共绩算力 RTX 5090 极速部署 Stable Diffusion WebUI：新手也能秒开 AI 绘图工作站

本文详细介绍了在共绩算力RTX5090云主机上部署StableDiffusion WebUI的全流程方案。主要内容包括：1）选择共绩云主机的优势，如高端GPU支持、预装开发环境和弹性计费；2）从创建实例到环境配置的完整部署指南；3）WebUI的基础使用与进阶优化技巧；4）常见问题解决方案。该方案具有部署快速（30分钟完成）、成本低廉（1.68元/时起）等特点，特别适合需要高性能AI绘图但本地硬件不

weixin_37800531

6972人浏览 · 2025-12-01 22:31:46

weixin_37800531 · 2025-12-01 22:31:46 发布

还在为本地硬件不足跑不动 AI 绘图模型发愁？想快速拥有高性价比的 Stable Diffusion 绘图环境？今天给大家带来共绩算力 RTX 5090 部署 Stable Diffusion WebUI（增强版）的详细教程，全程零兼容冲突，从云主机配置到生成第一张 AI 画作仅需 30 分钟，步骤清晰可复现，无论是设计爱好者还是 AI 新手都能轻松上手！

一、为什么选择共绩算力部署 Stable Diffusion？

2.2 下载与配置Stable Diffusion WebUI

一、为什么选择共绩算力部署 Stable Diffusion？

共绩科技的云主机专为 AI 开发场景优化，对 Stable Diffusion 这类图形密集型任务适配性拉满，核心优势直击痛点：

丰富高端 GPU 可选：RTX 5090（32GB 显存）完美支撑大模型 + 高清绘图，避免显存不足（OOM）问题

开箱即用的开发环境：预装 Python 3.10+、CUDA 12.8 及适配驱动，无需手动配置深度学习框架

弹性计费更省钱：1.68 元 / 时起步，关机零费用，仅按实际使用时长计费，比本地装机成本低 90%

完整工具链支持：自带 Jupyter、Web Shell 等终端，无需 SSH 配置，浏览器即可完成所有操作

国内网络加速：访问 PyPI 镜像、模型仓库无卡顿，下载大模型速度比海外云平台快 3 倍

二、环境准备：精准配置云主机

2.1 创建云主机实例

1. 访问共绩算力平台

打开 https://console.suanli.cn/auth/login?invite_code=p1E3hciRL3
完成注册并实名认证（新人可领取50元体验券）

2. 创建云主机配置详解

进入控制台 → 云主机 → 创建实例
基础配置：
- 实例名称：SD-WebUI-RTX5090（便于识别）
- 算力规格：RTX 5090（32GB显存） ← 关键选择！
- 系统镜像：默认Linux镜像（已预装Python 3.10+、CUDA 12.8）
存储配置：
- 系统盘：50GB（默认足够）
- 数据盘：如需要存储大量模型，可添加共享存储卷（按需付费）
网络与安全：
- 区域选择：安徽一区或广东一区（国内网络更稳定）
- 安全组：默认开放全部端口（方便后续访问）

3. 确认创建与启动

点击"立即创建"，等待2-3分钟实例状态变为"运行中"
成本提示：RTX 5090实例约2.5元/小时，关机期间不收费！

1.2 登录云主机终端

1. Web Shell登录（推荐新手）

实例列表点击"登录" → 选择"Web Shell"
浏览器内直接打开终端界面，无需SSH配置

2. 验证基础环境在终端中执行以下命令，检查预装环境：

# 检查Python版本
python3 --version
# 检查CUDA版本
nvcc --version
# 检查GPU状态
nvidia-smi

3. 正常输出应显示Python 3.10+、CUDA 12.8、RTX 5090显卡信息。

二、完整部署流程

2.1 环境清理与依赖安装

步骤1：彻底清理冲突环境

# 卸载可能冲突的包（避免版本不兼容）
pip3 uninstall -y torch torchvision torchaudio xformers diffusers transformers

# 彻底清理残留文件
rm -rf /root/.cache/pip
rm -rf /opt/miniconda3/lib/python3.12/site-packages/{torch*,xformers*,diffusers*,transformers*}

# 更新pip并清理缓存
pip3 install --upgrade pip
pip3 cache purge

步骤2：安装PyTorch与基础依赖

# 安装适配RTX 5090的PyTorch（CUDA 12.8版本）
pip3 install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 \
  --index-url https://download.pytorch.org/whl/cu128 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装图像处理基础库
pip3 install numpy==1.26.4 pillow==10.3.0 opencv-python==4.9.0.80 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

步骤3：安装Stable Diffusion核心依赖

# 安装HuggingFace相关库
pip3 install transformers accelerate diffusers \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装Web界面框架
pip3 install gradio==3.41.2 fastapi==0.104.1 uvicorn==0.24.0 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装性能优化插件
pip3 install xformers -i https://pypi.tuna.tsinghua.edu.cn/simple

2.2 下载与配置Stable Diffusion WebUI

步骤1：克隆最新版WebUI源码

# 安装git（如果未预装）
apt update && apt install -y git wget

# 克隆AUTOMATIC1111的WebUI（功能最全的版本）
git clone https://gitee.com/mirrors/stable-diffusion-webui.git /root/sd-webui

# 进入工作目录
cd /root/sd-webui

步骤2：创建模型目录结构

# 创建必要的模型目录
mkdir -p /root/sd-webui/models/Stable-diffusion    # 基础模型
mkdir -p /root/sd-webui/models/Lora                # LoRA模型
mkdir -p /root/sd-webui/models/VAE                # VAE模型
mkdir -p /root/sd-webui/models/ControlNet         # ControlNet模型
mkdir -p /root/sd-webui/outputs                   # 输出目录

步骤3：下载基础模型（国内镜像加速）

# 使用 Hugging Face 国内镜像
wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors \
  https://hf-mirror.com/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors
# 或者使用阿里云镜像
wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors \
  https://mirror.ghproxy.com/https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

# 下载SDXL精炼模型（优化细节）
wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_refiner_1.0.safetensors \
  https://hf-mirror.com/stabilityai/stable-diffusion-xl-refiner-1.0/resolve/main/sd_xl_refiner_1.0.safetensors

# 下载中文优化模型（可选，提升中文提示词理解）
wget -O /root/sd-webui/models/Stable-diffusion/chilloutmix_NiPrunedFp32Fix.safetensors \
  https://hf-mirror.com/ckpt/chilloutmix/resolve/main/chilloutmix_NiPrunedFp32Fix.safetensors

2.3 配置启动脚本

创建一键启动脚本 start_sd.sh：

cat > /root/sd-webui/start_sd.sh << 'EOF'
#!/bin/bash

# 进入WebUI目录
cd /root/sd-webui

# 设置环境变量
export PYTHONPATH="/root/sd-webui:$PYTHONPATH"
export HF_HOME="/root/.cache/huggingface"

# 启动参数说明：
# --listen：允许外部访问
# --port 7860：指定端口
# --xformers：启用显存优化
# --enable-insecure-extension-access：允许安装插件
# --medvram：中等显存优化模式（适合RTX 5090）
# --no-half-vae：避免VAE精度问题

python3 launch.py \
  --listen \
  --port 7860 \
  --xformers \
  --enable-insecure-extension-access \
  --medvram \
  --no-half-vae \
  --skip-torch-cuda-test \
  --skip-version-check \
  --update-check
EOF

# 赋予执行权限
chmod +x /root/sd-webui/start_sd.sh

2.4 首次启动与配置

步骤1：首次启动WebUI

cd /root/sd-webui
./start_sd.sh

报错解决：

# Deactivate current environments
conda deactivate
conda deactivate

# Create a new environment with Python 3.10.6
conda create -n sd-webui python=3.10.6

# Activate the new environment
conda activate sd-webui

# Navigate to your project and run the script
cd /root/sd-webui
./start_sd.sh

首次启动会自动：

下载CLIP模型和VAE模型（约5-10分钟）
编译xformers优化器
初始化Web界面

等待终端显示以下信息即启动成功：

Running on local URL:  http://0.0.0.0:7860
To create a public link, set `share=True` in `launch()`.

步骤2：后台运行配置（重要）

为避免断开SSH后服务停止，配置后台运行：

# 创建后台启动脚本
cat > /root/sd-webui/start_sd_background.sh << 'EOF'
#!/bin/bash
cd /root/sd-webui
nohup python3 launch.py \
  --listen \
  --port 7860 \
  --xformers \
  --enable-insecure-extension-access \
  --medvram \
  --no-half-vae \
  > /root/sd-webui/webui.log 2>&1 &
echo "WebUI已启动，日志文件：/root/sd-webui/webui.log"
echo "查看日志：tail -f /root/sd-webui/webui.log"
echo "停止服务：pkill -f launch.py"
EOF

chmod +x /root/sd-webui/start_sd_background.sh

# 启动后台服务
./start_sd_background.sh

三、本地访问与基础使用

3.1 浏览器访问WebUI

1. 获取公网IP

共绩控制台 → 云主机 → 实例详情 → 复制"公网IP"

2. 浏览器访问

本地浏览器打开：http://你的公网IP:7860
首次加载约30秒，出现Stable Diffusion WebUI界面

3.2 生成第一张AI图片

1. 模型选择

左上角选择：sd_xl_base_1.0.safetensors

2. 提示词填写

# 正向提示词（英文效果更好）
masterpiece, best quality, 8k resolution, 
cyberpunk cityscape at night, neon lights, 
futuristic buildings, rain-wet streets, 
cinematic lighting, detailed reflections

# 反向提示词（避免不良效果）
low quality, worst quality, bad anatomy, 
blurry, jpeg artifacts, watermark, text

3. 参数设置

采样方法：DPM++ 2M Karras
采样步数：25
图片宽度：1024
图片高度：768
提示词引导系数：7.5
随机种子：-1（随机）

4. 生成图片

点击"生成"按钮
RTX 5090约15秒完成生成
右键图片可保存到本地

3.3 常用功能体验

图生图功能：上传本地图片 → 调整重绘强度（0.5-0.7）→ 添加风格提示词

图片放大：生成后点击"Extras" → 选择放大算法（ESRGAN）→ 调整倍数

模型管理：设置 → Model Settings → 添加模型下载路径

四、进阶优化与插件安装

4.1 安装实用插件

通过WebUI安装（推荐）：

进入"Extensions"标签页
点击"Available" → "Load from URL"
输入插件GitHub地址：
1. 中文翻译：https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN
2. 提示词自动补全：https://github.com/DominikDoom/a1111-sd-webui-tagcomplete
3. 模型预览图：https://github.com/AlUlkesh/stable-diffusion-webui-images-browser

命令行安装：

cd /root/sd-webui/extensions
git clone https://github.com/dtlnor/stable-diffusion-webui-localization-zh_CN
git clone https://github.com/DominikDoom/a1111-sd-webui-tagcomplete

4.2 性能优化配置

修改启动参数 webui-user.sh：

# 编辑用户配置 nano /root/sd-webui/webui-user.sh # 添加以下优化参数 export COMMANDLINE_ARGS="--listen --xformers --opt-split-attention --no-half-vae --medvram" export TORCH_COMMAND="pip3 install torch==2.7.1 torchvision==0.22.1"

4.3 模型管理技巧

批量下载模型：

# 编辑用户配置
nano /root/sd-webui/webui-user.sh

# 添加以下优化参数
export COMMANDLINE_ARGS="--listen --xformers --opt-split-attention --no-half-vae --medvram"
export TORCH_COMMAND="pip3 install torch==2.7.1 torchvision==0.22.1"

五、故障排查与维护

5.1 常见问题解决

问题1：浏览器无法访问

# 检查服务状态
ps aux | grep python | grep launch

# 检查端口占用
netstat -tlnp | grep 7860

# 重启服务
pkill -f launch.py
cd /root/sd-webui && ./start_sd_background.sh

问题2：显存不足（OOM）

解决方案：减少图片尺寸（1024×1024以内）
启用--medvram或--lowvram参数
关闭其他占用显存的进程

问题3：模型加载失败

# 重新下载模型
rm -f /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors
wget -O /root/sd-webui/models/Stable-diffusion/sd_xl_base_1.0.safetensors [模型链接]

5.2 日常维护命令

查看服务状态：

# 查看运行日志
tail -f /root/sd-webui/webui.log

# 查看GPU使用情况
watch -n 1 nvidia-smi

# 检查存储空间
df -h /root

备份重要数据：

# 备份模型配置
tar -czf sd_backup_$(date +%Y%m%d).tar.gz /root/sd-webui/models/ /root/sd-webui/outputs/

六、总结与资源推荐

6.1 部署成果总结

通过本教程，你已经成功在共绩算力RTX 5090上部署了：

✅ 完整的Stable Diffusion WebUI环境
✅ SDXL 1.0等高质量基础模型
✅ 中文化界面和实用插件
✅ 优化后的启动参数和后台运行
✅ 可远程访问的专业级AI绘图工作站

6.2 进阶学习资源

提示词技巧：

学习网站：Lexica.art、OpenArt.ai
关键词组合：质量词+主体+风格+细节

模型推荐：

写实风格：Realistic Vision、ChilloutMix
动漫风格：Anything V5、Counterfeit
特殊风格：Arcane、MoDi

参数优化：

采样器：DPM++ 2M Karras（平衡速度质量）
步数：20-30步（效果与速度平衡）
CFG Scale：7-9（创意与服从度平衡）

6.3 成本优化建议

及时关机：不用时在控制台关机，仅按实际使用时间计费
使用快照：配置好环境后创建系统快照，便于快速恢复
模型管理：只下载常用模型，避免存储空间浪费

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

程序员的职业生涯：从传统到智能

随着科技的飞速发展，人工智能（AI）技术正以前所未有的速度改变着各个行业，程序员的职业生涯也受到了深远的影响。本文的目的在于全面分析程序员职业生涯从传统编程模式向智能编程领域的转变过程，探讨其中的机遇与挑战。范围涵盖了传统编程和人工智能的核心概念、算法原理、实际应用场景等多个方面，旨在为广大程序员提供一个系统的职业发展指南。本文将按照以下结构展开：首先介绍核心概念与联系，帮助读者了解传统编程和人工

2048 AI社区

阿里千问 APP 来了，对标 ChatGPT，配吗？

阿里发布千问 APP，正式开启公测。这个消息我上周已经刷到了——“阿里秘密启动千问项目，全面对标 ChatGPT ”，甚至还带动了阿里港股小涨一波。周末我发现 APP Store 里已经开放下载，于是花了两天时间密集测了一圈。有个有趣的发现：当所有人都在 AI 应用里堆功能的时候，阿里反而做起了减法。

2048 AI社区

agno v2.3.4 发布：修复AsyncPostgresDB内存删除问题并新增Gemini 3示例

代码地址：github.com/agno-agi/agno不仅修复了数据库相关的问题，还通过增加 Google Gemini 3 示例极大丰富了 Agent 功能演示，对想要将 Google AI 功能快速集成到应用的开发者非常有帮助。此外 API Key 校验逻辑的统一化改进，也让环境配置更加清晰可控。建议所有使用相关功能的开发者尽快升级到该版本，以便获得更好的稳定性与开发体验。