fast-stable-diffusion：3 个 Notebook 在 Colab 一键搭好 Stable Diffusion、ComfyUI 与 DreamBooth
项目地址: https://gitcode.com/gh_mirrors/fa/fast-stable-diffusion 想在云 GPU 上跑 Stable Diffusion，装依赖、编译 tcmalloc、配模型路径，环境配半天界面还没起来？fast-stable-diffusion 把全部依赖预打包好，用 3 个 Colab Notebook 一键拉起 ComfyUI、A1111 网页版和 DreamBooth 训练。
10 分钟跑通：Stable Diffusion 的 Colab 最快安装步骤
git clone https://gitcode.com/gh_mirrors/fa/fast-stable-diffusion
接着把仓库里的 fast_stable_diffusion_ComfyUI.ipynb 导入 Google Colab，选择 GPU 运行时，从上到下逐个执行单元格即可：连接 Google Drive → 安装环境 → 下载模型 → 在最后的启动单元格里填上 Ngrok_Token，运行后会给出一个公网地址，浏览器打开就是 ComfyUI 界面。
环境提示：需要 GPU 运行时（建议 Colab Pro，内存更大）；首次运行会下载数 GB 的模型，提前确认 Google Drive 有足够空间；启动界面依赖 ngrok 隧道，需自备 ngrok token。
幕后机制：这个环境为什么装得这么快
📦 预打包依赖：跳过 apt 和 pip 的等待
Colab 里现装系统包和 Python 包动辄十分钟，这个仓库把常用二进制依赖直接放进 Dependencies/，Notebook 按清单文件批量安装，像预装好系统盘一样直接可用：
wget -q -i Dependencies/A1111.txt # 清单文件列出所有 .deb
dpkg -i *.deb # 一次性安装系统依赖
tar -C / --zstd -xf gcolabdeps.tar.zst # 解压预编译好的 Python 环境
⚡ 打了补丁的 tcmalloc：给显存内存"断舍离"
显存不够用时，PyTorch 常被内存碎片拖垮。Notebook 会现场编译 gperftools 2.5 的 tcmalloc，并用 AUTOMATIC1111_files/Patch 打上补丁（补上 aligned_alloc 等符号覆盖），再通过 LD_PRELOAD 注入，让内存分配更紧凑，小显存 GPU 也不容易 OOM。
🔑 三个 Notebook 同一套骨架：4 步走
三个 Notebook 单元格结构完全一致：Connect Google Drive → 安装/更新仓库 → 下载模型（可顺带下载 LoRA）→ 启动服务。你只需改一个参数选模型：
Model_Version = "SDXL" # 可选项：SDXL / 1.5 / v1.5 Inpainting / flux
MODEL_LINK = "" # 或直接贴模型下载链接
LoRA_LINK = "" # 贴 LoRA 链接，自动放进对应 models 目录
🧠 DreamBooth 的 Session 机制：训练状态全存 GDrive
DreamBooth Notebook 用 Session_Name 建一个训练会话，实例图、caption、训练中的 .ckpt 都存在 GDrive/Fast-Dreambooth/Sessions/ 下。会话存在就加载、不存在就新建，还可选用某个中间检查点续训，甚至从别人的共享盘链接导入会话。
场景地图：3 个 Notebook 与内置功能清单
| 功能 | 解决什么问题 | 适合谁 | 难度 |
|---|---|---|---|
fast_stable_diffusion_ComfyUI.ipynb | 拉起 ComfyUI 工作流界面，支持 SDXL/1.5/flux | 用工作流出图的用户 | 低 |
fast_stable_diffusion_AUTOMATIC1111.ipynb | 拉起 A1111 网页版，带 ControlNet 扩展安装单元 | 依赖插件生态的用户 | 低 |
fast-DreamBooth.ipynb | 十几张图微调出专属模型，带智能裁剪与 caption 编辑 | 想训练个人角色、人脸的用户 | 中 |
| 模型/LoRA 下载单元 | 支持 civitai / Google Drive / huggingface 链接直连下载 | 频繁换模型的用户 | 低 |
| ControlNet 单元（A1111 版） | 按选单下载 Canny、Depth、OpenPose 等模型 | 想做结构控制出图的用户 | 中 |
| ngrok 公网隧道 | 没有固定公网服务器也能在本地浏览器访问界面 | 个人玩家 | 低 |
动手进阶：DreamBooth 专属模型训练实战
🔧 调参思路：先少训，逐步加。导入 fast-DreamBooth.ipynb 后，先建会话、上传实例图（可勾选 Smart_Crop_images 自动裁剪），需要精确描述时给图片配同名 .txt 外部 caption；人脸训练则不建议加 caption。然后按下面参数跑第一版：
Session_Name = "my_face" # 已存在则加载会话，否则新建
Smart_Crop_images = True # 自动智能裁剪
Crop_size = 512 # 可选 512~1024
UNet_Training_Steps = 1500 # 10 张图起步值，设 0 可只训 text_encoder
Text_Encoder_Training_Steps = 350
UNet_Learning_Rate = "2e-6" # 偏小，防过拟合
Text_Encoder_Learning_Rate = "1e-6"
结果不满意时勾选 Resume_Training 续跑 200 步再测，比一次拉满更稳。
常见问题排查表
| 现象 | 原因 | 处理 |
|---|---|---|
| 界面启动报显存不足 | 内存碎片化，tcmalloc 未生效 | 确认 Requirements 单元完成 tcmalloc 加载；换更大显存的 GPU 或开 Use_Temp_Storage |
| 拿到 ngrok 地址打不开 | Ngrok_Token 没填 | 填自己的 ngrok token 后重跑启动单元 |
| 提示 Wrong link | 链接不属于 civitai / drive / huggingface 域名 | 换支持的链接，或把模型先放进 GDrive 再贴链接 |
| GDrive 空间告急 | 多个 Session 与中间 checkpoint 堆积 | 用 Free Gdrive Space 单元挑选会话删除 |
| 训练后人物变形、细节糊 | 步数过多或学习率偏大 | 用 Resume_Training 小步续训，调低学习率重试 |
生态与延伸：关键模块路径速查
- fast_stable_diffusion_ComfyUI.ipynb：ComfyUI 一键部署，可下载 LoRA 与 flux 模型
- fast_stable_diffusion_AUTOMATIC1111.ipynb：A1111 部署 + ControlNet 扩展与模型选装
- fast-DreamBooth.ipynb：DreamBooth 训练、会话管理与磁盘清理
- Dependencies/：预打包 .deb（含 git-lfs、zstd、cloudflared）与依赖清单 A1111.txt、aptdeps.txt、dbdeps.txt
- AUTOMATIC1111_files/：A1111 定制补丁，含 blocks.py、paths.py、styles.py 与 Patch
- Dreambooth/：模型转换脚本（convertodiffv1.py 等，把 checkpoint 转为 diffusers 格式）、智能裁剪 smart_crop.py、人物检测 det.py、下载缓存 hub.py、管线配置 model_index.json
- 延伸方向：仓库自带 cloudflared 的 deb 包，可把 ngrok 隧道换成 cloudflared；DreamBooth 训出的模型可经转换脚本导出，直接在 ComfyUI 工作流中使用
结尾
回到开头那个痛点：过去配一套 SD 环境要折腾半天，现在从 clone 到出界面只要跑一遍 Notebook 的时间。下一步就按这条路径走：先用 ComfyUI Notebook 跑通 SDXL 出图，确认流程没问题后，再用 DreamBooth Notebook 建一个你自己的 Session，上传十几张图，训练你的第一个专属模型。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
