一、 引言

这周工作不是很饱和（嘘），所以相继在两个云平台 Kaggle 和 AutoDL 上布置了 Stable Diffusion 后，决议再在 Mac 本地布置一下 Stable Diffusion！

其实看 Stable Diffusion WebUI 的 Github 官网，进程仍是比较明晰简略的。

但实践布置进程中，确实仍是遇到了不少问题，所以顺便将踩过的坑逐个记录了下来，应该涵盖了大部分同学都会遇到的问题，是的，全帮你们填平了，有的问题还给出了多种处理方案。

所以，Mac 党的朋友，想在本地布置 Stable Diffusion，拿着这份保姆级教程，直接冲就完事！

由于我的 Mac 太渣了（2015 年款），所以抢了男朋友的 Mac 来搞一下。

二、 Mac 的装备

MacBook Pro（2021 年）

芯片：Apple M1 Pro

核总数：8 + 14

内存：16GB

存储：512GB

macOS：Ventura 13.3.1

这个装备下，出图的功率怎么样呢？

文章的第五部分「功能测验」中，基于同一模型、不同采样办法，在进行了多组测验后，出图功率简略记录了一下，咱们能够参考~

三、 装置进程

1. 装置 Homebrew

办法一：官方装置（或许会因网络问题导致失败）

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

输入 brew -v 验证 Homebrew 是否装置成功：呈现版别号阐明 Homebrew 现已装置成功了。

弥补常识：

• Homebrew 官网：brew.sh/
• 经过官网办法装置的，卸载 Homebrew 的办法如下（留意：假如是国内镜像装置的，不必这个指令卸载）：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/uninstall.sh)"

办法二：国内镜像装置

假如用第一种办法输入指令没有反应，或许是装置进程中犯错了，多数是由于网络问题。能够用国内镜像进行 Homebrew 的装置。

/bin/bash -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"

Core、Cask、services 是 Homebrew 的其他组件，应该不是布置 Stable Diffusion WebUI 必须的。为了稳妥起见，这儿直接都装了。

有些电脑 xcode 和 git 混乱，再运转一次，此处假如有 error 正常。

装置成功后，需求重启终端或许运转 source /Users/your_user_name/.zprofile 才干生效。

输入 brew -v 验证 Homebrew 是否装置成功：呈现版别号阐明 Homebrew 现已装置成功了。

弥补常识

• 假如之前装置过 Homebrew，会将之前的 Homebrew 备份在桌面的 Old_Homebrew 文件夹里。假如里边没有你需求的能够删去。

• 常用指令

  • 检查版别：brew -v
  • 更新 brew 版别：brew update
  • 查找：brew search xxx（其间 xxx 替换为要查找的关键字）
  • 装置：brew install xxx
  • 检查本地软件库列表：brew ls

• 卸载 Homebrew 假如是经过国内镜像装置的 Homebrew，用这个指令卸载:

/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/HomebrewUninstall.sh)"

• 装置方位 在 Mac M1 上，Homebrew 的装置方位不是在曾经的 /usr/local/，而是在 /opt/homebrew，这个咱们留意。

• 假如装置进程中还遇到了其他问题，能够看文章的第四部分 或许会遇到的问题，看看有没有解说。

2. 装置 Python 等环境依靠

cmake、protobuf、rust、python@3.10、git、wget，这些都是在后面装置 Stable Diffusion WebUI 时需求用到的依靠，这儿经过一条指令直接装置了。

brew install cmake protobuf rust python@3.10 git wget

Stable Diffusion WebUI 的 github 中建议运用 3.10.6，由于高版别的 Python 不支撑 torch：

Install Python 3.10.6 (Newer version of Python does not support torch), checking “Add Python to PATH”.

文章写于 2023 年 7 月，后续应该会支撑吧~

3. 克隆

上一步履行成功后，咱们进行 Stable Diffusino WebUI 的克隆。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui

这一步或许会遇到下载不下来，或许下载进程中犯错的问题，能够看文章的第四部分 或许会遇到的问题，看看有没有解说。

假如依然没有处理，直接，爽性，进到 SDW Github 主页，直接下载 Zip 到本地，然后解压就好了。

4. 下载模型

这儿包括三大类：大模型、Lora 模型以及 VAE 模型。（当然还有其他细分小模型，后续介绍）

这一步能够先扔一个大模型上去，后续有需求能够再慢慢下载其他的。

不想自己下载的话，能够找我要网盘链接。

大模型

放在 stable-diffusion-webui/models/Stable-diffusion 下面

文件后缀：ckpt 或许 safetensors

Lora 模型

放在 stable-diffusion-webui/models/Lora 下面（在没有履行 ./webui.sh 前，是没有 Lora 这个目录的，能够先不放）

VAE 模型

Variational Auto Encoder

能够简略理解为滤镜

放在 stable-diffusion-webui/models/VAE 下面

下载办法一：从 C 站下载（需求特别网络）

选中「Models」-「筛选」- 挑选「Model types」（是大模型、仍是 LoRA、仍是 VAE等） – 然后挑选一个模型点进去。

假如知道要下载的模型的名称的话，也能够直接在搜索框搜索模型姓名，然后点进模型。

直接点「Download」按钮进行下载。

下载办法二：从 huggingface 下载

假如登不上 C 站，能够试试 huggingface，办法也比较简略。

挑选「Text-to-Image」，按下载量排序，咱们选第一个下载量最多的，然后点进去。

切换到「Files and versions」，下面四个后缀为 satetensors 或 ckpt 的便是大模型了，随意下载一个就好。

其间 v1-5-pruned-emaonly 比较小，4 个多 GB，需求的显存少，适合于推理。

v1-5-pruned 比较小，7个多 GB，需求的更多的显存，适合于微调。

5. 发动 WebUI

进到 Stable Diffusion WebUI 对应的装置目录：

 cd stable-diffusion-webui

发动 Stable Diffusion WebUI：

./webui.sh

第一次发动，会下载一些组件库和依靠，或许会比较慢，咱们耐性等候。

留意

假如上一步没有下载模型，这儿也会主动帮咱们下载一个默认的模型。由于大模型一般都好几个 GB，下起来比较慢，所以推荐咱们仍是在上一步中自己先将模型下载下来（至少放一个大模型进去，这样这一步就不会再主动去下模型了）。

当然犯错最多的也是在发动 WebUI 这个进程。这个进程中会遇到各种各样的报错。咱们需求屡次停下、处理、再重新履行 ./webui.sh。

不过不必担心之前的装置都白费了，由于它会从你上次装置到的当地接着往下装置。

假如装置进程中报错了，能够看文章的第四部分「或许会遇到的问题」，看看有没有相应的解说。

当呈现 Running on local URL: http://127.0.0.1:7860 的时分，阐明 Stable Diffusion WebUI 现已发动好了。

在浏览器中输入 http://127.0.0.1:7860 就能够看到 Stable Diffusion WebUI 的界面了。

温馨提示

1. 在运转进程中，不要封闭 Terminal，否则页面就打不开了。

2. 下次再发动，进到 Stable Diffusion WebUI 对应的目录，履行 ./webui.sh 即可。

3. 假如装置进程中报错了，能够看文章的第四部分「或许会遇到的问题」，看看有没有解说。

四、 或许会遇到的问题

1. 用国内镜像装置 Homebrew 或许呈现的问题

问题描述

处理

大约翻译一下，意思是说，在 “/opt/homebrew/Library/Taps/homebrew/homebrew-core” 的库房中检测到可疑的所有权，若要为此目录添加异常，请调用：

git config –global –add safe.directory /opt/homebrew/Library/Taps/homebrew/homebrew-core。

下面另一个错误，也是相似的意思。所以咱们只需求按照上面的提示，在指令行中输入这两行，就完美处理了。当再履行 brew -v 就不报错了！

git config --global --add safe.directory /opt/homebrew/Library/Taps/homebrew/homebrew-core
git config --global --add safe.directory /opt/homebrew/Library/Taps/homebrew/homebrew-cask

2. HTTP/2 stream 1 was not closed cleanly before end of the underlying stream

问题描述

在 git clone 的时分报：

致命错误：无法访问 ‘github.com/AUTOMATIC11… stream 1 was not closed cleanly before end of the underlying stream

处理：将通信协议改成 http/1.1

git config --global http.version HTTP/1.1

将通信协议改成 http/1.1 之后，发现能够正常下载了。

3. Couldn’t install torch.

在履行完 ./webui.sh 后报 “RuntimeError: Couldn’t install torch.”

在 modules/launch_utils.py 中看到了这段注释：

这段注释是说，假如遇到了 “RuntimeError: Couldn’t install torch.” 或许其他问题，或许是 Python 版别的问题，晋级或许降级到 3.10 的最新版别，然后删掉 WebUI 目录下的 venv 目录再重试。

可是上面咱们分明履行过 brew install cmake protobuf rust python@3.10 git wget 这个指令，其间装置了 Python 3.10 呀。按理说不应该呀。

怀着置疑的情绪我在指令行里输入 python3 -V 进行检查。

咦，一看不得了，这版别咋是 3.9.6？

这个 3.9 的 Python 版别，应该是 Mac 自带的 Python。或许便是由于这个原因导致发动时下载库犯错。

所以又从 Python 官网下载了 Python 3.10.10 这个版别。按提示傻瓜式装置就好了。之后还装备了一下环境变量。

# 编辑 ~/.bash_profile
vim ~/.bash_profile

文件中加入这三行

PATH="/opt/homebrew/bin/:${PATH}"
export PATH=${PATH}
alias python="/opt/homebrew/bin/python3.10"

# 使装备生效
source ~/.bash_profile

这时版别就成 3.10.10 了。

然后删掉 WebUI 目录下的 venv 目录，再履行 ./webui.sh，终于不报错了！便是下的有些慢～

4. Couldn’t install gfpgan.

在履行完 ./webui.sh 后报 “RuntimeError: Couldn’t install gfpgan.”

其实是由于没有下载下来 gfpgan。咱们能够从报错信息中找到下载链接，如下图中横线部分，然后 copy 这个链接到浏览器中进行下载，然后将下载好的 zip 文件加压，并将目录名改成 GFPGAN，然后拖到 stable-diffusion-webui 这个目录下就好了。当再次履行 ./webui.sh 时，发现现已跨过 GFPGAN，继续下载其他依靠了。完美处理！

5. Couldn’t install clip.

在履行完 ./webui.sh 后报 “RuntimeError: Couldn’t install clip.”

能够手动下载后装置，就像处理 “Couldn’t install gfpgan” 这个问题相同。可是这儿咱们换一种处理办法。

打开 modules/launch_utils.py，搜索 github.com/ ，在每一处前面都加上 ghproxy.com/ ，加完后是这样的 ghproxy.com/https://git… ，如下图。

一共是 7 处，修改完成后保存。再履行 ./webui.sh，就没有问题了。

为什么这儿不必上面处理 gfpgan 的手动下载的办法呢？

看 prepare_environment() 这个办法里，一共定义了 7 处下载地址，假如不必添加代理的办法，大约率接下来在下载 K-diffusion、CodeFormer、BLIP 的时分，也是会报错的。所以这儿一同改掉，万事大吉！

这种办法也能够处理以下报错：

Couldn’t install K-diffusion

Couldn’t install CodeFormer

Couldn’t install BLIP

6. Couldn’t install K-diffusion

见 5 处理办法。

7. Couldn’t install CodeFormer

见 5 处理办法。

8. Couldn’t install BLIP

见 5 处理办法。

五、 功能测验

大模型：dreamshaper

Euler：出一张 512 * 512 的图，约 20 ~ 30s

DPM++ SDE Karras：出一张 512 * 512 的图，约 1 ~ 1.5 min

六、 结束语

Stable Diffusion 本地布置相对于 Stable Diffusion 云布置，最大的两个长处便是：

更自在（懂的都懂）！

不花钱，完全免费！

Kaggle 尽管每月可白嫖 30 个小时的算力，但太简单被封，稍微画得上头一些，就被封了。我的账号就被祭了。

Kaggle 被封后，又转战到了 AutoDL，相比于 Kaggle 来说，不那么简单被封，可是需求花钱。大部分机器实例在 1～2 元 / 小时，也不算贵，可是用完后一旦忘记给实例关机，一天几十就出去了。呃，这。。。

所以这周，一顿操作猛如虎，终于在 Mac 上成功布置了 Stable Diffusion，实现了 Stable Diffusion 自在！也将所有踩过的坑，逐个填平并记录了下来。期望能够帮到想在 Mac 上布置 Stable Diffusion 的同学。

其实在 Mac 本地布置 Stable Diffusion 遇到的大部分问题，基本都是网络造成的。每个人的电脑装备及网络环境都不相同，所以有时会遇到试了好几个处理方案都无法处理的状况。其实我也是。网友说他这么改成功了，而我那么改，依然不起作用。

所以最后想对咱们说的是，耐性一点，再耐性一点，办法总是有的，问题总会处理！

咱们加油！也期望这篇教程能够真的帮到咱们！