StableDiffusion-Infinity 项目环境配置全指南

StableDiffusion-Infinity 项目环境配置全指南

【免费下载链接】stablediffusion-infinity Outpainting with Stable Diffusion on an infinite canvas 项目地址: https://gitcode.com/gh_mirrors/st/stablediffusion-infinity

概述

StableDiffusion-Infinity 是一个基于 Stable Diffusion 图像修复（Inpainting）模型的开源项目，能够在无限画布上进行图像外绘（Outpainting）。本文将提供完整的环境配置指南，涵盖多种操作系统和部署方式。

环境要求

硬件要求

组件	最低要求	推荐配置
GPU	4GB VRAM	8GB+ VRAM (NVIDIA)
内存	8GB RAM	16GB+ RAM
存储	10GB 可用空间	20GB+ 可用空间

软件要求

• Python 3.10
• Conda (Miniconda 或 Anaconda)
• CUDA 11.6+ (NVIDIA GPU)
• OpenCV 开发库

安装方式对比

详细安装步骤

1. Conda 环境安装（推荐）

1.1 克隆项目仓库

git clone --recurse-submodules https://gitcode.com/gh_mirrors/st/stablediffusion-infinity
cd stablediffusion-infinity

1.2 创建 Conda 环境

# 使用环境配置文件（推荐）
conda env create -f environment.yml

# 或者手动创建环境
conda create -n sd-inf python=3.10
conda activate sd-inf

1.3 安装依赖包

# PyTorch 和相关库
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

# 基础科学计算库
conda install scipy scikit-image

# Hugging Face 相关库
conda install -c conda-forge diffusers transformers ftfy accelerate

# 其他必要依赖
pip install opencv-python
pip install -U gradio
pip install pytorch-lightning==1.7.7 einops==0.4.1 omegaconf==2.2.3
pip install timm

2. 操作系统特定配置

2.1 Linux 系统（NVIDIA GPU）

# 安装 OpenCV 开发库（用于 PatchMatch）
sudo apt-get update
sudo apt-get install -y libopencv-dev build-essential cmake

# 验证 CUDA 安装
nvidia-smi
nvcc --version

2.2 Windows 系统

# 替换 OpenCV 安装方式
conda install -c conda-forge opencv

# AMD GPU 用户需要额外安装
pip install onnxruntime-directml

2.3 macOS 系统

# 通过 Homebrew 安装 OpenCV
brew install opencv

# 或者编译安装
brew install cmake
git clone https://github.com/opencv/opencv.git
cd opencv && mkdir build && cd build
cmake .. && make -j8 && sudo make install

3. Docker 容器部署

3.1 准备 Docker 环境

# 进入 Docker 目录
cd stablediffusion-infinity/docker

# 运行 Docker 容器
./docker-run.sh

3.2 Docker 内部流程

4. 可选功能安装

4.1 光学校正功能（FPIE）

# 安装 Fast Poisson Image Editing
pip install fpie

# 注意：目前仅支持 Linux/macOS

4.2 模型文件配置

# 使用本地模型
python app.py --local_model ./models/your-model-directory

# 使用远程模型
python app.py --remote_model hakurei/waifu-diffusion-v1-3

配置验证和测试

环境验证脚本

#!/usr/bin/env python3
import torch
import cv2
import numpy as np
from diffusers import StableDiffusionInpaintPipeline

def check_environment():
    print("=== 环境配置验证 ===")
    
    # 检查 PyTorch 和 CUDA
    print(f"PyTorch 版本: {torch.__version__}")
    print(f"CUDA 可用: {torch.cuda.is_available()}")
    if torch.cuda.is_available():
        print(f"GPU 设备: {torch.cuda.get_device_name(0)}")
        print(f"CUDA 版本: {torch.version.cuda}")
    
    # 检查 OpenCV
    print(f"OpenCV 版本: {cv2.__version__}")
    
    # 检查关键库
    try:
        import diffusers
        print(f"Diffusers 版本: {diffusers.__version__}")
    except ImportError:
        print("❌ Diffusers 库未正确安装")
    
    print("=== 验证完成 ===")

if __name__ == "__main__":
    check_environment()

运行测试

# 激活环境
conda activate sd-inf

# 运行应用
python app.py

# 特殊参数模式
python app.py --fp32 --lowvram  # 32位浮点模式和低显存模式
python app.py --encrypt --ssl_keyfile key.pem --ssl_certfile cert.pem  # HTTPS模式

故障排除指南

常见问题及解决方案

问题现象	可能原因	解决方案
黑屏或黑色输出	安全检查器误报	禁用安全检查器或使用 --fp32
PatchMatch 不可用	OpenCV 开发库缺失	安装 libopencv-dev
CUDA 错误	PyTorch CUDA 版本不匹配	重新安装匹配版本的 PyTorch
内存不足	显存或内存不足	使用 --lowvram 或减小画布尺寸

性能优化建议

1. 显存优化：

   # 使用低显存模式
   python app.py --lowvram
   
   # 使用 FP32 模式（兼容性更好）
   python app.py --fp32
   

2. 画布尺寸控制：

   • 保持选择区域在 512x512 像素以内以获得最佳性能
   • 避免过度缩放画布

3. 模型选择：

   # 使用轻量级模型
   python app.py --remote_model smaller-model-name
   

高级配置

自定义键盘快捷键

编辑 config.yaml 文件来自定义快捷键：

shortcut:
  clear: Escape
  load: Ctrl+o
  save: Ctrl+s
  export: Ctrl+e
  upload: Ctrl+u
  selection: 1
  canvas: 2
  eraser: 3
  outpaint: d
  accept: a
  cancel: c

文本反转嵌入

将 .bin 嵌入文件放置在 embeddings 目录中即可自动加载。

维护和更新

环境更新

# 更新核心库
conda update -c conda-forge diffusers transformers ftfy accelerate

# 更新 Gradio
pip install -U gradio

# 重新创建环境（重大更新时）
conda env remove -n sd-inf
conda env create -f environment.yml

项目更新

# 拉取最新代码
git pull origin master

# 更新子模块
git submodule update --init --recursive

总结

StableDiffusion-Infinity 提供了多种部署方式，从简单的 Conda 环境安装到容器化的 Docker 部署。通过本指南，您应该能够：

1. ✅ 成功配置开发环境
2. ✅ 理解不同操作系统的特殊要求
3. ✅ 掌握故障排除和性能优化技巧
4. ✅ 进行高级配置和自定义

项目在 http://localhost:8888 启动后，您就可以开始使用这个强大的无限画布外绘工具了。如果在配置过程中遇到任何问题，请参考故障排除部分或查阅项目文档。

---

提示：首次运行时会自动下载模型文件，请确保网络连接稳定且有足够的存储空间。

【免费下载链接】stablediffusion-infinity Outpainting with Stable Diffusion on an infinite canvas 项目地址: https://gitcode.com/gh_mirrors/st/stablediffusion-infinity