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 上部署了 Stable Diffusion 后，决定再在 Mac 本地部署一下 Stable Diffusion！

其实看 Stable Diffusion WebUI 的 Github 官网，步骤还是比较清晰简单的。

但实际部署过程中，确实还是遇到了不少问题，所以顺便将踩过的坑一一记录了下来，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解决方案。

所以，Mac 党的朋友，想在本地部署 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），于是抢了男朋友的 Mac 来搞一下。

二、 Mac 的配置

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

这个配置下，出图的效率怎么样呢？

文章的第五部分「性能测试」中，基于同一模型、不同采样方法，在进行了多组测试后，出图效率简单记录了一下，大家可以参考~

三、 安装步骤

1. 安装 Homebrew

方式一：官方安装（可能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 是否安装成功：出现版本号说明 Homebrew 已经安装成功了。

补充知识：

• Homebrew 官网：brew.sh/
• 通过官网方式安装的，卸载 Homebrew 的方式如下（注意：如果是国内镜像安装的，不用这个命令卸载）：

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

方式二：国内镜像安装

如果用第一种方式输入命令没有反应，或者是安装过程中出错了，多数是因为网络问题。可以用国内镜像进行 Homebrew 的安装。

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

Core、Cask、services 是 Homebrew 的其他组件，应该不是部署 Stable Diffusion WebUI 必须的。为了保险起见，这里直接都装了。

有些电脑 xcode 和 git 混乱，再运行一次，此处如果有 error 正常。

安装成功后，需要重启终端或者运行 source /Users/your_user_name/.zprofile 才能生效。

输入 brew -v 验证 Homebrew 是否安装成功：出现版本号说明 Homebrew 已经安装成功了。

补充知识

• 如果之前安装过 Homebrew，会将之前的 Homebrew 备份在桌面的 Old_Homebrew 文件夹里。如果里面没有你需要的可以删除。
• 常用命令
  • 查看版本：brew -v
  • 更新 brew 版本：brew update
  • 查找：brew search xxx（其中 xxx 替换为要查找的关键字）
  • 安装：brew install xxx
  • 查看本地软件库列表：brew ls
• 卸载 Homebrew 如果是通过国内镜像安装的 Homebrew，用这个命令卸载:

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

• 安装位置 在 Mac M1 上，Homebrew 的安装位置不是在以前的 /usr/local/，而是在 /opt/homebrew，这个大家注意。
• 如果安装过程中还遇到了其他问题，可以看文章的第四部分 可能会遇到的问题，看看有没有解释。

2. 安装 Python 等环境依赖

cmake、protobuf、rust、python@3.10、git、wget，这些都是在后面安装 Stable Diffusion WebUI 时需要用到的依赖，这里通过一条命令直接安装了。

brew install cmake protobuf rust python@3.10 git wget

Stable Diffusion WebUI 的 github 中建议使用 3.10.6，因为高版本的 Python 不支持 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，后续应该会支持吧~

3. 克隆

上一步执行成功后，我们进行 Stable Diffusino WebUI 的克隆。

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

这一步可能会遇到下载不下来，或者下载过程中出错的问题，可以看文章的第四部分 可能会遇到的问题，看看有没有解释。

如果依然没有解决，直接，干脆，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

这里包括三大类：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）

这一步可以先扔一个大模型上去，后续有需要可以再慢慢下载其他的。

不想自己下载的话，可以找我要网盘链接。

大模型

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

文件后缀：ckpt 或者 safetensors

Lora 模型

放在 stable-diffusion-webui/models/Lora 下面（在没有执行 ./webui.sh 前，是没有 Lora 这个目录的，可以先不放）

VAE 模型

Variational Auto Encoder

可以简单理解为滤镜

放在 stable-diffusion-webui/models/VAE 下面

下载方式一：从 C 站下载（需要特殊网络）

选中「Models」-「筛选」- 选择「Model types」（是大模型、还是 LoRA、还是 VAE等） – 然后选择一个模型点进去。

如果知道要下载的模型的名称的话，也可以直接在搜索框搜索模型名字，然后点进模型。

直接点「Download」按钮进行下载。

下载方式二：从 huggingface 下载

如果登不上 C 站，可以试试 huggingface，方式也比较简单。

选择「Text-to-Image」，按下载量排序，我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 的就是大模型了，随意下载一个就好。

其中 v1-5-pruned-emaonly 比较小，4 个多 GB，需要的显存少，适合于推理。

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

5. 启动 WebUI

进到 Stable Diffusion WebUI 对应的安装目录：

 cd stable-diffusion-webui

启动 Stable Diffusion WebUI：

./webui.sh

第一次启动，会下载一些组件库和依赖，可能会比较慢，大家耐心等待。

注意

如果上一步没有下载模型，这里也会自动帮我们下载一个默认的模型。因为大模型一般都好几个 GB，下起来比较慢，所以推荐大家还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自动去下模型了）。

当然出错最多的也是在启动 WebUI 这个过程。这个过程中会遇到各种各样的报错。我们需要多次停下、解决、再重新执行 ./webui.sh。

不过不用担心之前的安装都白费了，因为它会从你上次安装到的地方接着往下安装。

如果安装过程中报错了，可以看文章的第四部分「可能会遇到的问题」，看看有没有相应的解释。

当出现 Running on local URL: http://127.0.0.1:7860 的时候，说明 Stable Diffusion WebUI 已经启动好了。

在浏览器中输入 http://127.0.0.1:7860 就可以看到 Stable Diffusion WebUI 的界面了。

温馨提示

1. 在运行过程中，不要关闭 Terminal，否则页面就打不开了。
2. 下次再启动，进到 Stable Diffusion WebUI 对应的目录，执行 ./webui.sh 即可。
3. 如果安装过程中报错了，可以看文章的第四部分「可能会遇到的问题」，看看有没有解释。

四、 可能会遇到的问题

1. 用国内镜像安装 Homebrew 可能出现的问题

问题描述

解决

大概翻译一下，意思是说，在 “/opt/homebrew/Library/Taps/homebrew/homebrew-core” 的仓库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，也是类似的意思。所以我们只需要按照上面的提示，在命令行中输入这两行，就完美解决了。当再执行 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 的时候报：

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

解决：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，发现可以正常下载了。

3. Couldn’t install torch.

在执行完 ./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，如果遇到了 “RuntimeError: Couldn’t install torch.” 或者其他问题，可能是 Python 版本的问题，升级或者降级到 3.10 的最新版本，然后删掉 WebUI 目录下的 venv 目录再重试。

但是上面我们明明执行过 brew install cmake protobuf rust python@3.10 git wget 这个命令，其中安装了 Python 3.10 呀。按理说不应该呀。

怀着怀疑的态度我在命令行里输入 python3 -V 进行查看。

咦，一看不得了，这版本咋是 3.9.6？

这个 3.9 的 Python 版本，应该是 Mac 自带的 Python。可能就是因为这个原因导致启动时下载库出错。

于是又从 Python 官网下载了 Python 3.10.10 这个版本。按提示傻瓜式安装就好了。之后还配置了一下环境变量。

# 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"

# 使配置生效
source ~/.bash_profile

这时版本就成 3.10.10 了。

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

4. Couldn’t install gfpgan.

在执行完 ./webui.sh 后报 “RuntimeError: Couldn’t install gfpgan.”

其实是因为没有下载下来 gfpgan。我们可以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。当再次执行 ./webui.sh 时，发现已经跨过 GFPGAN，继续下载其他依赖了。完美解决！

5. Couldn’t install clip.

在执行完 ./webui.sh 后报 “RuntimeError: Couldn’t install clip.”

可以手动下载后安装，就像解决 “Couldn’t install gfpgan” 这个问题一样。但是这里我们换一种解决方式。

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。再执行 ./webui.sh，就没有问题了。

为什么这里不用上面解决 gfpgan 的手动下载的方式呢？

看 prepare_environment() 这个方法里，一共定义了 7 处下载地址，如果不用添加代理的方式，大概率接下来在下载 K-diffusion、CodeFormer、BLIP 的时候，也是会报错的。所以这里一起改掉，万事大吉！

这种方法也可以解决以下报错：

Couldn’t install K-diffusion

Couldn’t install CodeFormer

Couldn’t install BLIP

6. Couldn’t install K-diffusion

见 5 解决方法。

7. Couldn’t install CodeFormer

见 5 解决方法。

8. Couldn’t install BLIP

见 5 解决方法。

五、 性能测试

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 本地部署相对于 Stable Diffusion 云部署，最大的两个优点就是：

更自由（懂的都懂）！

不花钱，完全免费！

Kaggle 虽然每月可白嫖 30 个小时的算力，但太容易被封，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，不那么容易被封，但是需要花钱。大部分机器实例在 1～2 元 / 小时，也不算贵，但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 上成功部署了 Stable Diffusion，实现了 Stable Diffusion 自由！也将所有踩过的坑，一一填平并记录了下来。希望可以帮到想在 Mac 上部署 Stable Diffusion 的同学。

其实在 Mac 本地部署 Stable Diffusion 遇到的大部分问题，基本都是网络造成的。每个人的电脑配置及网络环境都不一样，所以有时会遇到试了好几个解决方案都无法解决的情况。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。

所以最后想对大家说的是，耐心一点，再耐心一点，方法总是有的，问题总会解决！

大家加油！也希望这篇教程可以真的帮到大家！

文章来源于互联网:在男朋友的 Mac 上部署 Stable Diffusion（超详细，含踩坑点，AI 绘画入门保姆级教程）

一、 引言二、 Mac 的配置三、 安装步骤四、 可能会遇到的问题五、 性能测试六、 结束语