Stable Diffusion是一种AI模型，它经过训练可以逐步对随机高斯噪声进行去噪以生成所需要的图像，目前可以在国内云服务器商阿里云提供的GPU云服务器上进行部署。本文着重为大家介绍使用阿里云GPU云服务器搭建Stable Diffusion模型，并基于ControlNet框架，快速生成特定物体图片。
本文涉及到的阿里云云服务：GPU云服务器
阿里云GPU云服务器是提供GPU算力的弹性计算服务，具有超强的计算能力，服务于深度学习、科学计算、图形可视化、视频处理多种应用场景。
阿里云GPU云服务器购买方案推荐
《点击进入官网选购》
一、创建阿里云GPU云服务器
之前已经为大家介绍了通过控制创建的方法（适用于Windows系统），本文为大家介绍FastGPU方式（适用于Linux系统或macOS系统）。
FastGPU是一套阿里云推出的人工智能计算极速部署工具，用户可以通过其提供的便捷的接口和自动工具，实现人工智能训练和推理任务在阿里云IaaS资源上的快速部署。
1、登录客户端，用户的ECS实例、本地机器、阿里云Cloud Shell工具等均可以作为客户端安装FastGPU来构建人工智能计算任务。
2、执行以下命令，安装FastGPU软件包。
pip3 install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/fastgpu/fastgpu-1.1.5-py3-none-any.whl
3、执行以下命令，配置环境变量。
export ALIYUN_ACCESS_KEY_ID=**** # 填入您的AccessKey ID
export ALIYUN_ACCESS_KEY_SECRET=**** # 填入您的AccessKey Secret
export ALIYUN_DEFAULT_REGION=cn-beijing # 填入您希望使用的地域（Region）
4、执行以下命令，创建ECS实例。
本示例以创建1台实例规格为ecs.gn7i-c32g1.32xlarge的ECS实例为例，镜像类型为aiacc_train_solution。
fastgpu create --name aiacc_solution -i ecs.gn7i-c32g1.32xlarge --machines 1 --image_type aiacc_train_solution
5、执行以下命令，将本机公网IP的22端口添加到默认安全组中。
fastgpu addip -a
6、执行以下命令，开放7860端口。
fastgpu addip {aiacc_solution} 0.0.0.0/0 7860
以下命令示例表示向所有网段开放7860端口，开放后所有公网IP均可访问您的WebUI。您可以根据需要将0.0.0.0/0改为特定网段，仅允许部分IP地址访问WebUI。
fastgpu addip {aiacc_solution} 0.0.0.0/0 7860
7、执行以下命令，通过SSH连接创建的ECS实例。
fastgpu ssh task0.aiacc_solution
通过task{N}.aiacc_solution命令可以连接到创建的ECS实例，task{N}的N表示实例序号，0表示第1台实例，以此类推。您可以通过task{N}的N表示实例序号，0表示第1台实例，以此类推。fastgpu ls命令获取实例序号。
相关推荐：《如何购买阿里云服务器实例》
二、配置模型
1、访问ECS控制台>实例。
2、在页面左侧顶部，选择目标资源所在的资源组和地域。地域
3、单击目标实例ID进入实例详情页，单击远程连接。
4、在弹出的远程连接对话框中，单击通过Workbench远程连接对应的立即登录。
5、下载1.0.13版本sd_dreambooth_extension项目代码到/root/stable-diffusion-webui/extensions目录。
a.执行以下命令，切换到/root/stable-diffusion-webui/extensions目录。
cd /root/stable-diffusion-webui/extensions
b.访问sd_dreambooth_extension。
c.切换到1.0.13版本。
d.下载1.0.13版本sd_dreambooth_extension项目代码。
6、依次执行以下命令，下载文件。
wget https://aiacc-training.oss-cn-hangzhou.aliyuncs.com/sd_utils/train_dreambooth.py -O /root/stable-diffusion-webui/extensions/sd_dreambooth_extension/dreambooth/train_dreambooth.py
wget https://aiacc-training.oss-cn-hangzhou.aliyuncs.com/sd_utils/utils.py -O /root/stable-diffusion-webui/extensions/sd_dreambooth_extension/dreambooth/utils/utils.py
wget https://aiacc-training.oss-cn-hangzhou.aliyuncs.com/sd_utils/image_utils.py -O /root/stable-diffusion-webui/extensions/sd_dreambooth_extension/dreambooth/utils/image_utils.py
wget https://aiacc-training.oss-cn-hangzhou.aliyuncs.com/sd_utils/log_parser.py -O /root/stable-diffusion-webui/extensions/sd_dreambooth_extension/helpers/log_parser.py
7、依次执行以下命令，启动WebUI服务。
cd /root/stable-diffusion-webui
export HF_ENDPOINT=https://hf-mirror.com
source /root/stable-diffusion-webui/venv/bin/activate
python ./launch.py --listen --port 7860 --enable-insecure-extension-access --disable-safe-unpickle --xformers
WebUI服务成功启动后，回显信息类似如下所示。
8、在ECS实例页面，获取ECS实例的公网IP地址。
9、在浏览器中输入http://<ECS实例公网IP地址>:7860，访问WebUI。
三、利用阿里云GPU云服务器快速生成特定物体图片
仅使用预训练的权重的模型，只能生成与预训练数据集相似的图片。若您希望生成自定义的图片，可以通过Finetune自定义物体图片，使得模型生成所对应物体的图片。
1、创建模型权重。
a.单击DreamBooth页签，在Model区域，单击Create。
b.输入待生成的模型权重名称，例如：aliyun_example，并选择创建模型权重的来源v1-5-pruned-emaonly.safetensors[6ce0161689])。
c.单击Create Model，创建模型权重。
等待模型权重创建完成后，在Output区域会显示Checkpoint successfully extracted to/root/stable-diffusion-webui/models/dreambooth/aliyun_example/working。
2、设置训练参数。
a.单击Select，选择生成的模型权重aliyun_example。
b.选择Input区域，在Settings页签下，选中Use LORA，并调整训练参数。
- Training Steps Per Image(Epochs)：指训练的迭代次数。默认为100，可根据实际需要调整。
- Batch Size：训练数据的大小。默认为1，一般设置为1或2。
c.滚动鼠标将页面下拉，取消选中Gradient Checkpointing。
d.在Optimizer中选择Torch AdamW，Mixed Precision选择fp16或者no，Memory Attention选择xformers或者no，当Mixed Precision选择fp16时，才能选择xformers。
3、选择训练数据集。
a.在Input区域的Concepts页签下，在Dataset Directory中填入云服务器ECS中的数据集路径。
您可以将10张以内同一物体的图片上传到指定路径。
本示例中上传图片的路径为/root/stable-diffusion-webui/test_imgs。
b.在Training Prompts和Sample Prompts区域，配置以下参数。
- Instance Prompt：输入对数据集物体的描述，格式例如：a <物体名称> <物体类别>。本示例输入
a yunxiaobao doll。 - Class Prompt：输入数据集物体的类别，格式例如：a <物体类别>，本示例输入
a doll。 - Sample Image Prompt：输入和Instance Prompt参数一致的内容。本示例输入a yunxiaobao doll。
4、单击Train，在弹出的对话框中单击确定。
训练大约需要3分钟，请您耐心等待。训练完成后，在Output区域显示类似如下图片。
Finetune完成后，用户可以开始生成特定图片了。
5、单击txt2img，在Prompt框中输入a yunxiaobao doll wearing a red hat。
6、单击右侧的Generate，即可生成类似下图的图片。
以上就是本文为大家介绍的使用阿里云GPU云服务器搭建Stable Diffusion模型，并基于ControlNet框架，快速生成特定物体图片的完整流程，有需要的朋友可以了解一下。
