资料主要来源：赛博佛祖们、AiDraw、知乎 以及其他网络资料的补充。
硬件要求
内存
建议使用不少于 16 GB 内存。在一些情况下，可能需要调高虚拟内存，以容纳模型文件。
存储
建议准备 40 GB 以上的可用硬盘空间。
(资料图片)
显卡型号
首先，很不幸地，因为需要用到 CUDA 加速，所以只有 英伟达显卡支持良好。（AMD 可以用但速度明显慢于英伟达显卡）
对于 Linux 系统 + AMD 显卡请阅读官方 AMD 安装指南和 AMD 安装 WebUI 指北
显卡速度天梯榜 https://docs.getgrist.com/3mjouqRSdkBY/sdperformance
检查配置
检查显卡驱动
通过nvidia-smi
判断 CUDA 是否可用。
检查 PyTorch 是否成功载入 CUDA
打开命令窗，输入 python进入，分行输入
python
import torchprint(torch.__version__)print(torch.cuda.is_available())
如果出现 True字样则正常。
查看 torch 对应的 CUDA 版本
python
import torchtorch.version.cuda
输入 Ctrl + Z 退出
如果出现了任何错误，请询问他人或使用搜索引擎解决。
多 GPU 支持
最简单的模式就是实现一个多数据并行处理的方法，通过 --device-id参数启动多个实例。每个 GPU 加载一个模型，然后给它们分配工作。
考虑到这个项目所提供的功能众多，我（作者）认为可能需要一段时间才能在并行的情况下使用所有的功能。
作者的回应
Using memory from between two GPUs is not simple. I only have one so I can't research/develop this.
16xx 系显卡使用半精度生成图片
1.激活 webui 使用的 venv，要在正确的虚拟环境里运行
2.卸载掉现在所用的 torch 和 torchvision：pip uninstall torch torchvision
3.重新安装 CUDA 11.6编译的 torch和 torchvision。
pip install torch torchvision --extra-index-url <https://download.pytorch.org/whl/cu116>
4.下载 CUDNN_8.5备用。
使用下载工具下载，直接下载会跳转到 NVIDIA 的开发者注册界面
Windows:
https://developer.nvidia.com/compute/cudnn/secure/8.5.0/local_installers/11.7/cudnn-windows-x86_64-8.5.0.96_cuda11-archive.zip
其他版本：
https://developer.nvidia.com/rdp/cudnn-archive
5.将 CUDNN 8.5 压缩包里的 bin 和 lib 文件夹里的所有文件复制到 venv\\Lib\\site-packages\\torch\\lib里，覆盖所有文件。
6.然后 16xx 系显卡也可以愉快地使用半精度生成图片了！大幅降低显存占用，6G 加载 Full 模型可以生成 1024x640 的图片。
但是，依然不能使用 DDIM Sampling，但可以使用 Euler a
SD本体安装
注意 : SD自己部署非常麻烦，建议小白使用大佬们的整合包，方便快捷。
整合包的安装
秋叶一键整合包：B站下载地址V4
星空一键整合包：B站下载地址2.17
启动器安装
启动器为独立于SD本体的一个小工具，将这个工具按照视频中的方式部署到SD文件夹中再打开它，它就能解决绝大多数的后续问题。
秋叶的启动器：【AI绘画】启动器正式发布！一键启动/修复/更新/模型下载管理全支持！
星空的启动器：【AI绘画 整合包 启动助手2.0 先行版】
模型获取方式
大家的模型基本都是在**抱脸（https://huggingface.co/）与C站（https://civitai.com/）**下载得到的。无论是谁网盘里的模型都有可能滞后，下不到最新的。所以有条件科学上网的建议直接去下载。
注，抱脸与github一样，都是开源分享社区，不是专门的AI模型分享网站，一般用于你知道模型名字然后去搜索的情况。如果是想像是刷视频一样看最近有啥新模型，只能去C站了。
如果实在没条件的，国内还有炼丹阁**（https://models.paomiantv.cn/models）（https://www.liandange.com/）**，内容可能稍微少一点。
模型整理技巧（来源chuck的知乎）
1.文件夹结构
可以从收集模型之初就设计好文件夹结构，按层级划分。在使用的时候会发现模型列表中，文件名的前缀就变成了你想要的备注，一定程度上实现了整理的目的。
不单是CKPT大模型，Embeding,Hypernetwork,原生lora,都可以用这套方式整理。整理后在界面中就会出现次级分类按钮，可以点击对应按钮调用。
另外，善用搜索按钮可以更快速度找到想要的东西
注意事项：
1.这种方式不适配lora插件，建议可以将常用的lora放在lora插件文件夹下，人物等需要经常更换的lora放在原生lora文件夹下。
2.部分lora需要触发词，如果太久不用了，建议去C站再次搜索了解触发词，或是在文件夹根目录留下一个文件以记录相关信息。3.如果你已经使用了C站助手，记得在整理文件时，连带着C站助手产生的两个文件一起移动到新文件夹中。可以不用再生成一次预览图，避免额外产生多余的文件。
2.Civitai Helper（C站助手）
C站助手可以自动检测所有已经安装的工具并从C站抓取封面作为预览图。
功能
中文介绍视频(非官方)
扫描所有模型，从Civitai下载模型信息和预览图
通过civitai模型页面url，连接本地模型和civitai模型信息
通过Civitai模型页面url，下载模型(含信息和预览图)到SD目录或子目录。
下载支持断点续传
批量检查本地模型，在civitai上的新版本
直接下载新版本模型到SD模型目录内(含信息和预览图)
修改了内置的"Extra Network"模型卡片，每个卡片增加了如下功能按钮:
: 修改文字"replace preview"为这个图标
: 在新标签页打开这个模型的Civitai页面
: 一键添加这个模型的触发词到关键词输入框
: 一键使用这个模型预览图所使用的关键词
以上额外功能按钮支持thumbnail模式
增加一直显示按钮的选项，以供触屏用户使用
安装方式：
https://github.com/butaixianran/Stable-Diffusion-Webui-Civitai-Helper.git
前往C站搜索 civitai helper 或者在作者 github上 或是 直接百度网盘下载 下载链接：https://pan.baidu.com/s/12H64OAt4CCXxrKS2KPcz2Q?pwd=vhfx提取码：vhfx
方式一：
点击下载 → 打开压缩包，并将文件解压到SD根目录下的./extension 文件夹下 →打开stable diffusion里验证安装情况
方式二：运行启动器，在stable diffusionUI界面中找到扩展
在扩展中找到<从网址安装>
输入https://github.com/butaixianran/Stable-Diffusion-Webui-Civitai-Helper.git
当出现如下提示，则表示插件安装完成
