dustynv/stable-diffusion

[***]

0 次下载activedustynv镜像

🚀轩辕镜像专业版更稳定💎一键安装 Docker 配置镜像源

镜像简介版本下载

🚀轩辕镜像专业版更稳定💎一键安装 Docker 配置镜像源

stable-diffusion

CONTAINERS IMAGES RUN BUILD

Generate images from text (txt2img) or from other images (img2img)

stable-diffusion: [***] (/opt/stable-diffusion)
with memory optimizations: [***] (/opt/stable-diffusion/optimizedSD)
tested on stable-diffusion-1.4 model: [***]

See the stable-diffusion-webui container for a faster implementation with a web interface.

txt2img

Download the stable-diffusion-1.4 model (sd-v1-4.ckpt)

bash
wget [***] -O /data/models/stable-diffusion/sd-v1-4.ckpt

Then run this in the container to generate images (by default, six 512x512 images with 50 refinement steps)

bash
cd /opt/stable-diffusion && python3 scripts/txt2img.py --plms \
  --ckpt /data/models/stable-diffusion/sd-v1-4.ckpt \
  --outdir /data/images/stable-diffusion \
  --prompt "a photograph of an astronaut riding a horse"

See here for options: [***]

For just one 512x512 image with 25 steps:

bash
cd /opt/stable-diffusion && python3 scripts/txt2img.py --plms \
  --n_samples 1 --n_iter 1 --ddim_steps 25 \
  --ckpt /data/models/stable-diffusion/sd-v1-4.ckpt \
  --outdir /data/images/stable-diffusion \
  --prompt "two robots walking in the woods"

Change the image resolution with --W and --H (the default is 512x512)
Change the --seed to have the images be different (the default seed is 42)

For Jetson Orin Nano and reduced memory usage:

bash
cd /opt/stable-diffusion && python3 optimizedSD/optimized_txt2img.py \
  --sampler plms --seed 42 \
  --n_samples 1 --n_iter 1 --ddim_steps 25 \
  --ckpt /data/models/stable-diffusion/sd-v1-4.ckpt \
  --outdir /data/images/stable-diffusion \
  --prompt "a photograph of an astronaut riding a horse"

To run all these steps from a script, see stable-diffusion/test.sh

CONTAINERS

`stable-diffusion`
Builds	![`stable-diffusion_jp51`]([***]
Requires	`L4T ['>=34.1.0']`
Dependencies	`build-essential` `cuda` `cudnn` `python` `numpy` `cmake` `onnx` `pytorch:2.2` `torchvision` `huggingface_hub` `rust` `transformers`
Dependants	`l4t-diffusion`
Dockerfile	`Dockerfile`
Images	`dustynv/stable-diffusion:r35.2.1` `(2023-12-14, 6.1GB)` `dustynv/stable-diffusion:r35.3.1` `(2023-12-12, 6.1GB)` `dustynv/stable-diffusion:r35.4.1` `(2023-12-15, 6.1GB)`
Notes	disabled on JetPack 4

CONTAINER IMAGES

Repository/Tag	Date	Arch	Size
`dustynv/stable-diffusion:r35.2.1`	`2023-12-14`	`arm64`	`6.1GB`
`dustynv/stable-diffusion:r35.3.1`	`2023-12-12`	`arm64`	`6.1GB`
`dustynv/stable-diffusion:r35.4.1`	`2023-12-15`	`arm64`	`6.1GB`

_{Container images are compatible with other minor versions of JetPack/L4T:}
_{• L4T R32.7 containers can run on other versions of L4T R32.7 (JetPack 4.6+)}
_{• L4T R35.x containers can run on other versions of L4T R35.x (JetPack 5.1+)}

RUN CONTAINER

To start the container, you can use jetson-containers run and autotag, or manually put together a docker run command:

bash
# automatically pull or build a compatible container image
jetson-containers run $(autotag stable-diffusion)

# or explicitly specify one of the container images above
jetson-containers run dustynv/stable-diffusion:r35.4.1

# or if using 'docker run' (specify image and mounts/ect)
sudo docker run --runtime nvidia -it --rm --network=host dustynv/stable-diffusion:r35.4.1

^{jetson-containers run forwards arguments to docker run with some defaults added (like --runtime nvidia, mounts a /data cache, and detects devices)}
^{autotag finds a container image that's compatible with your version of JetPack/L4T - either locally, pulled from a registry, or by building it.}

To mount your own directories into the container, use the -v or --volume flags:

bash
jetson-containers run -v /path/on/host:/path/in/container $(autotag stable-diffusion)

To launch the container running a command, as opposed to an interactive shell:

bash
jetson-containers run $(autotag stable-diffusion) my_app --abc xyz

You can pass any options to it that you would to docker run, and it'll print out the full command that it constructs before executing it.

BUILD CONTAINER

If you use autotag as shown above, it'll ask to build the container for you if needed. To manually build it, first do the system setup, then run:

bash
jetson-containers build stable-diffusion

The dependencies from above will be built into the container, and it'll be tested during. Run it with --help for build options.

查看更多 stable-diffusion 相关镜像 →

dustynv/ros

by dustynv

为NVIDIA Jetson平台提供预配置的ROS环境，支持机器人应用的快速开发、部署与运行，适配Jetson硬件加速能力。

22100K+ pulls

上次更新：9 个月前

dustynv/jetson-inference

by dustynv

jetson-inference是为NVIDIA Jetson平台设计的深度学习推理容器，集成CUDA、PyTorch、TensorRT、OpenCV等关键依赖，支持多种JetPack/L4T版本，便于快速部署和运行计算机视觉等推理任务。

GitHub仓库dusty-nv/jetson-containers中的Ollama LLM包，是为NVIDIA Jetson嵌入式平台设计的容器化解决方案，旨在简化大型语言模型（LLM）的部署与运行流程，支持多种主流LLM模型，充分利用Jetson设备的硬件加速能力，适用于边缘AI计算、智能终端开发等场景，为开发者提供便捷高效的本地化LLM部署工具。

用于在NVIDIA Jetson边缘设备上部署和运行大语言模型的Docker镜像，针对嵌入式硬件优化，支持本地高效推理。

包含llama.cpp（启用CUDA支持）和llama-cpp-python的Docker镜像，支持GGUF/GGML模型格式，适用于本地大语言模型推理任务。

NVIDIA Jetson 平台优化的大语言模型推理服务框架

350K+ pulls

上次更新：5 个月前

用户好评

来自真实用户的反馈，见证轩辕镜像的优质服务

oldzhang

运维工程师

Linux服务器

"Docker加速体验非常流畅，大镜像也能快速完成下载。"

常见问题

Q1:轩辕镜像免费版与专业版有什么区别？

免费版仅支持 Docker Hub 加速，不承诺可用性和速度；专业版支持更多镜像源，保证可用性和稳定速度，提供优先客服响应。

Q2:轩辕镜像免费版与专业版有分别支持哪些镜像？

免费版仅支持 docker.io；专业版支持 docker.io、gcr.io、ghcr.io、registry.k8s.io、nvcr.io、quay.io、mcr.microsoft.com、docker.elastic.co 等。

Q3:流量耗尽错误提示

当返回 402 Payment Required 错误时，表示流量已耗尽，需要充值流量包以恢复服务。

Q4:410 错误问题

通常由 Docker 版本过低导致，需要升级到 20.x 或更高版本以支持 V2 协议。

Q5:manifest unknown 错误

先检查 Docker 版本，版本过低则升级；版本正常则验证镜像信息是否正确。

Q6:镜像拉取成功后，如何去掉轩辕镜像域名前缀？

使用 docker tag 命令为镜像打上新标签，去掉域名前缀，使镜像名称更简洁。

查看全部问题→

轩辕镜像下载加速使用手册

探索更多轩辕镜像的使用方法，找到最适合您系统的配置方式

登录仓库拉取

通过 Docker 登录认证访问私有仓库

Linux

在 Linux 系统配置镜像加速服务

Windows/Mac

在 Docker Desktop 配置镜像加速

Docker Compose

Docker Compose 项目配置加速

K8s Containerd

Kubernetes 集群配置 Containerd

宝塔面板

在宝塔面板一键配置镜像加速

群晖

Synology 群晖 NAS 配置加速

飞牛

飞牛 fnOS 系统配置镜像加速

极空间

极空间 NAS 系统配置加速服务

爱快路由

爱快 iKuai 路由系统配置加速

绿联

绿联 NAS 系统配置镜像加速

威联通

QNAP 威联通 NAS 配置加速

Podman

Podman 容器引擎配置加速

Singularity/Apptainer

HPC 科学计算容器配置加速

其他仓库配置

ghcr、Quay、nvcr 等镜像仓库

专属域名拉取

无需登录使用专属域名加速

需要其他帮助？请查看我们的常见问题或官方QQ群: 13763429

stable-diffusion Docker 镜像下载 - 轩辕镜像