在 Mac M1 的 GPU 上运行Stable-Diffusion

Stable Diffusion 是开源的，所以任何人都可以运行和修改它。这就是其在开源之后引发了大量创作热潮创作热潮的原因。

您可以在 Replicate 云中运行 Stable Diffusion，但也可以在本地运行它。除了生成预测之外，您还可以对其进行破解、修改和构建新事物。让它在 M1 Mac 的 GPU 上运行有点繁琐，所以我们创建了本指南来向您展示如何做到这一点。

这一切归功于为GitHub 上的Stable-Diffusion做出贡献的每个人，并在这个 GitHub Issue中解决了所有问题。我们只是他们伟大工作的使者。

我们在之前的工作之上做了一件事：使用 pip 而不是 Conda 来安装依赖项。因为它更容易设置并且不需要编译任何东西。

先决条件

• 带有 M1 或 M2 芯片的 Mac。
• 16GB RAM 或更多。8GB 的​​ RAM 可以工作，但速度极慢。
• macOS 12.3 或更高版本。

设置 Python

您需要 Python 3.10 才能运行稳定扩散。运行python -V以查看您安装的 Python 版本：

$ python3 -V                                                                                       !11338
Python 3.10.6

如果它是 3.10 或更高版本，就像这里一样，你很高兴！跳到下一步。

否则，您需要安装 Python 3.10。最简单的方法是使用 Homebrew。首先，如果您还没有安装 Homebrew 。

然后，安装最新版本的 Python：

brew update
brew install python

现在如果你运行python3 -V你应该有 3.10 或更高版本。您可能需要重新打开控制台才能使其正常工作。

克隆存储库并安装依赖项

运行这个来克隆 Stable Diffusion 的分支：

git clone -b apple-silicon-mps-support https://github.com/bfirsh/stable-diffusion.git
cd stable-diffusion
mkdir -p models/ldm/stable-diffusion-v1/

然后，设置一个 virtualenv 来安装依赖项：

python3 -m pip install virtualenv
python3 -m virtualenv venv

激活虚拟环境：

source venv/bin/activate

（您需要在想要运行稳定扩散的任何时候再次运行此命令。）

然后，安装依赖项：

pip install -r requirements.txt

如果您看到Failed building wheel for onnx可能需要安装这些软件包的错误：

brew install Cmake protobuf rust

下载权重

转到Hugging Face 存储库，阅读并理解许可证，然后单击“访问存储库”。

在该页面上下载sd-v1-4.ckpt（~4 GB）并将其保存models/ldm/stable-diffusion-v1/model.ckpt在您在上面创建的目录中。

运行！

现在，您可以运行稳定扩散：

python scripts/txt2img.py \
  --prompt "a red juicy apple floating in outer space, like a planet" \
  --n_samples 1 --n_iter 1 --plms

你的输出在outputs/txt2img-samples/. 而已。

检查

在scripts/txt2img.py中，代码通过以下方式检查设备情况：

def get_device():
    if(torch.cuda.is_available()):
        return 'cuda'
    elif(torch.backends.mps.is_available()):
        return 'mps'
    else:
        return 'cpu'

运行任务后，你可以通过本地的活动监视器查看资源的使用情况：

使用了Mac M1X的GPU来运行任务

下一步

• 如果您难以进行此设置，请在我们的 Discord 中寻求帮助。
• 如果您只想让它在云中运行，您可以使用 API 运行 Stable Diffusion 。
• 您可能想深入研究源代码以查看可以修改的内容。如需灵感，请查看Deforum 的 Colab notebook，它可以做很多事情，比如图像到图像、插值、视频等等。
• 如果您想托管您的稳定扩散创作，您可以将自定义模型推送到 Replicate 。

快乐黑客！