在AMD GPU上安装和运行Stable Diffuion WEB UI

注意：本教程将引导您安装和配置Stable DiffusionWeb UI，以便在Windows和Linux系统上进行深度学习模型训练。请按照以下步骤操作，确保您的环境正确设置。

引言

在当今数字时代，深度学习已经成为人工智能领域的核心技术之一。对于计算机视觉和自然语言处理等领域的研究和应用来说，深度学习模型训练是不可或缺的一部分。然而，如果您使用Windows或者AMD GPU，可能会面临一些挑战。但别担心，我们将为您提供安装和配置Stable DiffusionWeb UI的详细步骤，以便您能够顺利进行深度学习工作。

步骤一：安装必要的软件

首先，让我们开始安装必要的软件和依赖项。以下是Windows系统的安装步骤：

1. 下载并安装 Python 3.10.6，在安装过程中确保勾选 Add to PATH 选项。

2. 下载并安装 git。

3. 打开命令提示符（cmd）或终端，并执行以下命令以克隆Stable DiffusionWeb UI的分支：

   git clone https://github.com/lshqqytiger/stable-diffusion-webui-directml
   cd stable-diffusion-webui-directml
   git submodule init
   git submodule update

4. 双击运行 webui-user.bat，等待安装完成。如果在安装或运行过程中出现卡住的情况，请在终端中按下回车键以继续。

现在，让我们看看如何在Linux系统上进行安装。

步骤二：Linux系统自动安装

如果您使用Linux系统，并希望自动安装Stable DiffusionWeb UI，您可以按照以下步骤操作：

1. 打开终端，并执行以下命令以安装所需的软件包和依赖项：

   sudo apt install git python3.10-venv -y
   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
   cd stable-diffusion-webui
   python3.10 -m venv venv

2. 使用以下命令来安装和运行Stable DiffusionWeb UI：

   ./webui.sh {your_arguments*}

   *对于许多AMD GPU，您必须添加 --precision full --no-half 或 --upcast-sampling 参数来避免NaN错误或崩溃。如果 --upcast-sampling 可以作为您的显卡的修复方法，您应该有2倍的速度(fp16)比在full精度下运行。

以上是自动安装的方法，但如果您想更灵活地控制安装过程，可以使用原生运行方式。

步骤三：原生运行（适用于Linux）

如果您想更详细地控制Stable DiffusionWeb UI的安装和配置，可以按照以下步骤操作：

1. 打开终端，并执行以下命令来克隆Stable DiffusionWeb UI的仓库：

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
   cd stable-diffusion-webui
   python -m venv venv
   source venv/bin/activate
   python -m pip install --upgrade pip wheel

2. 安装PyTorch和Torchvision，根据您的GPU型号和要求执行以下命令：

   TORCH_COMMAND='pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/rocm5.1.1' python launch.py --precision full --no-half

3. 后续运行只需要执行以下命令：

   cd stable-diffusion-webui
   # 可选: 使用 "git pull" 来更新仓库
   source venv/bin/activate
   # 可能您不需要 "--precision full"，但是删除 "--no-half" 会导致驱动崩溃
   TORCH_COMMAND='pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/rocm5.1.1' python launch.py --precision full --no-half

请注意，初次运行Web UI可能需要一些时间，您可能会看到类似以下消息：

MIOpen(HIP): Warning [SQLiteBase] Missing system database file: gfx1030_40.kdb Performance may degrade. Please follow instructions to install: https://github.com/ROCmSoftwarePlatform/MIOpen#installing-miopen-kernels-package

随后的生成应该能够正常运行。如果您使用的是相同的操作系统，您可以按照消息中的链接修复此问题。如果在您的操作系统上没有明确的方法来编译或安装MIOpen内核，请考虑按照下面的“在Docker内运行”指南操作。

步骤四：在Docker内运行

如果您希望在Docker容器内运行Stable DiffusionWeb UI，可以按照以下步骤操作：

1. 拉取最新的 rocm/pytorch Docker 镜像，并启动容器并连接到容器中（摘自 rocm/pytorch 文档）：

   
   docker run -it --network=host --device=/dev

/kfd --device=/dev/dri --group-add=video --ipc=host --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $HOME/dockerx:/dockerx rocm/pytorch

2. 在容器内执行以下命令，以克隆Stable DiffusionWeb UI的仓库并安装所需的软件包和依赖项：

   ```shell
   cd /dockerx
   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
   cd stable-diffusion-webui
   python -m pip install --upgrade pip wheel

3. 同样，您可能需要根据GPU型号添加适当的命令行参数和优化选项，以确保Web UI正常运行。

以上是在Docker容器内运行Stable DiffusionWeb UI的方法。如果您需要更新Docker容器内的Python版本，请参考下面的指南。

步骤五：在Docker内更新Python版本

如果Stable DiffusionWeb UI与Docker镜像内预装的Python 3.7版本不兼容，您可以按照以下步骤更新它（假设您已成功按照“在Docker内运行”操作）：

在容器内执行以下命令：

apt install python3.9-full # 确认每一个提示
update-alternatives --install /usr/local/bin/python python /usr/bin/python3.9 1
echo 'PATH=/usr/local/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

运行 source ~/.bashrc 并按照对已有容器相同的命令继续操作。

结论

现在，您已经成功地安装和配置了Stable DiffusionWeb UI，可以开始进行深度学习模型训练了。请根据您的需求和GPU型号，选择适当的命令行参数和优化选项以获得最佳性能。

这个教程提供了在Windows和Linux系统上安装Stable DiffusionWeb UI的详细步骤，帮助您克服可能遇到的挑战。祝您在深度学习的道路上取得成功！