一、 引言
相继在两个云平台 Kaggle 和 AutoDL 上部署了 Stable Diffusion 后，这周决定再在 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！
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 "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
输入 brew -v 验证 Homebrew 是否安装成功：出现版本号说明 Homebrew 已经安装成功了。
补充知识：
- Homebrew 官网：https://brew.sh/
- 通过官网方式安装的，卸载 Homebrew 的方式如下（注意：如果是国内镜像安装的，不用这个命令卸载）：
/bin/bash -c "$(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
-
在运行过程中，不要关闭 Terminal，否则页面就打不开了。
-
下次再启动，进到 Stable Diffusion WebUI 对应的目录，执行
./webui.sh即可。 -
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 ‘https://github.com/AUTOMATIC1111/stable-diffusion-webui/’：HTTP/2 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 https://github.com/ ，在每一处前面都加上 https://ghproxy.com/ ，加完后是这样的 https://ghproxy.com/https://github.com/xxxxx ，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！文章来源：https://www.toymoban.com/news/detail-669437.html
大家加油！文章来源地址https://www.toymoban.com/news/detail-669437.html
到了这里，关于Mac本地部署Stable Diffusion，超详细，含踩坑点（AI 绘画保姆级教程）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
