Stable Diffusion 入门指南，Stable Diffusion WebUI本地部署教程

首页

热心网友

转载

2026-04-29

Stable Diffusion WebUI 本地部署：一份避坑指南

Stable Diffusion 入门指南，Stable Diffusion WebUI本地部署教程

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

最近在部署 Stable Diffusion 项目环境时，发现网上很多教程都只讲了“标准流程”，但实际安装过程中，依赖版本冲突、网络问题等“坑点”层出不穷。经过几轮折腾和测试，总算总结出一套比较顺畅的部署方案。如果你也打算在本地搭建一套可用的 SD 环境，不妨跟着下面的步骤走，能省去不少试错时间。

项目地址依然是：https://github.com/AUTOMATIC1111/stable-diffusion-webui

环境准备

工欲善其事，必先利其器。一个稳定的基础环境能避免很多后续麻烦。以下是本次部署成功验证的环境配置，可以作为重要参考：

Python 3.10.6（这个版本是关键，过高或过低都可能引发兼容性问题）
NVIDIA RTX 4090 24GB
Windows 11
CUDA 12.4

部署过程

按部就班地切换目录、逐个安装依赖，过程相当繁琐。更高效的思路是脚本化。这里分享一个自动化的安装流程，能一次性搞定大部分依赖。

第一步，克隆主项目仓库：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

接着，创建一个独立的 Conda 环境来隔离依赖：

conda create -p .\Dlab python=3.10.6 -y

然后，创建一个专门存放依赖库的目录：

mkdir -p repositories && cd repositories

核心来了。下面这个脚本可以自动克隆并安装一系列必要的扩展仓库，省去手动操作的麻烦：

repos=(
    "Stability-AI/stablediffusion:stable-diffusion-stability-ai"
    "CompVis/taming-transformers:taming-transformers"
    "sczhou/CodeFormer:CodeFormer"
    "salesforce/BLIP:BLIP"
    "Stability-AI/generative-models:generative-models"
)
for repo in "${repos[@]}"; do
    IFS=':' read -r github_path local_path <<< "$repo"
    echo "正在克隆并安装 $github_path..."
    git clone "https://github.com/$github_path.git" "$local_path"
    cd "$local_path"
    pip install -e .
    cd ..
done

脚本执行完毕后，回到主目录，安装其他核心依赖。以下几个包的版本组合是经过反复测试的“黄金搭档”，能有效避免版本冲突：

# 安装基础依赖
pip install transformers==4.19.2 diffusers invisible-watermark --prefer-binary

# k-diffusion 必须从 git 安装最新版
pip install git+https://github.com/crowsonkb/k-diffusion.git --prefer-binary

# 回到主目录安装项目依赖
cd ..
pip install -r requirements.txt --prefer-binary

# 这些版本都是我反复测试过的，建议按照这个版本安装
pip install pytorch_lightning==1.9
pip install -U xformers==0.0.28.post2 torchvision==0.20.0 torchaudio==2.5.0 --index-url https://download.pytorch.org/whl/cu124
pip install pydantic==1.10.11
pip install wandb==0.15.12

一切就绪后，使用以下命令启动服务：

python launch.py --xformers --no-gradio-queue

踩坑记录

依赖版本冲突
这是最令人头疼的问题，尤其是 PyTorch、CUDA 和 xformers 之间的版本必须精确匹配。上文列出的版本组合是验证可行的方案，强烈建议首次部署时严格遵循。
网络问题
在克隆仓库和下载依赖时，稳定的网络环境至关重要。必要时需要配置科学上网或使用可靠的国内镜像源来加速下载过程。