dustynv/stable-diffusion-webui

stable-diffusion-webui Docker镜像文档

1. 镜像概述和主要用途

stable-diffusion-webui 是一个基于 https://github.com/AUTOMATIC1111/stable-diffusion-webui 项目的Docker镜像，集成了 https://github.com/AUTOMATIC1111/stable-diffusion-webui-tensorrt%EF%BC%8C%E4%B8%93%E4%B8%BANVIDIA Jetson平台优化。镜像内Web UI程序位于 /opt/stable-diffusion-webui，主要用途是提供图形化界面，方便用户通过浏览器进行 Stable Diffusion 模型的图像生成（文本转图像、图像转图像等）。

2. 核心功能和特性

• TensorRT加速：集成TensorRT扩展，优化模型推理性能，提升图像生成速度。
• 默认Web服务配置：启动时自动运行Web服务器，无需手动配置即可通过浏览器访问。
• xformers优化：默认启用xformers库，优化注意力机制的内存占用和计算效率。
• 自动模型管理：首次启动时自动从Hugging Face下载默认模型（https://huggingface.co/runwayml/stable-diffusion-v1-5%EF%BC%89%E3%80%82
• 低显存支持：提供--medvram和--lowvram模式，适配不同显存容量的Jetson设备。
• 扩展兼容性：支持安装Web UI扩展（需通过--enable-insecure-extension-access开启）。
• Stable Diffusion XL支持：兼容SDXL基础模型和优化器模型（如stabilityai/stable-diffusion-xl-base-1.0）。

3. 使用场景和适用范围

• Jetson嵌入式设备：适用于NVIDIA Jetson系列平台（如Jetson AGX Orin、Jetson Xavier NX、Jetson Nano等），利用硬件加速实现本地化图像生成。
• Web UI用户：适合偏好图形界面操作的用户，无需命令行即可调整参数（提示词、采样器、分辨率等）并生成图像。
• 资源受限环境：通过--medvram/--lowvram参数，可在显存有限的设备上运行（如Jetson Nano需使用--lowvram）。
• 快速部署需求：Docker化封装简化依赖管理，一键启动，适合快速测试和原型验证。

4. 使用方法和配置说明

4.1 镜像选择

镜像标签与JetPack/L4T版本对应，需根据设备的JetPack版本选择：

兼容性说明：L4T R35.x镜像适用于所有JetPack 5.1+版本，L4T R36.x镜像适用于JetPack 6.0+版本。

4.2 运行容器

4.2.1 使用jetson-containers工具（推荐）

通过jetson-containers工具自动选择兼容镜像并启动：

bash
# 自动拉取/构建兼容镜像并运行
jetson-containers run $(autotag stable-diffusion-webui)

# 或指定具体镜像标签
jetson-containers run dustynv/stable-diffusion-webui:r35.3.1

jetson-containers run会自动添加--runtime nvidia、挂载/data目录（模型缓存），并检测设备硬件。

4.2.2 使用docker run手动运行

若直接使用docker命令，需手动指定NVIDIA运行时和网络配置：

bash
sudo docker run \
  --runtime nvidia \          # 使用NVIDIA运行时（GPU支持）
  -it --rm \                  # 交互式运行，退出后自动删除容器
  --network=host \            # 共享主机网络（简化端口映射）
  dustynv/stable-diffusion-webui:r35.3.1  # 镜像标签（需替换为实际版本）

4.3 目录挂载

如需持久化存储模型、生成图像或配置文件，可挂载主机目录到容器：

bash
# 挂载主机模型目录到容器（避免重复下载）
jetson-containers run -v /host/path/to/models:/data/models/stable-diffusion $(autotag stable-diffusion-webui)

# 挂载生成图像目录（方便主机访问输出结果）
jetson-containers run -v /host/path/to/outputs:/opt/stable-diffusion-webui/outputs $(autotag stable-diffusion-webui)

4.4 自定义启动参数

默认启动命令为：

bash
cd /opt/stable-diffusion-webui && python3 launch.py \
  --data=/data/models/stable-diffusion \
  --enable-insecure-extension-access \
  --xformers \
  --listen \
  --port=7860

如需修改参数（如添加--medvram），可通过jetson-containers run或docker run覆盖默认命令：

bash
# 使用jetson-containers添加自定义参数
jetson-containers run $(autotag stable-diffusion-webui) \
  python3 launch.py --data=/data/models/stable-diffusion --xformers --listen --port=7860 --medvram

# 使用docker run添加自定义参数
sudo docker run --runtime nvidia -it --rm --network=host \
  dustynv/stable-diffusion-webui:r35.3.1 \
  python3 launch.py --data=/data/models/stable-diffusion --lowvram --port=7861

5. 配置参数说明

5.1 默认参数

5.2 常用可选参数

6. 构建容器（可选）

若需自定义镜像（如修改依赖或添加插件），可手动构建：

1. 首先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md%E3%80%82
2. 执行构建命令：

bash
jetson-containers build stable-diffusion-webui  # 自动检测JetPack版本并构建兼容镜像

构建过程会自动拉取依赖（如CUDA、PyTorch、xformers等），并打包Web UI程序和TensorRT扩展。

7. 注意事项和技巧

• 访问Web UI：启动容器后，在浏览器中访问 http://<设备IP>:7860（替换<设备IP>为Jetson设备的IP地址或主机名）。
• 模型下载：首次启动时会自动下载stable-diffusion-1.5模型（约4GB），需确保网络畅通，下载时间取决于网络速度。
• 负面提示词优化：参考https://huggingface.co/spaces/stabilityai/stable-diffusion/discussions/7857%E6%8F%90%E5%8D%87%E7%94%9F%E6%88%90%E5%9B%BE%E5%83%8F%E8%B4%A8%E9%87%8F%E3%80%82
• Stable Diffusion XL使用：需手动下载SDXL模型（如https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0%E5%92%8Chttps://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0%EF%BC%89%EF%BC%8C%E5%B9%B6%E6%94%BE%E7%BD%AE%E4%BA%8E%60--data%60%E6%8C%87%E5%AE%9A%E7%9A%84%E6%A8%A1%E5%9E%8B%E7%9B%AE%E5%BD%95%EF%BC%8C%E5%9C%A8Web UI中选择对应模型即可使用。
• 扩展安装：通过Web UI的“扩展”选项卡安装社区插件，需确保已启用--enable-insecure-extension-access参数。

8. 依赖和系统要求

• 硬件：NVIDIA Jetson设备（需支持JetPack 5.1+，即L4T >=34.1.0）。
• 软件：Docker、nvidia-docker运行时、JetPack 5.1+（含CUDA、cuDNN、TensorRT）。
• 依赖项：build-essential、CUDA、cuDNN、Python 3.x、PyTorch 2.2+、xformers、TensorRT等（已内置在镜像中）。