揽睿星舟官网,sd一键云部署搭建stable diffusion的ai服務平台网站
Stable Diffusion简介
Stable Diffusion是目前最火的AI繪画工具之一，简称sd! 是一个免費開源的專案，可以被任何人免費部署和使用,你可以部署在本地電腦,也可以部署在云端! 透過Stable Diffusion，你可以很轻松的透過文字描述，生成對应的圖片。stable diffusion有很多插件和訓练好的模型，我们可以直接使用。
揽睿星舟官网: https://www.lanrui-ai.com/
Stable Diffusion和Stable Diffusion WebUI的關系
Stable Diffusion是一个深度学習文本到圖像生成模型,而Stable Diffusion Webui把Stable
Diffusion模型进行了封装，提供更加简洁易操作的界面。他们两个的關系类似父子繼承關系， Stable Diffusion是父亲，Stable Diffusion WebUI是兒子，兒子繼承了父亲的所以功能，自身还可以透過插件等方式獲得更多能力。目前使用的最多的是Stable Diffusion WebUl，因為它界面友好，可以很方便的调整各项参數，生成高质量的圖片。
stable diffusion是最流行的之前飛猪ai導航分享过stable diffusion本地部署教程:
如何在mac(M1/M2)上安装Stable Diffusion教程
https://feizhuke.com/stable-diffusion-mac.html
如何在Windows上安装 Stable Diffusion教程
https://feizhuke.com/stable-diffusion-windows.html
Stable diffusion本地部署的配置要求
在进行本地部署时，就会需要考慮到主机的配置情况，因為模型中的圖像處理能力往往直接和電腦的CPU、GPU性能相關，如果没有好点的配置支持，就会導致在運行过程中出现卡顿甚至宕机等風险；所以我们一起看看Stable diffusion本地部署對電腦配置的要求有哪些？
CPU和記憶體：節点軟體需要占用一定的计算資源和記憶體，因此電腦需要具備一定的處理能力和記憶體。一般来說，CPU為四核以上，記憶體為8GB以上的電腦就可以支持。
Stable Diffusion需要进行大量的计算和處理，需要較高的计算机性能，如果本地電腦配置不足，会導致算法運行速度极慢。存儲空间：節点軟體需要保存区块链網路的資料，因此需要一定的存儲空间。節点軟體一般需要几十甚至上百GB的存儲空间，因此可以選择一个較大的硬碟或者SSD。同时Stable Diffusion需要使用大量的顯存来存儲模型和圖像資料，如果電腦顯存不足，可能会導致算法無法運行或者運行出错。
如果平时自己用的是MAC電腦没有好的N卡支持Stable diffusion的訓练，其實可以試用下市面上的云端電腦，类似揽睿星舟这种云電腦擁有云端GPU，可以一键就完成部署，云電腦非常适合一些AI小白但是想要体验Stable diffusion的情况。
Stable Diffusion云端部署的優点
1.不受顯卡性能限制，有更轻便的方案。
如果在本地部署，你需要有英伟达顯卡且配置一定數量的GPU才能达到理想效果，这笔花費也是不小的投入。如果你是AMD顯卡用户或者老的Mac用户，選择揽睿星舟的云端GPU部署云電腦是一个非常劃算的解决方案。
2.靈活擴缩容量可配置强大的计算資源
我们可以使用云端GPU的性能算力。需要加速Stable Diffusion的訓练和推理速度时，可以根据自己需要随时擴展或缩減云端GPU算力，非常靈活。如果訓练或推理的负载增加，可以轻易增加更多GPU或記憶體資源来应對。不再担心本地資源的限制。
3.節省運维成本。
云電腦服務商会處理诸如硬體故障、軟體更新等一系列運维事宜，無需你自己投入大量时间进行管理和维護。云端部署可以最大限度減少運维负担，專注于Stable Diffusion的使用与開發。
4.持續部署与随时訪問
借助云電腦服務商提供的云端GPU持續部署与集成工具，每次Stable Diffusion的新版本發布，都可以自动进行部署和更新。無需手动更新伺服器和軟體，大大简化管理流程。
綜上所述，进行本地部署所需的電腦配置要求較高，一般需要一台CPU較為强劲、記憶體充足、存儲空间大、網路通畅的電腦。在本地電腦配置不足的情况下，Stable Diffusion的穩定性可能会受到影响，導致输出結果不穩定或者不准确。如果本地部署的条件不够，也可以使用云端電腦来完成云端的部署。
為什么選择揽睿星舟部署stable diffusion
1.价格
一块 3090的每小时算力价格只要1.9，这是我目前看到的国内最低的。「揽睿星舟AI服務平台」正式發布，让AI用得起、用得好、用得放心
2.简單
官方针對 stable diffusion 做了个快捷版的应用，不需要跟其他云平台一样按照程式员的方式去安装。直接点擊安装就可以使用。并且更新的也比較及时。3.版本完整，更新及时
这是我目前看到的唯一一个能够用非本地安装的方式看到最新版本的controlnet的工具。虽然目前只在基于工作空间的方式可以使用，并且只更新在了北京1。但这是我能用的唯一的途徑了，希望官方能够尽快把快捷版本的其它分区也同步更新上。平台為每个用户都分配一个网盤，登錄后点擊控制台，在左侧導航欄就能找到网盤入口。
用户可以在浏览器完成上传文件，上传資料夾，删除文件等基本操作，针對大文件，强烈建議使用命令行工具。
每个用户的网盤都是隔离的，底層采用分布式存儲技術，可以保證5个9的資料可靠性。
每个新用户，平台会赠送10GB大小的存儲空间，超过10GB需要按容量进行收費。收費标准参見充值和计費。
点擊算力市場，可以看到平台上提供的算力資源。按照计費方式，可以分為按量付費資源和包月資源。这两个的区分是：
購买按量付費的資源后，会帮用户自动創建一个工作空间（安装指定镜像的容器開發環境），平台会按小时进行資源计費。只要用户没有手动停止，该實例会一直運行。
購买包月資源后，不会自动創建工作空间，已購的資源会出现在控制台-我的資產-我的算力中。包月資源在購买时进行扣費，到期后会自动釋放。
这里我们選择按量付費的資源，点擊使用，然后選择一个pytorch镜像，用户可以選購买資料盤（当前支持200G，500G两种規格），可以加载平台資料集，模型，并設置自动停止时间。如果無需这些設置，直接点擊創建實例即可。
為了后續的例子，我们加载資料集flower-photos，加载模型resnet34-pth
在工作空间列表页面，可以看到刚才創建的工作空间，待状態變為運行中时，就可以正常使用了。在启动过程中如果遇到問题，可以点擊操作欄的事件按鈕，会在熒屏下方顯示事件窗口，查看相關信息。事件窗口的右上角可以切换高級模型，顯示更详細的错誤信息。
点擊操作欄的“进入”按鈕，選择Jupyter或者VSCode打開工作空间，也可以在SSH列点擊星号后面的小眼睛，就可以顯示SSH登錄命令，复制粘贴到个人電腦終端中进行登錄（注意使用SSH登錄的前提是先在平台上传了SSH pubkey, 这块的介绍参見这里）
/home/user，该目錄是工作空间的資料盤，会持久化到块存儲上，工作空间停止或者重启后，資料不会丢失，除非用户手动釋放工作空间。
/ark-contexts/data，该目錄就是网盤的data資料夾，是在多个實例之间共享的，可以当成NAS来使用，但讀寫速度会比資料盤慢一些。
如果在启动工作空间时挂载了資料集，資料集会放在/home/user/imported_datasets/目錄下，该目錄是一个只讀目錄。
如果在启动工作空间时挂载了模型，模型会放在/home/user/imported_models/目錄下，该目錄是一个只讀目錄
根目錄/，该目錄是工作空间的資料盤，顯示為500G，但實際可用空间為150G（其他空间被系統占用），實例關闭或者重启后，資料会丢失。请尽量不要寫系統盤，特别的不要寫滿系統盤，否则会引起實例異常重启！
在工作空间中，我们可以使用nvidia-smi命令查看顯卡信息。
可以看到HOME目錄是在/home/user目錄，该目錄下有一个data目錄，会默认挂载网盤中的data目錄。同时HOME目錄下会出现imported_datasets和imported_models两个目錄，里面有刚才設置的資料集和模型。
git clone https://github.com/WZMIAOMIAO/deep-learning-for-image-processing.git
注意：如果發现git clone慢，请参考这里进行加速
我们来复现pytorch_classification/Test5_resnet这个專案，按照說明，这个專案会使用resnet34網路對flower_photos資料集进行迁移学習。
首先，我们按照專案要求，將資料集复制到deep-learning-for-image-processing/data_set目錄并进行訓练集和验證集的劃分
cd ~/deep-learning-for-image-processing/data_set
mkdir -p flower_data/flower_photos
cp -r ~/imported_datasets/flower-photos/* flower_data/flower_photos
进入pytorch_classification/Test5_resnet專案目錄，按照說明，把resnet34这个模型拷貝到该目錄下，并执行train.py脚本
cd ~/deep-learning-for-image-processing/pytorch_classification/Test5_resnet
cp ~/imported_models/resnet34-pth/resnet34-333f7ec4.pth resnet34-pre.pth
默认epoch=3，可以看出，因為使用了resnet34预訓练的權重，第1輪epoch，准确率就能达到94%。
我们可以對train.py做一点修改，不使用预訓练模型，而是从頭開始訓练resnet，如下圖我们注釋掉部分内容，并修改epoch為20，重新訓练（python3 train.py）
可以看到，不使用迁移学習时，經过20輪后，准确率也只有79%
在訓练过程中，我们可以使用平台提供的监控功能，打開grafana查看GPU，CPU的運行状况
用户可以在平台的应用市場上使用第三方開發者提供的应用。例如平台提供了Stable Diffusion的Web UI，可以一键打開使用，而無需在GPU上部署安装。我们也可定義自己的应用，这部分参見这里。
类似苹果的AppStore，第一次需要点擊安装并同意第三方免责条款，之后就可以点擊使用，进入应用详情页面，点擊新建實例，無需修改任何参數，点擊創建實例即可。
稍等片刻，待實例状態為運行中时，点擊地址欄的URL，就可以打開Stable Diffusion的Web UI页面。
我们可以將刚才訓练的模型，在平台上發布為一个推理服務。这部分的内容参見：最佳實践/推理解决方案的例子
可用区是指在同一地域内，電力和網路互相独立的物理区域，同一可用区内實例之间的網路延时更小，用户訪問速度更快。
平台提供了多个可用区供用户選择，在控制台的左上角可以切换可用区。
平台為每个用户提供了一块持久化，無限大，租户隔离的存儲区域，叫做网盤。用户可以把网盤看成是一个云端U盤，可以存放任何資料。网盤默认有一个叫做data的資料夾，会默认挂载到所有的工作空间中，即该資料夾中的内容，会在多个工作空间中共享。
用户可以直接在浏览器中對网盤的文件进行操作，例如創建資料夾，上传文件，删除文件等等。 對于超过10M的大文件，建議透過命令行的方式进行上传。
网盤底層使用了分布式存儲技術，提供99.9999999%的資料可靠性。
平台提供持久化存儲的空间，叫做資料盤。資料盤的IO性能要比网盤快，和系統盤基本一致。和系統盤不同的是，工作空间停止或者重启后，資料盤的資料不会丢失，而系統的資料会丢失。
工作空间可以携帶資料盤，用户可單独新建資料盤，或在創建工作空间时新建資料盤，此外創建工作空间时也可挂载已有資料盤（需要注意的是，工作空间挂载已有資料盤时，仅有資料盤类型与資源类型對应的情况可被挂载），工作空间也可將資料盤进行卸载，以便其他工作空间挂载使用。
資料盤在被销毁前会持久化存儲其中的資料，對应的平台也会持續计費。對应的，資料盤销毁后会停止计費，資料盤中的資料也会被删除。
為了方便資料流通，平台提供了資料集市場和模型市場。用户可以从資料集市場/模型市場上購买資料集/模型，也可以將自己网盤中的内容發布到資料集市場/模型市場，發布資料集/模型需要等待平台审批后才能生效。
当前資料集市場/模型市場上絕大部分的資料集/模型都可限时免費使用。
平台提供了多个AI開發環境镜像（预置不同的机器学算法依賴和框架），用户可以購买一台按使用量计費或者包年包月计費的GPU資源，加载镜像后启动一个工作空间。工作空间内置了Jupyter和VSCode两种開發工具，支持grafana监控，事件日志，SSH登錄，支持快照。
查看cuda和cudann版本的命令
工作空间支持使用用户客製化镜像，镜像需要先上传到平台的镜像仓库方可使用。
用户可以在平台創建推理服務，推理服務支持基于AKSK的认證机制，支持Auto Scaling弹性擴缩容實例，支持在线升級。
推理服務支持用户客製化镜像，并支持模型和镜像分离，从而實现靈活的动態更换模型。
平台提供多种应用，用户可以像使用PC上的应用程式或者手机上的App一样使用应用，而無需關心应用底層的實现細節和计算存儲消耗。
說明：应用当前為内测阶段，后續可能会根据市場情况，调整应用及其计費模式。
平台提供两种方式打開Stable Diffusion Web UI v3.0，第一种是基于工作空间，第二种是基于应用。
请注意，目前在webui界面进行插件安装及检查更新会導致報错，插件安装请参考这里。
工作空间形式可以更加靈活的添加模型和擴展，若您有以上需求，建議使用该形式
点擊算力市場，購买一台3090的机器，镜像選择公共镜像/others/sd-webui-3.0/latest，网盤選择挂载，同时資料集選择sd-base，参見下圖：
待實例状態為運行中后，进入Jupyter后，選择other下terminal， 運行如下命令。
bash /app/start.sh –skip-prepare-environment
備注1：启动后会在网盤目錄創建sd-3目錄（旧版本镜像創建sd目錄）。如果您没有安装额外的插件，推荐加上--skip-prepare-environment参數，会跳过環境准備，更快的启动sd。
bash /app/start.sh –skip-prepare-environment –api
由于posex插件不能兼容新版本sd webui，posex在新镜像中暂时無法使用。
由于連接c站需要科学上网， civitai helper暂时不能使用。
由于暂不支持在webui页面上安装插件，请查看安装插件位置安装插件。
然后在實例-操作列中，复制调試地址，粘贴到浏览器后就能訪問Stable Diffusion Web UI
应用形式可一键启动，但相對靈活度較小，若您有安装模型或擴展的需求，请使用上面的工作空间形式
点擊应用市場，找到Stable Diffusion Web UI 应用，点擊使用
在应用详情页面，点擊新建實例，無需修改任何参數，点擊右下角的創建實例。待實例状態為運行中时，点擊實例地址即可打開Web UI
在版本下拉框選择：sd-webui-3.0，開启Stable Diffusion Web UI v3.0
V2.0【 sd-webui-3.0:v2 增加SDXL支持】
从工作空间選择公共镜像/others/sd-webui-3.0:v2，挂载网盤，挂载資料集sd-base，模型sdxl-models，在vs code中输入使用命令：bash /app/start.sh –skip-prepare-environment
① sdxl-models包含模型：sd_xl_base_1.0.safetensors、sd_xl_refiner_1.0.safetensors
https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0
②sdxl使用方式：即在大模型checkpoints中選择sd_xl_base_1.0.safetensors或sd_xl_refiner_1.0.safetensors使用。
③若使用sdxl模型，仅可用于文生圖、圖生圖（仅sd_xl_refiner_1.0.safetensors支持），仅支持基于sdxl模型訓练的lora，暂时不支持controlnet等控制。
關于在sd-webui-3.0:v2镜像中使用sdxl模型
sdxl模型的官方推荐使用流程是先使用sd_xl_base_1.0.safetensors进行文生圖，后使用sd_xl_refiner_1.0.safetensors圖生圖进行細節優化。但是sdxl模型較大，频繁切换加载模型較慢，而且可能会導致記憶體溢出，机器重启。可以在工作空间详情的监控信息中监控記憶體使用情况。
refiner、SDXL Styles插件已經加入到工作空间使用的sd-base資料集中，可以直接使用：
refiner( https://github.com/wcde/sd-webui-refiner ) （加载refiner模型，在最后n个step中將refiner模型的UNet替换掉base模型的UNet）
SDXL Styles( https://github.com/ahgsql/StyleSelectorXL )（帮助用户使用SDXL 1.0選择不同的style并將其应用到prompt中。）
注意：refiner插件只可加载sd_xl_refiner_1.0.safetensors模型，配合sd_xl_base_1.0.safetensors使用。 SDXL Styles可以結合任何模型使用，本质上是對prompt进行加工。
第一次生圖使用 refiner插件时需要加载模型sd_xl_refiner_1.0.safetensors，出圖时间可能較长。refiner插件的意義在于避免频繁切换sd_xl_base和sd_xl_refiner導致的操作繁瑣，加载时间长，記憶體爆炸。
V1.0【sd-webui-3.0:latest】
更新包括 stable-diffusion-webui版本 v1.4.0 commit:394ffa7b torch: 2.0.1+cu118 xformers: 0.0.20 gradio: 3.32.0
sd-webui-segment-anything
sd-webui-3d-open-pose-editor
sd-webui-controlnet v1.1.231
bash /app/start.sh –skip-prepare-environment 启动后会在网盤目錄創建sd-3目錄（旧版本镜像創建sd目錄）。 如果您没有安装额外的插件，推荐加上--skip-prepare-environment参數，会跳过環境准備，更快的启动sd。
data/sd-3/extensions 由于一些插件需要额外配置環境，為了更好的调試，请使用工作空间安装插件。 可以从本地將插件上传到这个目錄下，或者在工作空间在这个目錄下git clone（可能需要連代理）。 extensions下面可以看到“資料集已經安装的插件”的symlink文件（可以理解為快捷方式）。 平台会定期更新資料集中的插件。如果您不想使用資料集中的插件，想使用更新的版本，可以將對应的“快捷方式”删除，并安装自己想用的版本（可以从資料集中拷貝，并执行git pull更新）。
data/sd-3/models 資料集中提供了很多模型供大家使用，data/sd-3/models下可以看到資料集中已有模型的symlink文件（可以理解為快捷方式），以及模型的预览圖片。 如果要添加自己的模型，要放在模型對应的資料夾内，例如底模型放在data/sd-3/models/Stable-diffusion下，Lora模型放在data/sd-3/models/Lora下，LyCORIS模型放在data/sd-3/models/LyCORIS下，与stable-diffusion-webui中models的目錄結构相同。
由于posex插件不能兼容新版本sd webui，posex在新镜像中暂时無法使用。
如果您有使用自己安装的插件的需求，请使用工作空间安装插件并使用。如果网盤extensions目錄中有自己安装的插件，不保證可以成功启动sd应用。
Stable Diffusion Web UI v2.0 使用手册
2023-07-12更新：目前平台更新了 Stable Diffusion Web UI v3.0，具体操作请参考这里
平台提供两种方式打開Stable Diffusion Web UI v2.0，第一种是基于工作空间，第二种是基于应用。
点擊算力市場，購买一台3090的机器，镜像選择公共镜像/others/sd-webui-2.0/v3，网盤選择挂载，同时資料集選择sd-base，参見下圖：
待實例状態為運行中后，进入Jupyter后，選择other下terminal， 運行如下命令。
然后在實例-操作列中，复制调試地址，粘贴到浏览器后就能訪問Stable Diffusion Web UI
点擊应用市場，找到Stable Diffusion Web UI 应用，点擊使用
在应用详情页面，点擊新建實例，無需修改任何参數，点擊右下角的創建實例。待實例状態為運行中时，点擊實例地址即可打開Web UI
在版本下拉框選择：sd-webui-2.0，開启Stable Diffusion Web UI v2.0
Stable Diffusion Web UI所使用的模型，会链接到网盤的data/sd目錄下，用户可以直接在data/sd/models中上传模型，Web UI將会熱加载新的模型，而無需重启。
