（二）Ubuntu22.04+Stable-Diffusion-webui AI绘画 中英双语插件安装

原创 已于 2024-11-26 10:00:52 修改 · 680 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#stable diffusion #AI作画

于 2024-11-21 20:08:59 首次发布

一、说明

看情况添加

二、双语安装

双语插件
https://github.com/journey-ad/sd-webui-bilingual-localization
中文语言包
https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN

先装中文语言包

错误：AssertionError: extension access disabled because of command line flags

添加命令行参数：在export COMMANDLINE_ARGS参数中增加--enable-insecure-extension-access参数

两种方式

一种：./webui.sh  --enable-insecure-extension-access

二种：

nano webui-user.sh
export COMMANDLINE_ARGS="--listen --xformers --enable-insecure-extension-access"

重新运行

./webui.sh

最低0.47元/天 解锁文章
（八）腾讯cloudstudio+Stable-Diffusion-webui AI绘画教程-安装插件
浪淘沙jkp的专栏
12-08 1240
安装了，还不会用。算做个笔记痛点就是免费cloudstudio 空间小啊t=O83A（二）Ubuntu22.04+Stable-Diffusion-webui AI绘画 中英双语插件安装-优快云博客https://blog.csdn.net/jiangkp/article/details/143953307。
用 vLLM 在两张 RTX 3090 上部署 Qwen2.5-14B BF16全量大模型的完整过程
博客虽小，世界尽在其中
07-03 3170
在大模型落地应用愈发火热的今天，如何在消费级显卡设备上高效部署百亿参数级别的大语言模型成为开发者关注的焦点。本文基于两张 NVIDIA RTX 3090 显卡，实战演示了如何使用 vLLM 高性能推理框架部署 Qwen2.5-14B 全量大模型。文章不仅详细讲解了 vLLM 的安装与配置流程，还深入解析了其核心技术（如 Tensor Parallel 和 PagedAttention）如何提升推理吞吐与显存利用率。通过启动参数配置、OpenAI API 接口调用、显存优化与多卡协同等关键实践，读者将全面掌握
Stable Diffusion WebUI 汉化 Ubuntu 22.04平台
hknaruto的专栏
07-06 864
Localization中选择zh_CN，点击Apply settings 按钮，然后点击Reload UI。在Extensions中，查看状态，已经列出来汉化扩展。点击Settings->User interface。下载汉化扩展到extension目录。
最完整指南：fast-stable-diffusion多语言教程协作计划
gitblog_00290的博客
09-15 710
- 掌握多语言文档协作流程与工具链 - 学习SD模型本地化部署的最佳实践 - 获得自动翻译质量评估矩阵 - 参与开源项目文档贡献的实战路径 ## 项目背景与痛点 Stable Diffusion（稳定扩散，SD）作为近年来AI图像生成领域的革命性技术，其开源生态系统正以惊人速度扩张。fast-stable-diffusion项目作为该领域的重要实现，提供了包括ComfyUI、AUTOMATIC...
原创：旗舰游戏显卡(980Ti,1080Ti,TiTan V,2080Ti,3090,4090)，AI画图stable diffusion)和大模型(chatglm2-6b)推理性能横评
herowu的专栏
10-25 3331
几乎就是专业的Tesla V100仅仅把HBM2的显存带宽从4096 bit减到3072bit，并且把16G/32G显存砍到12G显存（当然还有极少量的CEO限量版32G TiTan V），其它什么都没有变的Tesla V100，特别是双精度FP64 (double)居然有7.450 TFLOPS，直到今天的4090双精度也才1,290 GFLOPS，差不多强6倍的能力更不要说其它2080Ti,3090了。在大模型测试中由于有24G显存确实很多模型都可以跑起来很爽，是一张性价比很高的大模型卡。
手把手教你部署并使用国产开源大模型ChatGLM3-6B
2301_81940605的博客
04-09 3376
手把手教你部署并使用国产开源大模型ChatGLM3-6B
（五）Ubuntu22.04+Stable-Diffusion-webui AI绘画 模型转换插件安装及其使用
浪淘沙jkp的专栏
11-26 518
这是秋叶大佬开发的一个插件，秋叶整合包中自带。如果你的 Stable Diffusion WebUI 中没有这个插件，请使用下面这个地址安装，安装完成之后别忘了重启 WebUI。模型转换插件。
（三）Ubuntu22.04+Stable-Diffusion-webui AI绘画 高质量的提示词插件安装
浪淘沙jkp的专栏
11-21 349
dynamic prompts插件：这个插件可以自动生成高质量的提示词，帮助生成精美的图片。
在Ubuntu22.04 使用stable-diffusion-webui 秋叶整合包
喵十八的修行记录
06-22 3330
众所周知，赛博菩萨已经发布了windows下的，开箱即用，且集成度较高。那我为啥非要在Ubuntu下使用呢？当然是因为主力机就是Ubuntu系统啦。而且涉及到sd webui API 的调用，在Ubuntu 下调试更加方便一点。那有没有可以在Ubuntu下使用的方式呢？相比之下，方法一可能还会遇到一些网络问题，所以，我选择了更偷懒的方法二。分析一下整合包的内容，其实就多了windows 下的git 和 python 的环境。
（一）Ubuntu22.04服务器端部署Stable-Diffusion-webui AI绘画环境
浪淘沙jkp的专栏
11-16 1919
cup型号： Intel(R) Celeron(R) CPU G1610 @ 2.60GHz内存大小： 7.5Gi 356Mi 4.6Gi 1.0Mi 2.6Gi 6.8Gi显卡型号：NVIDIA P104-100注意：系统睡眠问题。
stable diffusion搭建指南
qq_17009639的博客
12-13 1208
Stable Diffusion系列课程上：安装、提示词入门、常用模型（checkpoint、embedding、LORA）、放大算法、局部重绘、常用插件。启动命令增加 --enable-insecure-extension-access。从模型下载网站下载相关的模型文件，上传到相应目录即可，最著名最多模型的也就是c站，ubuntu部署stable-diffusion-webui。因为webui.sh会下载一个新项目，所以会多一级目录。2.lora（微调模型，基于大模型做一些参数微调）
Stable Diffusion Web UI 整合包一键安装教程：Windows/Mac零基础部署AI绘画工具
ai_xiaogui的博客
12-14 304
《StableDiffusionWebUI一键整合包发布》摘要：专为AI绘图初学者设计的StableDiffusionWebUI整合包正式推出，支持Windows/macOS平台一键部署。该整合包包含核心程序、WebUI界面及SDXL等预装模型，无需配置Python/Git环境。具备12GB显存即可流畅运行，内置ComfyUI节点流程和SteadyDancer等插件，支持图像动画生成。实测在RTX30系列显卡上可快速生成高质量图像，10-20秒动画处理无卡顿。用户可通过AIStarter平台免费下载5-10
阿里推出Qwen-Image-i2L开源工具：AI绘画的个性化革命来了
攻城狮7号的博客
12-12 1395
曾几何时，为AI绘画模型定制一个专属风格（LoRA），是一项需要几十张图片、专业硬件和数小时等待的“炼丹”工程，门槛高得让普通人望而却步。阿里通义实验室开源的Qwen-Image-i2L，则彻底将这一过程的复杂度从“炼丹”压缩到了“泡一杯茶”的时间。它通过革命性的“单图生LoRA”技术，将风格定制的权力下放给了每一位创作者。本文将深入剖析其背后的“风格拆解术”，探讨这一工具如何将AI个性化创作的门槛降至冰点，以及这场由效率驱动的革命，将为设计师、营销人员和艺术家们带来怎样的全新可能。
【浏览器扩展开发】基于TensorFlow.js的智能网页数据标注工具设计：毕业设计中的NLP与前端融合应用
12-17
内容概要：文章以“智能网页数据标注工具”为例，深入探讨了谷歌浏览器扩展在毕业设计中的实战应用。通过开发具备实体识别、情感分类等功能的浏览器扩展，学生能够融合前端开发、自然语言处理（NLP）、本地存储与模型推理等技术，实现高效的网页数据标注系统。文中详细解析了扩展的技术架构，涵盖Manifest V3配置、内容脚本与Service Worker协作、TensorFlow.js模型在浏览器端的轻量化部署与推理流程，并提供了核心代码实现，包括文本选择、标注工具栏动态生成、高亮显示及模型预测功能。同时展望了多模态标注、主动学习与边缘计算协同等未来发展方向。; 适合人群：具备前端开发基础、熟悉JavaScript和浏览器机制，有一定AI模型应用经验的计算机相关专业本科生或研究生，尤其适合将浏览器扩展与人工智能结合进行毕业设计的学生。; 使用场景及目标：①掌握浏览器扩展开发全流程，理解内容脚本、Service Worker与弹出页的通信机制；②实现在浏览器端运行轻量级AI模型（如NER、情感分析）的技术方案；③构建可用于真实场景的数据标注工具，提升标注效率并探索主动学习、协同标注等智能化功能。; 阅读建议：建议结合代码实例搭建开发环境，逐步实现标注功能并集成本地模型推理。重点关注模型轻量化、内存管理与DOM操作的稳定性，在实践中理解浏览器扩展的安全机制与性能优化策略。
基于Gin+GORM+Casbin+Vue.js的权限管理系统设计与实现(源码+论文)
12-17
基于Gin+GORM+Casbin+Vue.js的权限管理系统是一个采用前后端分离架构的企业级权限管理解决方案，专为软件工程和计算机科学专业的毕业设计项目开发。该系统基于Go语言构建后端服务，结合Vue.js前端框架，实现了完整的权限控制和管理功能，适用于各类需要精细化权限管理的应用场景。 系统后端采用Gin作为Web框架，提供高性能的HTTP服务；使用GORM作为ORM框架，简化数据库操作；集成Casbin实现灵活的权限控制模型。前端基于vue-element-admin模板开发，提供现代化的用户界面和交互体验。系统采用分层架构和模块化设计，确保代码的可维护性和可扩展性。 主要功能包括用户管理、角色管理、权限管理、菜单管理、操作日志等核心模块。用户管理模块支持用户信息的增删改查和状态管理；角色管理模块允许定义不同角色并分配相应权限；权限管理模块基于Casbin实现细粒度的访问控制；菜单管理模块动态生成前端导航菜单；操作日志模块记录系统关键操作，便于审计和追踪。 技术栈方面，后端使用Go语言开发，结合Gin、GORM、Casbin等成熟框架；前端使用Vue.js、Element UI等现代前端技术；数据库支持MySQL、PostgreSQL等主流关系型数据库；采用RESTful API设计规范，确保前后端通信的标准化。系统还应用了单例模式、工厂模式、依赖注入等设计模式，提升代码质量和可测试性。 该权限管理系统适用于企业管理系统、内部办公平台、多租户SaaS应用等需要复杂权限控制的场景。作为毕业设计项目，它提供了完整的源码和论文文档，帮助学生深入理解前后端分离架构、权限控制原理、现代Web开发技术等关键知识点。系统设计规范，代码结构清晰，注释完整，非常适合作为计算机相关专业的毕业设计参考或实际项目开发的基础框架。 资源包含完整的系统源码、数据库设计文档、部署说明和毕
【上海房数据】爬虫 + 可视化分析 落地即用爆款！.zip
12-17
【上海房数据】爬虫 + 可视化分析 落地即用爆款！.zip
（Mathcad+Simulink仿真）基于扩展描述函数法的LLC谐振变换器小信号分析设计
12-17
（Mathcad+Simulink仿真）基于扩展描述函数法的LLC谐振变换器小信号分析设计内容概要：本文介绍了基于扩展描述函数法的LLC谐振变换器小信号分析设计方法，结合Mathcad与Simulink仿真工具，对LLC谐振变换器进行建模与动态特性分析。通过扩展描述函数法提取系统在不同工作条件下的小信号模型，进而实现精确的频域分析与控制器设计，提升变换器在宽输入电压和负载变化范围内的稳定性与动态响应性能。文中详细阐述了建模思路、数学推导过程及仿真验证步骤，展示了理论分析与工程实践的有效结合。; 适合人群：具备电力电子、自动控制基础知识，熟悉Matlab/Simulink和Mathcad工具，从事开关电源、DC-DC变换器或新能源系统研发的工程师及研究生。; 使用场景及目标：①掌握LLC谐振变换器的小信号建模方法；②理解扩展描述函数法在非线性系统线性化中的应用；③实现高精度控制器设计并完成仿真验证；④支撑科研复现、课程设计或实际工程项目开发； 阅读建议：建议读者结合文档中的Mathcad计算文件与Simulink模型同步操作，重点理解扩展描述函数法的核心思想与实现步骤，注意参数敏感性分析与仿真结果对比，以深化对LLC小信号特性的理解。
微信客服系统实战，容联云发送短信实战 （代码实战）
最新发布
12-17
微信客服系统实战，容联云发送短信实战。
SAP LSMW录屏批量导入SOP
12-17
内容概要：本文详细介绍了如何使用SAP系统的LSMW（Legacy System Migration Workbench）工具进行数据迁移与批量初始化操作，重点演示了通过录屏方式（Batch Input Recording）实现用户密码批量导入的全过程。文档从创建项目、子项目到对象的树状结构配置入手，逐步讲解定义对象属性、源结构、源字段、字段映射与转换规则、文件指定与分配、数据读取与转换、创建批输入会话及执行后台任务等15个步骤，并结合实际案例展示了操作流程及常见错误处理方法，如用户不存在导致的失败及其后续修正。整个过程强调数据格式规范、字段匹配准确性以及日志分析的重要性。; 适合人群：熟悉SAP基本操作，具备一定系统配置经验的ABAP开发人员或SAP Basis运维人员，尤其是需要进行数据迁移或批量数据处理的技术支持人员； 使用场景及目标：①用于企业系统升级、数据迁移或初始化阶段的大规模用户管理数据导入；②掌握LSMW工具在批量维护用户密码等业务场景中的应用流程与关键技术点，提升自动化处理能力； 阅读建议：此资源以实操为导向，建议读者结合SAP测试系统同步演练每一步操作，重点关注录屏设置、字段映射、文件格式分隔符选择及日志排查技巧，确保理解每个步骤的作用与潜在风险。
stable-diffusion-webui安装webui.bat报错
02-17
### stable-diffusion-webui webui.bat 安装 报错 解决方案 #### 错误分析 当遇到 `webui-user.bat` 启动 Stable Diffusion WebUI 时报错 `RuntimeError: Torch is not able to use GPU`，这通常意味着 PyTorch 未能成功检测到可用的 GPU 设备[^1]。 #### 可能原因及解决方案 #### 驱动程序不兼容或未更新 确保已安装最新的 NVIDIA 显卡驱动程序。旧版本可能与当前使用的 CUDA 版本存在冲突，从而阻止 PyTorch 正常访问 GPU 资源。建议前往[NVIDIA官方网站](https://www.nvidia.cn/Download/index.aspx)下载并安装最新版显卡驱动。 #### CUDA 和 cuDNN 不匹配 Stable Diffusion WebUI 的正常运行依赖于特定版本的 CUDA Toolkit 和 cuDNN 库。如果这些库的版本号不符合要求，则可能导致上述错误发生。可以尝试重新安装适合所用硬件环境的最佳组合： - 对于大多数情况而言，CUDA 11.x 是较为通用的选择； - 确认 cuDNN 的版本需与选定的 CUDA 版本相适配； 具体操作指南可参照官方文档说明进行设置[^2]。 #### Python 环境变量配置不当 有时由于路径设置问题也会引发此类异常。检查系统的 PATH 环境变量中是否包含了指向正确位置下的 Miniconda 或 Anaconda 文件夹及其 Scripts 子目录。此外还需确认 Conda Base (root) 已被激活以便顺利调用 conda 命令来管理虚拟环境中所需的包资源。 #### 使用预构建镜像简化部署流程 对于希望快速搭建开发测试平台而不愿花费过多精力处理底层依赖关系调整的朋友来说，采用 Docker 容器化技术不失为一种高效途径。特别是针对 Mac 用户提到过的 [stable-diffusion-webui-forge][^3] 这样的项目提供了更为简便的一键式安装体验，极大降低了初次接触者的入门门槛。 ```bash docker pull automatic1111/stable-diffusion-webui docker run -d --name sd-webui -p 7860:7860 automatic1111/stable-diffusion-webui ``` 通过以上几种方式应该能够有效解决大部分因 GPU 支持缺失而导致的问题。当然实际场景下还可能存在其他潜在因素影响最终效果，因此在排查过程中保持耐心逐步验证每一个环节直至找到确切根源所在是非常重要的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值