Python&aconda系列：CUDA11.7安装-C盘杀手(含卸载和安装教程）

最新推荐文章于 2025-09-23 22:11:12 发布
最新推荐文章于 2025-09-23 22:11:12 发布
阅读量2.1k 收藏 19
点赞数 26
CC 4.0 BY-SA版权
分类专栏： # python 文章标签： python c语言 开发语言
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。
本文链接：https://blog.youkuaiyun.com/weixin_54626591/article/details/135055097
python 专栏收录该内容
333 篇文章 ¥99.90 ¥299.90
订阅专栏

CUDA11.7安装-C盘杀手(含卸载和安装教程）



0、下载前查询

①cuda版本支持查询

左下角win搜索nvidia打开nvidia控制面板>>系统信息（左下角）>>组件>>自己电脑支持的cuda

在这里插入图片描述
在这里插入图片描述

我的N卡支持11.7.101

②查看显卡算力：

CUDA GPU | NVIDIA Developer

拓展：

（tensorflow2.0要求算力不低于3.0）

NVDIA驱动程序需要410.x（含）更高版本

在这里插入图片描述</

了解本专栏 订阅专栏 解锁全文
分区助手，诸位c盘很小的C盘杀手，这个很好用免费的快下载
05-26
分区助手是一款磁盘分区管理工具，它可以帮助用户对硬盘进行分区、调整分区大小、合并分区、拆分分区、移动分区等操作。以下是分区助手的主要功能介绍： 1. 硬盘分区：分区助手可以帮助用户对硬盘进行分区，将硬盘分成多个逻辑分区，每个分区可以独立管理和使用。用户可以根据需要自由分配每个分区的大小和名称等。 2. 调整分区大小：分区助手可以帮助用户调整分区的大小，将一个分区扩大或缩小到合适的大小。用户可以通过分区助手调整分区大小，来满足不同的需求。 3. 合并分区：分区助手可以帮助用户将两个相邻的分区合并成一个分区，以便更好地管理和使用空间。 4. 拆分分区：分区助手可以帮助用户将一个分区拆分成两个或多个分区，以便更好地管理和使用空间。用户可以根据需要将分区进行拆分，以便更好地组织和管理数据。 5. 移动分区：分区助手可以帮助用户移动分区，将一个分区移动到另一个位置。用户可以通过分区助手移动分区，以便更好地组织和管理数据。 6. 备份和还原分区：分区助手可以帮助用户备份和还原分区数据。用户可以通过分区助手备份分区数据，以防数据丢失或损坏。如果数据丢失或损坏，用户可以通过分区助手恢复备份
超详细 CUDA 安装与卸载过程（图文教程）
热门推荐
qq_41946216的博客
12-25 3万+
通过查看，电脑的显卡配置为NVIDIA，Cuda最高版本是12.0，因此Cuda需要安装12.0或12.0以下版本。查看显卡是否是英伟达，如果是英伟达，则可以进行安装Cuda，否则不能安装Cuda。查看显卡大小，可以通过任务管理器查看，到性能中找gpu，发现显卡大小是8G。在dos创建输入命令：nvidia-smi。win+r 进入命令行，输入cmd。
ubuntu20.04安装cuda11.7和显卡驱动
herocheney的博客
01-06 2420
注：安装系统时没有选择边安装边更新，此处会缺依赖库。在最下面加入blacklist nouveau。输入命令，如果没有任何输出，证明禁用成功。2、安装cuda11.7。1、禁用nouveau。
windows安装多版本cuda11.7（cuda12.1）
m0_53931365的博客
09-23 1023
最近在部署3dgs,发现cuda12.1不能和torch2.0.0 torchvision0.15.0匹配，为此安装多版本cudacuda12.1安装流程，参考我之前发的笔记主要安装cuda11.7和cudnn,网址如下（需要梯子和注册nvidia账号）
04.1.CUDA11.7安装-C盘杀手(含卸载和安装教程）
Ama_tor的博客
09-15 2万+
内存条危！！我是安装在非C盘的,不知道为啥，过了1天我的C盘突然间就飚红了,心塞，所以推荐你们用自定义安装。
安装 python cuda
蒜法
05-12 1395
RTFM 看他们的说明书! what is RTFM? https://en.wikipedia.org/wiki/RTFM RTFM is an initialism and internet slang for the expression “read the fucking manual” – typically used to reply to a basic question where the answer is easily found in the documentation, user
ubuntu安装cuda11.7
重剑无锋博客
03-06 686
ubuntu安装cuda11.7
虚拟环境conda安装cuda11.7和cudnn和pytorch
weixin_44589524的博客
07-11 1万+
关于版本问题，博主先安装的是cu116的版本对应的torch，但之后在安装cudnn时发现只能安装CUDA11.7，为了防止pytorch与cuda版本不对应，于是就卸载重装。再下载对应的cudnn，一定要先下载cudatoolkit再下cudnn，否则在下载cudnn时会同时下载cudatoolkit，导致版本问题！网上安装cudatoolkit有很多方法，但大多已不使用，最便捷的方式是通过官网指令下载。安装完后应显示如图则表示安装成功。但此时环境中仍没有cuda如图。于是在anaconda官网。
最新在Anaconda环境下安装pytorch以及cuda！！！
weixin_43982461的博客
10-31 4548
最新在Anaconda环境下安装pytorch以及cuda！！！
YOLOv11 安装全攻略：PyTorch 与 CUDA 环境搭建详解（含 pip/conda 命令 + 依赖检查指南）（一）
本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。
06-21 2260
本文介绍了YOLOv11目标检测模型的环境配置要求，重点分析了PyTorch与CUDA版本的兼容性问题。YOLOv11需要稳定的深度学习环境，推荐使用Linux系统、Python 3.9+、兼容的PyTorch版本（建议2.x）和CUDA工具包（11.7+），以及12GB以上显存的GPU。文章提供了PyTorch与CUDA版本对照表，并介绍了四种安装策略和验证兼容性的Python代码。最后强调了正确配置环境对发挥YOLOv11最佳性能的重要性。
python3.7安装、Anaconda安装、更新驱动CUDA11.7、安装GPU版本的pytorch
Ling_Ze的博客
09-19 8452
python3.7安装、Anaconda安装、更新驱动CUDA11.7、安装GPU版本的pythorch
【报错解决】CondaHTTPError: HTTP 000 CONNECTION FAILED for url ＜https://repo.anaconda.com/pkgs/main/nux-64
m0_64007201的博客
10-12 1万+
【报错解决】CondaHTTPError
CUDA python 3.9 安装
m0_48176714的博客
03-02 619
CONDA安装
Ubuntu22.10安装cuda11.7,cudnn11.x以及anaconda3
weixin_69988630的博客
05-11 1635
本人第一次安装，安装之前以为很简单，但到开始能训练还是经历了很多错误，便将其记录下来，方便以后再次安装。本文主要讲了自己在ubuntu22.10上安装cuda11.7,cudnn11.X和anaconda的过程，通过记录方便以后安装。注意：cuda官网上并没有ubuntu22.10版本的cuda11.7,我选择安装ubuntu22.04版本的cuda11.7,一样可用，最终安装成功，并且可以用yolov5训练。
CUDA11.7安装pytorch
qq_36440065的博客
10-21 4875
CUDA11.7安装pytorch的方法。
Python，cuda安装步骤及注意事项
Abner小白的博客
02-22 2445
python和cuda安装步骤及注意事项。
使用conda安装了cudatoolkit11.7和cudnn8.6, paddle却报错：Cannot load cudnn shared library. Cannot invoke method
hai0915的博客
01-14 5766
近日，使用paddle官方的conda安装命令安装最新版的paddle命令安装了paddle的GPU版需要的cudatoolkit=11.7和cudnn8.6和一些依赖包。但是，在python交互界面运行paddle.utils.run_check()却出现了错误，所以令人疑惑的是我明明在虚拟环境中安装了cudnn，但是paddle却不能找到cudnn库的位置。
（2023）CUDA11.7+Python3.9+Pytorch GPU安装
绯雨千叶的博客
01-31 2万+
2023安装Python+CUDA+Pytorch完整图文教学
非root用户安装cuda11.7教程
qq_53348781的博客
09-21 2002
Linux下非root用户安装CUDA11.7，Linux下非root用户安装CUDA注意事项：在cuda下载时，并没有Centos Linux 8的对应运行文件，所以我下载的是Centos Linux 7的runfile文件，不过版本上好像还算兼容。
上下文啊，c盘问题前是到了这一步，我希望围绕这一步和C盘问题给我完整步骤：你的命令有一些需要自定义内容的部分，我不会，目前我wsl命令是在hero@DESKTOP-0H3JHPB:~/stable-diffusion-docker$下进行的，hero是我的用户名称，seeepseek教我设置的，root权限，请你能根据这些信息为我完善步骤 回答 我们已经在之前的步骤中创建了持久化目录，现在用户希望以root权限在特定目录下完善命令。 用户当前目录：/home/hero/stable-diffusion-docker（注意：用户提示的目录是hero@DESKTOP-0H3JHPB:~/stable-diffusion-docker$，所以绝对路径是/home/hero/stable-diffusion-docker） 用户要求：以root权限完善包含自定义内容部分的命令操作步骤。 之前给出的Docker命令已经考虑了持久化，但需要将命令中的“你的用户名”替换为实际的用户名（这里是hero）。 同时，我们注意到用户可能已经创建了目录，所以这里我们直接使用这些目录。 我们将提供两个版本的命令： 首次运行的完整命令（包括安装依赖和克隆仓库） 后续运行的简化命令（直接启动WebUI） 注意：由于用户要求以root权限操作，但Docker命令本身不需要在WSL内部使用root（除非有权限问题），通常使用普通用户运行docker即可。但如果用户坚持要以root运行，那么请注意目录权限。 然而，在WSL中，我们通常使用普通用户。这里我们假设用户希望以普通用户身份运行（因为用户当前提示符是hero@DESKTOP...）。 如果用户确实需要以root权限运行Docker容器，那么命令前面可能需要加sudo，但Docker默认需要sudo或者将用户加入docker组。我们假设用户已经将用户加入docker组（通常安装Docker时会提示），所以不需要sudo。 因此，我们提供以下步骤： 步骤1：确保目录存在（如果之前没创建，可以创建） 步骤2：使用修改后的Docker命令（替换用户名为hero，并确保路径正确） 但是，注意：在WSL中，路径是Linux路径，所以命令中的路径应该是： -v /home/hero/stable-diffusion/models:/models … 以此类推 另外，用户当前在~/stable-diffusion-docker目录（即/home/hero/stable-diffusion-docker），但我们的持久化目录是~/stable-diffusion（即/home/hero/stable-diffusion）。这并不冲突，因为用户可能在任意目录执行命令。 我们按照用户要求，提供完善后的命令（自定义部分用实际值替换）： 首次运行命令（在WSL终端中执行）： Bash docker run -it --rm --name sd-webui \ --device=/dev/dri/card0 \ --device=/dev/dri/renderD128 \ --device=/dev/kfd \ --group-add=video \ -p 127.0.0.1:7860:7860 \ -v /home/hero/stable-diffusion/models:/models \ -v /home/hero/stable-diffusion/outputs:/outputs \ -v /home/hero/stable-diffusion/code:/code \ rocm/pytorch:latest \ bash -c "apt update && \ apt install -y python3-dev python3-venv libgl1 libglib2.0-0 && \ cd /code && \ git clone https://gitee.com/mirrors/stable-diffusion-webui.git && \ cd stable-diffusion-webui && \ python3 -m venv venv && \ source venv/bin/activate && \ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \ pip install --upgrade pip && \ python3 launch.py --port 7860 --skip-torch-cuda-test" 注意：这个命令会执行较长时间，因为需要安装系统包、克隆仓库、创建虚拟环境、安装Python依赖，最后启动WebUI。 后续启动命令（在首次运行成功后，以后每次启动只需要激活虚拟环境并运行）： Bash docker run -it --rm --name sd-webui \ --device=/dev/dri/card0 \ --device=/dev/dri/renderD128 \ --device=/dev/kfd \ --group-add=video \ -p 127.0.0.1:7860:7860 \ -v /home/hero/stable-diffusion/models:/models \ -v /home/hero/stable-diffusion/outputs:/outputs \ -v /home/hero/stable-diffusion/code:/code \ rocm/pytorch:latest \ bash -c "cd /code/stable-diffusion-webui && source venv/bin/activate && python3 launch.py --port 7860 --ckpt-dir /models" 步骤说明： 首次运行：会安装必要的系统包，创建虚拟环境，安装Python依赖，然后启动WebUI。 后续运行：直接进入项目目录，激活虚拟环境，然后启动WebUI。 注意：如果用户需要以root权限执行Docker命令，可以在命令前加sudo，但通常不需要（因为用户hero应该在docker组中）。如果出现权限问题，可以尝试加sudo或者检查docker组权限。 另外，关于自定义模型： 用户只需将下载的模型文件（如model.ckpt）放入/home/hero/stable-diffusion/models目录，在WebUI中就可以选择使用。 重要提示：首次启动WebUI时，它会自动下载一些必要的模型（如VAE等），这些也会放在/models目录下（因为我们在启动命令中指定了--ckpt-dir /models，但第一次启动时我们并没有加这个参数。实际上，在首次启动时，我们使用的是默认参数，而后续启动我们指定了ckpt目录。不过，Stable Diffusion WebUI默认会从项目目录下的models/Stable-diffusion目录读取模型，而我们的挂载点/models在容器内对应的是/models，所以在首次启动后，我们可以通过修改WebUI的设置来改变模型路径，或者按照上述后续命令直接指定--ckpt-dir。 但为了统一，我们可以在首次启动命令中也加上--ckpt-dir /models，这样从第一次开始就会使用这个目录。因此，我们可以调整首次启动命令的末尾为： … && python3 launch.py --port 7860 --skip-torch-cuda-test --ckpt-dir /models" 这样，首次启动就会使用我们挂载的模型目录。 因此，修改后的首次运行命令： Bash docker run -it --rm --name sd-webui \ --device=/dev/dri/card0 \ --device=/dev/dri/renderD128 \ --device=/dev/kfd \ --group-add=video \ -p 127.0.0.1:7860:7860 \ -v /home/hero/stable-diffusion/models:/models \ -v /home/hero/stable-diffusion/outputs:/outputs \ -v /home/hero/stable-diffusion/code:/code \ rocm/pytorch:latest \ bash -c "apt update && \ apt install -y python3-dev python3-venv libgl1 libglib2.0-0 && \ cd /code && \ git clone https://gitee.com/mirrors/stable-diffusion-webui.git && \ cd stable-diffusion-webui && \ python3 -m venv venv && \ source venv/bin/activate && \ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \ pip install --upgrade pip && \ python3 launch.py --port 7860 --skip-torch-cuda-test --ckpt-dir /models" 后续命令不变（已经指定了ckpt目录）。 如果用户已经下载了模型，请将模型放在/home/hero/stable-diffusion/models目录下，然后在WebUI的左上角模型选择处可以看到。 最后，关于权限：由于我们在容器内是以root用户运行的（因为rocm/pytorch镜像默认用户是root），所以生成的文件在容器内是root权限。但是，我们通过挂载卷，在宿主机（WSL）上，这些文件属于宿主机的用户（hero）吗？这取决于WSL的权限设置。通常，WSL的文件权限和宿主机是独立的，所以容器内root创建的文件在WSL中也会是root权限。为了解决这个问题，我们可以在容器内使用与宿主机相同的UID和GID来运行命令。 但是，为了简化，我们可以在首次运行后，在宿主机上修改这些文件的权限（如果出现权限问题）： sudo chown -R hero:hero /home/hero/stable-diffusion 或者，我们可以调整Docker命令，使用宿主机的UID和GID在容器内创建用户并切换，但这比较复杂。如果用户遇到权限问题，再单独处理。 现在，我们提供最终的命令，并假设用户没有权限问题（因为WSL通常没有严格的权限控制）。 执行步骤： 打开WSL终端，确保当前目录无特别要求（可以在任意目录执行） 复制并执行首次运行命令（等待完成，时间较长） 完成后，在Windows浏览器中访问：http://localhost:7860 如果中途断开网络导致中断，可以重新执行相同的命令（因为代码已经克隆到/code目录，所以git会提示已存在，但其他步骤会继续执行，pip安装会跳过已安装的包）。如果遇到错误，可能需要删除/code/stable-diffusion-webui目录（在WSL中执行rm -rf /home/hero/stable-diffusion/code/stable-diffusion-webui）再重新执行命令。 注意：模型文件较大，确保磁盘空间足够（建议至少20GB可用空间）。 相关问题： 如何解决Docker容器中生成的文件在宿主机上权限问题？ 如何自定义Stable Diffusion WebUI的插件和扩展？ 如何更新Stable Diffusion WebUI到最新版本？ 如何配置Stable Diffusion WebUI使用多个模型目录？ 好的，我将以小白能理解的方式，一步步指导您在 WSL 环境下以 root 权限完成 Stable Diffusion WebUI 的安装和配置。请按照以下步骤操作： 完整操作步骤（在 WSL 终端执行） 进入工作目录（使用您的用户名 hero） Bash cd /home/hero/stable-diffusion-docker 创建持久化存储目录（模型/输出/代码分开存放） Bash sudo mkdir -p ./data/{models,outputs,code} sudo chown -R $USER:$USER ./data # 确保您有操作权限 创建并运行 Docker 容器（完整命令） Bash sudo docker run -itd --name sd-webui \ --restart unless-stopped \ --device=/dev/dri/card0 \ --device=/dev/dri/renderD128 \ --device=/dev/kfd \ --group-add=video \ -p 127.0.0.1:7860:7860 \ -v $PWD/data/models:/models \ -v $PWD/data/outputs:/outputs \ -v $PWD/data/code:/code \ rocm/pytorch:latest \ bash -c "apt update && \ apt install -y python3-dev python3-venv libgl1 libglib2.0-0 git && \ cd /code && \ git clone https://gitee.com/mirrors/stable-diffusion-webui.git && \ cd stable-diffusion-webui && \ python3 -m venv venv && \ source venv/bin/activate && \ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \ pip install --upgrade pip wheel && \ python3 launch.py --port 7860 --skip-torch-cuda-test --ckpt-dir /models" 关键参数说明（自定义部分） --name sd-webui：给容器命名，便于管理 -v $PWD/data/models:/models：模型存储位置（自定义模型放这里） Windows 访问路径：\\wsl.localhost\Ubuntu\home\hero\stable-diffusion-docker\data\models -v $PWD/data/outputs:/outputs：生成图片保存位置 git clone 使用国内镜像加速下载 pip config 设置清华源加速安装 --ckpt-dir /models 指定模型加载目录 操作后检查 Bash # 查看容器运行状态 sudo docker ps # 查看实时日志（看到 "Running on local URL" 表示成功） sudo docker logs -f sd-webui 模型安装步骤 下载模型文件（如 v1-5-pruned-emaonly.ckpt） 放入模型目录： Bash # 示例：将下载的模型移动到正确位置 mv ~/Downloads/v1-5-pruned-emaonly.ckpt /home/hero/stable-diffusion-docker/data/models/ 在 WebUI 界面左上角选择模型 后续管理命令 操作 命令 启动容器 sudo docker start sd-webui 停止容器 sudo docker stop sd-webui 进入容器 sudo docker exec -it sd-webui bash 删除容器 sudo docker rm -f sd-webui（不会删除模型数据） 访问方式 浏览器打开：http://localhost:7860 注意：首次运行会自动下载约 10GB 基础模型，请保持网络稳定。中断后可重新运行命令继续下载1
最新发布
11-27
<think> 我们正在使用WSL（Windows Subsystem for Linux）环境，并以root权限进行操作。目标是为用户名为hero的用户安装Stable Diffusion WebUI，并将模型放在非C盘（例如E盘）的目录中。以下是完整的步骤： 注意：由于用户要求以root权限操作，我们将全程使用root账户，并确保所有文件都存储在E盘。 步骤概述： 1. 确保WSL已安装并运行Ubuntu。 2. 在WSL中切换到root用户。 3. 挂载Windows的E盘到WSL的/mnt/e目录（如果尚未挂载）。 4. 在E盘上创建用于存放模型和WebUI代码的目录。 5. 安装必要的依赖（包括Python、Git等）。 6. 克隆Stable Diffusion WebUI仓库到E盘的目录。 7. 创建Python虚拟环境并安装依赖。 8. 配置WebUI的启动参数，将模型目录指向E盘的目录。 9. 启动WebUI并验证。 详细步骤： 步骤1：在Windows中确保已启用WSL并安装Ubuntu - 以管理员身份打开PowerShell，运行： wsl --install -d Ubuntu-22.04 - 安装完成后，重启电脑。然后从开始菜单打开Ubuntu 22.04 LTS，完成初始化（设置用户名和密码，这里假设用户名为hero）。 步骤2：在Ubuntu终端中切换到root用户 - 在Ubuntu终端中，输入以下命令并输入hero用户的密码（注意，不是root密码，因为我们还没有设置root密码，这里使用sudo）： sudo -i - 此时，提示符变为`root@计算机名`，表示已经是root用户。 步骤3：更新系统并安装基础依赖 - 运行： apt update && apt upgrade -y apt install -y python3-pip git python3-venv libgl1 libglib2.0-0 wget 步骤4：挂载E盘（如果尚未挂载） - 在WSL中，通常会自动挂载Windows的驱动器（如C盘、E盘等）。我们可以通过以下命令检查： ls /mnt - 如果看到`e`，则说明已经挂载。如果没有，可以手动挂载（注意：需要确保在Windows中E盘存在）： mkdir -p /mnt/e mount -t drvfs E: /mnt/e - 注意：如果遇到权限问题，可以尝试使用以下命令重新挂载： umount /mnt/e mount -t drvfs E: /mnt/e -o metadata 步骤5：在E盘创建目录结构 - 我们将模型放在`/mnt/e/sd_models`，代码放在`/mnt/e/sd_webui`： mkdir -p /mnt/e/sd_models mkdir -p /mnt/e/sd_webui 步骤6：克隆Stable Diffusion WebUI仓库 - 进入`/mnt/e/sd_webui`目录并克隆仓库： cd /mnt/e/sd_webui git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git - 注意：如果GitHub访问慢，可以使用镜像地址（如https://gitee.com/mirrors/stable-diffusion-webui.git） 步骤7：创建虚拟环境并安装依赖 - 进入项目目录： cd stable-diffusion-webui - 创建虚拟环境： python3 -m venv venv - 激活虚拟环境： source venv/bin/activate - 安装PyTorch（根据CUDA版本选择，这里假设是CUDA11.7）： pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 - 安装其他依赖： pip install -r requirements.txt 步骤8：配置启动参数（指定模型目录） - 编辑`webui-user.sh`文件（如果不存在则创建）： nano webui-user.sh - 在文件中添加以下内容（注意：这里我们使用`--ckpt-dir`指定模型目录，同时我们以root用户运行，所以加上`--listen`允许外部访问）： export COMMANDLINE_ARGS="--ckpt-dir /mnt/e/sd_models --listen" - 保存并退出（按Ctrl+O，回车，然后按Ctrl+X）。 步骤9：首次启动WebUI - 运行启动脚本： ./webui.sh - 首次启动会自动下载一个基础模型（v1-5-pruned.ckpt，约4GB）到`/mnt/e/sd_models`目录。请耐心等待。 步骤10：验证安装 - 在Windows浏览器中访问：http://localhost:7860 - 在WebUI界面左上角选择模型，应该可以看到`/mnt/e/sd_models`目录下的模型。 步骤11（可选）：创建系统服务以便后台运行 - 创建服务文件： nano /etc/systemd/system/sd-webui.service - 写入以下内容（注意路径）： [Unit] Description=Stable Diffusion WebUI After=network.target [Service] WorkingDirectory=/mnt/e/sd_webui/stable-diffusion-webui ExecStart=/bin/bash -c 'source venv/bin/activate && ./webui.sh --listen' Restart=always User=root [Install] WantedBy=multi-user.target - 启用并启动服务： systemctl enable sd-webui systemctl start sd-webui 步骤12：检查服务状态 systemctl status sd-webui 步骤13：关闭服务（如果需要） systemctl stop sd-webui 至此，安装完成。模型文件将存储在E盘的sd_models目录，不会占用C盘空间。 注意：由于我们使用root权限运行，请确保系统安全，不要将服务暴露在公共网络。 常见问题： 1. 如果启动时遇到权限问题，可以尝试给整个目录赋予权限（在WSL中）： chown -R root:root /mnt/e/sd_webui chmod -R 755 /mnt/e/sd_webui 2. 如果下载模型缓慢，可以手动下载模型文件（.ckpt或.safetensors）并放入`/mnt/e/sd_models`目录，然后在WebUI界面刷新。 引用说明： 在安装过程中，可能会遇到环境配置问题，例如依赖缺失、权限问题等，建议参考相关文档[^1]。同时，在部署服务时，注意安全性[^3]。 相关问题： 1. 如何将下载的第三方模型放入指定目录？ 2. 启动时出现`OutOfMemoryError`怎么办？ 3. 如何更新WebUI到最新版本？ 4. 怎样在WebUI中使用LoRA模型？ 5. 生成的图片默认保存在哪里？ </think>以下是为用户 **hero** 在 WSL 环境下以 **root 权限** 完整安装 Stable Diffusion WebUI 的详细步骤（模型存放到 E 盘）： --- ### 📝 完整安装配置流程（WSL + root权限 + E盘存储） ```mermaid graph TD A[启用WSL] --> B[切换到root] B --> C[挂载E盘] C --> D[安装基础依赖] D --> E[克隆WebUI仓库] E --> F[配置虚拟环境] F --> G[设置模型路径] G --> H[启动服务] ``` #### 步骤1：启用WSL并安装Ubuntu 1. **以管理员身份打开 PowerShell**： ```powershell wsl --install -d Ubuntu-22.04 ``` 2. 重启电脑后，从开始菜单打开 **Ubuntu 22.04 LTS** 3. 创建用户名 `hero` 和密码（请记住密码） #### 步骤2：切换到root用户 ```bash # 在Ubuntu终端执行 sudo -i # 输入hero用户的密码 ``` #### 步骤3：挂载E盘并创建目录 ```bash # 创建挂载点（如果不存在） mkdir -p /mnt/e mount -t drvfs E: /mnt/e # 为hero用户创建专属目录 mkdir -p /mnt/e/hero_sd/{models,webui} # 模型和WebUI分开存储 chown -R hero:hero /mnt/e/hero_sd # 确保用户权限 cd /mnt/e/hero_sd/webui ``` #### 步骤4：安装基础依赖 ```bash apt update && apt upgrade -y apt install -y python3-pip git python3-venv libgl1 libglib2.0-0 wget ``` #### 步骤5：克隆WebUI仓库 ```bash git clone https://gitee.com/mirrors/stable-diffusion-webui.git cd stable-diffusion-webui ``` #### 步骤6：配置虚拟环境 ```bash # 创建专属虚拟环境 python3 -m venv venv_hero source venv_hero/bin/activate # 安装核心依赖 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install -r requirements.txt ``` #### 步骤7：配置模型路径 ```bash # 编辑启动脚本 nano webui-user.sh ``` **添加以下内容**： ```bash export COMMANDLINE_ARGS="--ckpt-dir /mnt/e/hero_sd/models --port 7865" ``` > 说明：`--ckpt-dir` 指定模型路径，`--port` 为hero用户分配独立端口 #### 步骤8：首次启动（自动下载模型） ```bash ./webui.sh ``` 首次运行会自动下载： 1. 基础模型 `v1-5-pruned.ckpt`（约 4GB）到 `/mnt/e/hero_sd/models` 2. 其他依赖到虚拟环境目录 #### 步骤9：配置系统服务 ```bash # 创建专属服务 cat > /etc/systemd/system/sd-hero.service <<EOF [Unit] Description=Stable Diffusion WebUI - Hero User [Service] WorkingDirectory=/mnt/e/hero_sd/webui/stable-diffusion-webui ExecStart=/bin/bash -c 'source venv_hero/bin/activate && ./webui.sh' User=hero # 以普通用户身份运行 Restart=always [Install] WantedBy=multi-user.target EOF # 启用服务 systemctl daemon-reload systemctl enable sd-hero systemctl start sd-hero ``` #### 步骤10：访问WebUI 1. 在Windows浏览器访问： ``` http://localhost:7865 # 注意端口号 ``` 2. 检查模型位置： - 界面左上角应显示路径：`/mnt/e/hero_sd/models` - 在终端验证： ```bash ls /mnt/e/hero_sd/models # 应看到 v1-5-pruned.ckpt 等文件 ``` --- ### 🔧 关键配置说明 1. **模型存储位置**： ```bash /mnt/e/hero_sd/models # 所有模型文件存放于此 ``` > 手动添加模型时，将 `.ckpt` 或 `.safetensors` 文件放入此目录 2. **权限管理**： ```bash chmod 755 /mnt/e/hero_sd # 确保hero用户有读写权 ``` 3. **资源限制（防崩溃）**： 在 `webui-user.sh` 中添加： ```bash export COMMANDLINE_ARGS="... --medvram --precision full --no-half" ``` 可减少显存占用 30%[^1] --- ### ✅ 验证安装成功 1. **检查服务状态**： ```bash systemctl status sd-hero # 应显示 active (running) ``` 2. **检查存储位置**： ```bash du -sh /mnt/e/hero_sd/models # 应显示 >4GB（基础模型大小） ``` 3. **检查C盘占用**： ```powershell # Windows PowerShell中执行 Get-ChildItem $env:USERPROFILE\.cache\huggingface -Recurse | Measure-Object -Property Length -Sum ``` 结果应 **小于 500MB**（缓存已重定向） --- ### ⚠️ 常见问题解决 1. **权限拒绝错误**： ```bash chown -R hero:hero /mnt/e/hero_sd # 修复所有权 ``` 2. **启动失败**： ```bash journalctl -u sd-hero -n 100 --no-pager # 查看完整日志 ``` 3. **模型不显示**： - 确保文件扩展名正确（`.ckpt`/`.safetensors`） - 重启服务： ```bash systemctl restart sd-hero ``` --- ### 🔄 日常维护命令 | 操作 | 命令 | |------|------| | 启动服务 | `systemctl start sd-hero` | | 停止服务 | `systemctl stop sd-hero` | | 查看日志 | `journalctl -u sd-hero -f` | | 更新WebUI | `cd /mnt/e/hero_sd/webui/stable-diffusion-webui && git pull` | | 添加新模型 | 复制到 `/mnt/e/hero_sd/models` 后刷新页面 | > 通过此方案，模型和所有大文件均存储在 E 盘，C 盘仅占 1-2GB 系统空间[^3]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

坦笑&&life

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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