本文主要讲述Ubuntu部署Stable Diffusion WebUI应用的部署教程，及在部署过程中可能遇到的问题及解决方法。
1. 部署教程
本次安装教程使用的系统配置是:
CPU ：10核，内存：220GB
GPU ：L20， 显存：48GB，1张
系统：Ubuntu 22.04.3 LTS，Python版本：3.10.13
①安装pytorch(安装教程使用的是torch2.2.0+cuda12.1)
pip install torch torchvision torchaudio
(生成安装pytorch命令相关链接：https://pytorch.org/)
②下载Stable Diffusion WebUI项目下载到你自己的目录下：
Git clone GitHub - AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI
若上述代码报错，则可手动将项目下载到本地，解压后上传至自己的目录
③安装程序需要的依赖
定位到下载的Stable Diffusion WebUI项目，然后依次执行如下命令：
pip install -r requirements_versions.txt
pip install -r requirements.txt
pip 安装包缓慢可换源解决，以下是一些国内的pip源：
阿里云：https://mirrors.aliyun.com/pypi/simple/中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban)：http://pypi.douban.com/simple/清华大学：Simple Index命令格式：pip install <packetname> -i <sourceUrl>
如：pip install modelscope -i
启动Stable Diffusion WebUI项目，运行如下命令：
python launch.py
注意：运行时程序也会安装很多依赖包，若安装依赖包安装缓慢或装不上，可以单独找出来pip install XXXX(包名)
项目中自带的模型路径：models/Stable-diffusion/v1-5-pruned-emaonly.safetensors。
若出现如下显示，说明程序启动成功了。
这步就可访问webUl了。。
2. 可能遇到的问题及解决方法
问题1：listen开启后，安装扩展插件时报错：AssertionError: extension access disabled because of command line flags
解决1：python launch.py --enable-insecure-extension-access 加入这个参数即可。
问题2：报错信息：
解决2：这个错误表示在您的系统上缺少 libgthread-2.0.so.0 共享库文件。具体解决方法如下：
①检查库文件路径：确认 libgthread-2.0.so.0 库文件是否存在于系统中，并且在正确的路径上。您可以使用命令 locate libgthread-2.0.so.0 或者 find / -name libgthread-2.0.so.0 来查找库文件。
如果找到了库文件，请确保路径被正确配置；您可以通过设置 LD_LIBRARY_PATH 环境变量来指定库文件的搜索路径。例如，如果库文件位于 /usr/local/lib 目录下，您可以执行以下命令来设置环境变量：
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
如果没找到库文件，您可以尝试使用以下命令安装 libglib2.0-0 包来获得该库文件：
sudo apt-get install libglib2.0-0
问题3：git报错:SSL certificate problem:self signed certificate in certificate chain
解决3：添加如下代码：
export GIT _SSL_NO_VERIFY=true
git config --global http.sslVerify "false"
问题4：一直在install requirements
解决4：具体执行代码在这里：stable-diffusion-webui-master\modules\launch_utils.py
打开requirements_versions.txt，用如下命令行依次去手动安装依赖包：
pip install XXXX(包名)
问题5：clip报错或下载缓慢
解决5：可根据提示的下载地址自行手动下载，具体是运行如下代码:
git clone GitHub - openai/CLIP: CLIP (Contrastive Language-Image Pretraining), Predict the most relevant text snippet given an image
然后放入指定文件夹，放到如下地址：
stable-diffusion-webui\stable-diffusion-webui\venv\Scripts
问题6：报错:Could not load library libcudnn_cnn_infer.so.8. Error: libnvrtc.so: cannot open shared object file: No such file or directory
解决6：运行如下命令：
cd yourenv/lib/python3.10/site-packages/torch/lib
ln -s libnvrtc-672ee683.so.11.2 libnvrtc.so
问题7：报错:TypeError: 'NoneType' object is not subscriptable
解决7：这个报错一般是在stable-diffusion软件成功安装并运行后出现的。一般是显卡的显存太小导致的，如果GPU显存比较小，建议不要画太大的图片，如果只有4GB的显存，又要画2000*3000的图片，肯定会报错的。将画面调小一点，例如调成512*512或者512*768对于4GB显存来说一般都没问题。
问题8：torch.cuda.OutOfMemoryError: CUDA out of memory.
解决8：这个报错是典型的显存不足，例如4GB显存的显卡，画968*968分辨率图像是正常的，画968*1152的分辨率图像也是正常的，画968*1264图像就报上面的错误了。
问题9：点“生成”按钮就退出程序，报错如下：
解决9：修改webui-env.sh，将原来的内容修改为如下内容：
export COMMANDLINE_ARGS="--skip-torch-cuda-test --upcast-sampling --no-half-vae --use-cpu interrogate --no-half"
问题10：报错:Torch is not able to use GPU
解决10：修改webui-user.bat文件，将原来的内容修改为如下内容：
注意：这是使用CPU去渲染图片，会非常慢。
问题11：报错:
解决11：添加git的全局设置
问题12：使用自己训练的Stable Diffusion模型无法生成图片
解决12：解决步骤如下：
①检查模型超参数：确保模型超参数设置合适。不合适的超参数可能导致模型无法生成图片。可以考虑调整学习率、批量大小等参数，以找到最适合当前任务的设置。
②改善训练数据集质量：如果训练数据集质量不足，也可能导致模型无法生成图片。可以尝试对数据进行预处理，如归一化、去噪等，以提高数据质量。同时，确保数据集的多样性，以使模型更好地泛化。
③检查模型架构：确保模型架构具有良好的数值稳定性和梯度流动性。数值稳定性对于避免在训练过程中出现NaN值至关重要，而梯度流动性则有助于更好地优化模型参数。
问题13：训练Stable Diffusion模型时NaNs Unet报错
解决13：解决步骤如下：
①检查训练过程中的损失函数：如果在训练过程中发现损失函数溢出，这可能导致NaNs Unet报错。可以尝试降低学习率，以减少优化过程中的振荡，从而避免损失函数溢出。
②使用Batch Normalization等技术：Batch Normalization等技术可以帮助解决梯度消失/爆炸问题，从而避免NaNs Unet报错。它可以使每一层的梯度保持在一个相对稳定的范围内，从而避免梯度消失或爆炸。
③处理异常值：如果输入数据存在异常值，这些异常值可能导致计算过程中出现NaN值。可以使用数据标准化等预处理方法，将输入数据处理为正常范围内的值，从而避免NaNs Unet报错。
④调试和详细分析：解决这些问题需要进行详细的调试和分析。可以通过打印关键变量的值、逐步执行代码等方式，找到导致问题的具体原因。然后根据具体原因，尝试不同的解决方案，直到问题得到解决。