在Docker中部署Stable Diffusion WebUI的完整指南
2025-04-28 19:09:49作者:柏廷章Berta
前言
Stable Diffusion WebUI是一个强大的AI图像生成工具,而Docker容器化技术可以大大简化其部署过程。本文将详细介绍如何在Docker环境中运行Stable Diffusion WebUI,支持CPU、CUDA(NVIDIA显卡)和ROCm(AMD显卡)三种不同的运行方式。
系统准备
在开始之前,需要确保系统已经安装了以下组件:
- Docker和Docker Compose(版本1.72.0或更高)
- 根据运行方式选择安装:
- 使用CUDA:安装NVIDIA Container Toolkit
- 使用ROCm:按照ROCm Docker快速入门指南配置
- Windows用户:需要配置WSL2环境并安装CUDA支持
项目结构
创建以下文件来构建Docker环境:
docker-compose.yml
:定义三种服务(CPU/CUDA/ROCm)的配置Dockerfile.cpu
:CPU版本的Docker构建文件Dockerfile.cuda
:NVIDIA显卡版本的Docker构建文件Dockerfile.rocm
:AMD显卡版本的Docker构建文件stablediff.env
:环境变量配置文件.dockerignore
:排除不需要的文件
构建Docker镜像
根据硬件配置选择相应的构建命令:
# CPU版本
docker-compose build stablediff-cpu
# CUDA版本(NVIDIA显卡)
docker-compose build stablediff-cuda
# ROCm版本(AMD显卡)
docker-compose build stablediff-rocm
构建过程会自动下载并安装所有必要的依赖项,包括Python环境、PyTorch框架和Stable Diffusion WebUI的源代码。
配置运行参数
编辑stablediff.env
文件来设置启动参数:
- CPU版本推荐参数:
export COMMANDLINE_ARGS="--listen --no-half --skip-torch-cuda-test"
- CUDA版本推荐参数:
export COMMANDLINE_ARGS="--listen"
- ROCm版本推荐参数:
export COMMANDLINE_ARGS="--listen --precision full --no-half"
可以根据需要添加其他参数,如--lowvram
用于低显存模式。
首次运行
执行以下命令启动容器:
# CPU版本
docker-compose up stablediff-cpu
# CUDA版本
docker-compose up stablediff-cuda
# ROCm版本
docker-compose up stablediff-rocm
首次运行会创建两个目录:
stablediff-web
:存放WebUI的代码和配置stablediff-models
:存放Stable Diffusion模型文件
首次运行后,需要将Stable Diffusion的模型文件(.ckpt)复制到stablediff-models
目录中。
日常使用
启动已经创建的容器:
# CPU版本
docker start -a stablediff-cpu-runner
# CUDA版本
docker start -a stablediff-cuda-runner
# ROCm版本
docker start -a stablediff-rocm-runner
停止容器:
# CPU版本
docker stop stablediff-cpu-runner
# CUDA版本
docker stop stablediff-cuda-runner
# ROCm版本
docker stop stablediff-rocm-runner
性能参考
根据测试数据:
- 在双Xeon X5670 CPU(12GB RAM)上生成512x512图像,速度约为17.44秒/迭代
- 在NVIDIA Maxwell架构显卡(2GB显存)上生成512x512图像,速度约为5.12秒/迭代
注意事项
- 确保有足够的存储空间,Stable Diffusion模型文件通常较大
- 根据硬件配置选择合适的运行方式
- 首次运行可能需要较长时间下载依赖项
- 在Linux系统中操作模型文件可能需要sudo权限
- Windows用户需要特别注意WSL2和CUDA的特殊配置
通过Docker部署Stable Diffusion WebUI可以避免复杂的依赖关系和环境配置问题,使安装过程更加简单可靠。这种方法也便于在不同机器间迁移和部署。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0308- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
268
308

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3