Stable Diffusion WebUI Forge

Forge一个基于 Stable Diffusion WebUI（基于 Gradio）之上的平台，旨在让开发更加便捷，优化资源管理，加速推理过程，并探索实验性功能。

“Forge”这个名字的灵感来自《Minecraft Forge》。该项目的目标是成为 SD WebUI 的 Forge。

Forge 当前基于 SD-WebUI 1.10.1 版本的这个提交（commit）。由于原版 SD-WebUI 目前更新较少，Forge 每 90 天或在有重要修复时与原版 WebUI 同步。

项目原地址:

#Stable Diffusion WebUI Forge - Github

一、项目环境:

在以下环境中搭建该项目:

二、用户与权限设立

我们将创建一个名为 epors 的用户账户，并为其创建一个名为 sdgroup 的用户组。同时，我们将把该用户和用户组添加到 sudo 权限中，以便能够执行需要管理员权限的操作。

创建用户组

首先，使用以下命令创建一个名为 sdgroup 的用户组：

sudo groupadd sdgroup

创建用户

接下来，使用以下命令创建名为 epors 的用户，并将其添加到 sdgroup 用户组中：

sudo useradd -m -G sdgroup epors

• -m 选项用于创建用户的主目录。
• -G 选项用于将用户添加到指定的用户组。

设置用户密码

sudo passwd epors

根据提示输入并确认新密码。

添加用户sudo权限

最后，将 epors 用户添加到 sudo 权限中，以便能够执行具有管理员权限的命令：

sudo usermod -aG sudo epors

三、获取 Stable Diffusion Forge

在本章节中，我们将从 GitHub 上克隆 Stable Diffusion Forge 项目到本地，并设置开发环境。

切换用户和进入个人文件夹

首先，切换到 epors 用户并进入该用户的个人文件夹：

su - epors
cd ~/

克隆项目

接下来，使用以下命令克隆 Stable Diffusion Forge 项目：

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git

进入项目目录

克隆完成后，进入项目目录：

cd stable-diffusion-webui-forge

四、创建虚拟环境

Conda:

如果你和我一样使用的是 Conda 环境，请使用以下命令创建名为 forge 的虚拟环境，并激活它：

conda create -n forge python=3.11
conda activate forge

Python:

如果你不是使用 Conda，可以使用以下命令创建虚拟环境：
确保你的Python为3.11版本

python -m venv venv
source venv/bin/activate

安装依赖

然后，通过以下命令安装项目所需的依赖：

pip install -r requirements_versions.txt

五、启动项目

如果你有基础大模型.checkpoint文件，启动项目之前强烈建议将基础模型放入指定文件夹内，避免启动时下载模型花费时间。

models目录详解作用

models/
├── Codeformer               # 用于图像修复的 Codeformer 模型
├── ControlNetPreprocessor    # 用于控制网络的预处理器
├── GFPGAN                   # 用于图像修复的 GFPGAN 模型
├── Stable-diffusion         # 存放稳定扩散模型文件
├── VAE-approx               # 近似变分自编码器（VAE）模型
├── deepbooru                # Deepbooru 标签生成器相关文件
├── hypernetworks            # 存放超网络模型
├── svd                      # 奇异值分解（SVD）相关文件
├── z123                     # 其他未分类文件或模型
├── ControlNet               # 存放控制网络模型
├── ESRGAN                   # 超分辨率图像生成的 ESRGAN 模型
├── Lora                     # 存放 Lora 网络文件
└── VAE                      # 存放变分自编码器（VAE）模型

• 大模型一般放在 Stable-diffusion
• LORA项目文件放在 Lora
• VAE文件放在 VAE

最后，使用以下命令启动项目，并等待 Forge 自动配置：

一般来说可以直接尝试启动

python launch.py --listen --port 29090

至此，你可以通过浏览器访问http://localhost:29090 来运行 Stable Diffusion Forge。

个人参数与GPU选择:

假设你和我的环境一样拥有许多GPU，但是只需要用指定的某个GPU运行，可以在运行前输入一段环境变量设置：

选择第0号GPU

export CUDA_VISIBLE_DEVICES=0

这样启动时会以nvidia-smi的第0号GPU运行

个人使用的启动参数：

python launch.py --listen --port 29090 --api --xformers --enable-insecure-extension-access --skip-torch-cuda-test --cuda-stream --opt-sdp-attention --force-enable-xformers --no-half

因为服务器性能很强劲，这里最大化利用资源的参数启动。

参数详解:

• --listen：

  • 启动服务器以监听来自客户端的请求。

• --port 29090：

  • 指定服务器监听的端口号，这里设置为 29090。你可以通过浏览器访问 http://localhost:29090 来访问该服务。

• --api：

  • 启用 API 接口，允许通过 API 进行模型推理和其他操作。

• --xformers：

  • 启用 Xformers 库，这是一个用于优化模型的高效实现，通常可以提高运行性能和降低内存使用。

• --enable-insecure-extension-access：

  • 允许访问不安全的扩展（extensions）。通常，这个选项是在使用一些自定义或未经过认证的扩展时需要启用的。

• --skip-torch-cuda-test：

  • 跳过对 CUDA 的测试，适用于在某些环境中希望避免 CUDA 兼容性检查的情况。这可以加快启动过程，但需要确保 CUDA 安装正确。

• --cuda-stream：

  • 启用 CUDA 流，以实现更高效的计算和资源管理。使用流可以同时执行多个操作，从而提高性能。

• --opt-sdp-attention：

  • 启用优化的 SDP（Scaled Dot Product）注意力机制，通常用于提升模型的性能和计算效率。

• --force-enable-xformers：

  • 强制启用 Xformers，即使在某些情况下它可能未被检测到或支持，这可以确保其始终被使用。

• --no-half：

  • 禁用半精度浮点运算（FP16），通常用于提高数值稳定性和模型的兼容性，但会增加内存使用和计算负担。

六、其它启动参数：

配置类参数:

性能类参数:

通用类参数