务器设置工作
从这里开始，除非另有说明，否则所有过程都将以 ec2-user 身份执行。
安装 git LFS
稳定扩散模型数据由 git lfs 管理，所以要提前设置好 git lfs。
# epelをインストール
sudo amazon-linux-extras install -y epel
# git lfsをインストール
sudo yum install -y git-lfs
# git lfsを有効化
git lfs install
安装 NVIDIA CUDA 工具包
根据以下 URL 提供的安装方法进行设置。
https://developer.nvidia.com/cuda-11-3-1-download-archive?target_os=Linux&target_arch=x86_64&Distribution=RHEL&target_version=8&target_type=runfile_local
# ここからrootで作業
sudo su -
# NVIDIA CUDA Toolkitをインストール
# ※何度かプロンプトが出るので全てAccept、OKまたはYesで答える
mkdir ~/install
cd ~/install
wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run
sudo sh cuda_11.3.1_465.19.01_linux.run
如果安装成功，将显示以下日志。
===========
= Summary =
===========
Driver: Installed
Toolkit: Installed in /usr/local/cuda-11.3/
Samples: Installed in /root/, but missing recommended libraries
Please make sure that
- PATH includes /usr/local/cuda-11.3/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-11.3/lib64, or, add /usr/local/cuda-11.3/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.3/bin
To uninstall the NVIDIA Driver, run nvidia-uninstall
Logfile is /var/log/cuda-installer.log
接下来，安装 cuDNN 库。根据以下 URL 中编写的指南移动文件。
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#installlinux-tar
# ※引き続きrootで作業します
# cuDNNのインストール
# ※事前準備でダウンロードしてきたものをSFTP等で以下のパスに転送する
# 転送先パス: /root/install/cudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar.xz
# ファイルを解凍
cd ~/install
tar Jxfv cudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar.xz
cd cudnn-linux-x86_64-8.5.0.96_cuda11-archive/
# デプロイ
cp include/cudnn*.h /usr/local/cuda/include
cp -P lib/libcudnn* /usr/local/cuda/lib64
chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
# root作業を終了してec2-userに戻ります
exit
安装 StableDiffusion 本身
# StableDiffusion本体をダウンロード
cd ~/
git clone https://github.com/CompVis/stable-diffusion
# condaの初期化
conda init bash
# 環境設定
cd ~/stable-diffusion
conda env create -f environment.yaml
# 学習モデルをダウンロード
# ※ここでHuggingFaceアカウント情報の入力を求められるので入力する(なぜか2回入力を求められます)
cd ~/
git clone https://huggingface.co/CompVis/stable-diffusion-v-1-4-original
# ~/stable-diffusion-v-1-4-original/sd-v1-4.ckpt のファイルサイズを確認する。
# ファイルサイズが4.0GBほどあればOK。サイズが異常に小さい場合はGit LFSの設定を疑う
# なお、この警告↓がでても気にしなくてOKです
# Encountered 1 file(s) that may not have been copied correctly on Windows:
# 学習モデルを導入
cd ~/stable-diffusion/models/ldm
mkdir stable-diffusion-v1
mv ../../../stable-diffusion-v-1-4-original/sd-v1-4.ckpt stable-diffusion-v1/model.ckpt
现在重新启动 bash 一次。如果启用了 conda 并且提示以 (base) 为前缀，则可以。
测试运行
# conda環境を切り替える（プロンプトの先頭が (ldm) に変わります）
conda activate ldm
# 実行（初回のみ、いくつかのダウンロード処理が行われます）
cd ~/stable-diffusion
python3 scripts/txt2img.py --prompt "a photograph of an astronaut riding a horse" --plms
执行完成后，图像将输出到以下目录。
~/stable-diffusion/outputs/txt2img-samples/grid-0000.png
~/stable-diffusion/outputs/txt2img-samples/samples/00000.png ～ 00005.png
请通过 SFTP 等方式将这些图像传输到您的本地 PC 并检查内容。
6个生成的缩略图存放在grid-0000.png中，每张图片存放在samples/*.png中。
享受！
参考文章
原创声明：本文系作者授权爱码网发表，未经许可，不得转载;
原文地址：https://www.likecs.com/show-308624518.html