当前位置: 首页 > news >正文

部署stable-diffusion3.5 大模型,文生图

UI 使用推荐的ComfyUI,GitHub 地址,huggingface 需要注册登录,需要下载的文件下面有说明

  1. Dockerfile 文件如下:
FROM nvidia/cuda:12.4.0-base-ubuntu22.04
RUN apt-get update && apt-get install python3 pip git --no-install-recommends -y &&\git clone https://github.com/comfyanonymous/ComfyUI.git &&\pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple --no-cache &&\apt-get clean && apt-get autoclean && apt-get autoremove
WORKDIR /ComfyUI
EXPOSE 8188
RUN pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt --no-cache
COPY AIGODLIKE-COMFYUI-TRANSLATION custom_nodes/AIGODLIKE-COMFYUI-TRANSLATION
COPY stable-diffusion/sd3.5_large_turbo.safetensors models/checkpoints/
COPY stable-diffusion/vae models/vae
COPY clip models/clip
CMD ["python3", "main.py", "--listen", "0.0.0.0"]
  1. 把需要的文件下载下来拷贝到一个目录,文件夹目录结构如下:
.
├── AIGODLIKE-COMFYUI-TRANSLATION   # 中文包
│   ├── example
│   ├── __init__.py
│   ├── ja-JP
│   ├── ko-KR
│   ├── LocaleMap.js
│   ├── main.js
│   ├── MenuTranslate.js
│   ├── pyproject.toml
│   ├── readme.md
│   ├── ru-RU
│   ├── zh-CN
│   └── zh-TW
├── clip  # 解析器
│   ├── clip_g.safetensors
│   ├── clip_l.safetensors
│   └── t5xxl_fp8_e4m3fn.safetensors
├── Dockerfile
└── stable-diffusion ## 大模型├── sd3.5_large_turbo.safetensors├── SD3.5L_Turbo_example_workflow.json└── vae
  • 需要下载大模型文件,demo 文件,vae 大模型地址
    在这里插入图片描述

  • 文本解析器: 解析器地址
    在这里插入图片描述

  • 语言包: 语言包地址,点击设置可以切换语言到中文,如果不需要可以忽略

  1. 构建镜像,并运行
docker build -t stable-diffusion:3.5-large-turbo-ubuntu22.04-cuda12.4-py310-torch2.5.1 .
docker run --runtime=nvidia --gpus all --rm -p 8188:8188 stable-diffusion:3.5-large-turbo-ubuntu22.04-cuda12.4-py310-torch2.5.1
  1. 访问ComfyUI,把刚才下载的 SD3.5L_Turbo_example_workflow.json 拖到 UI 上,按照步骤执行,在预览图像框里查看生成的图像
    在这里插入图片描述

相关文章:

部署stable-diffusion3.5 大模型,文生图

UI 使用推荐的ComfyUI,GitHub 地址,huggingface 需要注册登录,需要下载的文件下面有说明 Dockerfile 文件如下: FROM nvidia/cuda:12.4.0-base-ubuntu22.04 RUN apt-get update && apt-get install python3 pip git --n…...

数据采集之selenium模拟登录

使用Cookijar完成模拟登录 本博文爬取实例为内部网站,请sduter使用本人账号替换*********(学号),***(姓名)进行登录 from selenium import webdriver from selenium.webdriver.common.by import By from…...

机器学习中的两种主要思路:数据驱动与模型驱动

在机器学习的研究和应用中,如何从数据中提取有价值的信息并做出准确预测,是推动该领域发展的核心问题之一。在这个过程中,机器学习方法主要依赖于两种主要的思路:数据驱动与模型驱动。这两种思路在不同的应用场景中发挥着至关重要…...

【计算机网络】TCP协议面试常考(一)

三次握手和四次挥手是TCP协议中非常重要的机制,它们在多种情况下确保了网络通信的可靠性和安全性。以下是这些机制发挥作用的一些关键场景: 三次握手的必要性: 同步序列号: 三次握手确保了双方的初始序列号(ISN&#…...

C#/.NET/.NET Core学习路线集合,学习不迷路!

前言 C#、.NET、.NET Core、WPF、WinForm、Unity等相关技术的学习、工作路线集合(持续更新)!!! 全面的C#/.NET/.NET Core学习、工作、面试指南:https://github.com/YSGStudyHards/DotNetGuide C#/.NET/.N…...

使用哈希表做计数排序js

function hashSort(arr) {// 创建一个哈希表(对象),统计每个数字出现的次数let hashMap {};arr.forEach(num > {if (hashMap[num]) {hashMap[num] 1;} else {hashMap[num] 1;}});// 根据哈希表的键值对构建排序后的数组let sortedArr …...

京津冀自动驾驶技术行业盛会|2025北京自动驾驶技术展会

“自动驾驶技术”已经成为全球汽车产业的焦点之一。在这个充满创新与变革的时代,“2025北京国际自动驾驶技术展览会”拟定于6月份在北京亦创国际会展中心盛大开幕,为全球自动驾驶技术领域的专业人士、企业以及爱好者们提供了一个交流与展示的平台。作为一…...

Chrome与火狐哪个浏览器的隐私追踪功能更好

当今数字化时代,互联网用户越来越关注在线隐私保护。浏览器作为我们探索网络世界的重要工具,其隐私追踪功能的强弱直接影响到个人信息的安全。本文将对比Chrome和Firefox这两款流行的浏览器,在隐私追踪防护方面的表现,并探讨相关优…...

探索 Python 图像处理的瑞士军刀:Pillow 库

文章目录 探索 Python 图像处理的瑞士军刀:Pillow 库第一部分:背景介绍第二部分:Pillow库是什么?第三部分:如何安装这个库?第四部分:简单的库函数使用方法第五部分:结合场景使用库第…...

JavaScript中的if、else if、else 和 switch

写在前面 在编程中,条件判断是控制程序流程的重要手段。JavaScript 提供了多种方式来进行条件判断,包括 if、else if、else 和 switch。本文将详细介绍这些语句的语法、用法以及一些相关的注意事项。 if、else if 和 else 语法 if、else if 和 else …...

Python 使用 langchain 过程中的错误总结

1. 环境 conda activate langchain pip install -U langchain$ pip show langchain Name: langchain Version: 0.3.7 Summary: Building applications with LLMs through composability Home-page: https://github.com/langchain-ai/langchain Author: Author-email: Licens…...

MySQL基础篇总结

基本SQL语句分类 DDL(数据定义语言) 数据定义语言,用来定义数据库对象(数据库、表、字段)。 数据控制语言,用来创建数据库用户、控制数据库的控制权限。 数据库操作 查询所有数据库: SHOW DATABASES; 查询当前数据库…...

全面解析:网络协议及其应用

💓 博客主页:瑕疵的CSDN主页 📝 Gitee主页:瑕疵的gitee主页 ⏩ 文章专栏:《热点资讯》 # 全面解析:网络协议及其应用 文章目录 网络协议概述定义发展历程主要优势 主要网络协议应用层协议传输层协议网络层…...

一文了解Java序列化

Java 序列化(Serialization)是将对象的状态转换为字节流,以便将对象的状态保存到文件中或通过网络传输的过程。反序列化(Deserialization)则是将字节流恢复为原始对象。Java 序列化主要通过 Serializable 接口实现。 为…...

【前端基础】CSS基础

目标:掌握 CSS 属性基本写法,能够使用文字相关属性美化文章页。 01-CSS初体验 层叠样式表 (Cascading Style Sheets,缩写为 CSS),是一种 样式表 语言,用来描述 HTML 文档的呈现(美化内容&#…...

Linux之selinux和防火墙

selinux(强化的linux) 传统的文件权限与账号的关系:自主访问控制,DAC; 以策略规则制定特定程序读取特定文件:强制访问控制,MAC SELinux是通过MAC的方式来控制管理进程,它控制的主…...

架构零散知识点

1 数据库 1.1 数据库范式 有一个学生表,主键是学号,含有学生号、学生名、班级、班级名,违反了数据库第几范式? --非主属性不依赖于主键,不满足第二范式 有一个订单表,包含以下字段:订单ID&…...

【从零开始的LeetCode-算法】3254. 长度为 K 的子数组的能量值 I

给你一个长度为 n 的整数数组 nums 和一个正整数 k 。一个数组的 能量值 定义为: 如果 所有 元素都是依次 连续 且 上升 的,那么能量值为 最大 的元素。否则为 -1 。 你需要求出 nums 中所有长度为 k 的子数组的能量值。 请你返回一个长度为 n - k 1…...

跨IDE开发

跨IDE开发:多工具协同最佳实践 🛠️ 在现代软件开发中,不同的开发任务往往需要不同的工具。让我们探讨如何高效地在多个IDE间协同工作! 第一部分:IDE协同开发的基础设施 🏗️ 1. 统一的项目配置 为了确保…...

2020年美国总统大选数据分析与模型预测

数据集取自:2020年🇺🇸🇺🇸美国大选数据集 - Heywhale.com 前言 对2020年美国总统大选数据的深入分析,提供各州和县层面的投票情况及选民行为的可视化展示。数据预处理阶段将涉及对异常值的处理&#xff0…...

QMLWeb:让QML应用在浏览器中无缝运行的开源引擎

QMLWeb:让QML应用在浏览器中无缝运行的开源引擎 【免费下载链接】qmlweb A QML engine in a web browser. Current state: fixing things… 项目地址: https://gitcode.com/gh_mirrors/qm/qmlweb QMLWeb是一个创新的开源项目,它打破了QML只能在桌…...

中国象棋AlphaZero:零基础构建超越人类棋力的AI对战系统

中国象棋AlphaZero:零基础构建超越人类棋力的AI对战系统 【免费下载链接】ChineseChess-AlphaZero Implement AlphaZero/AlphaGo Zero methods on Chinese chess. 项目地址: https://gitcode.com/gh_mirrors/ch/ChineseChess-AlphaZero 中国象棋AlphaZero是一…...

LivePortrait:突破性AI肖像动画技术,让静态照片瞬间“活“起来

LivePortrait:突破性AI肖像动画技术,让静态照片瞬间"活"起来 【免费下载链接】LivePortrait Bring portraits to life! 项目地址: https://gitcode.com/GitHub_Trending/li/LivePortrait 在数字内容创作日益普及的今天,如何…...

MOOTDX零代码金融数据解决方案:3个核心价值点解锁股票数据可视化分析

MOOTDX零代码金融数据解决方案:3个核心价值点解锁股票数据可视化分析 【免费下载链接】mootdx 通达信数据读取的一个简便使用封装 项目地址: https://gitcode.com/GitHub_Trending/mo/mootdx 一、价值定位:为什么MOOTDX是金融数据获取的最优解 打…...

告别配置噩梦:OpCore-Simplify让黑苹果EFI构建效率提升90%

告别配置噩梦:OpCore-Simplify让黑苹果EFI构建效率提升90% 【免费下载链接】OpCore-Simplify A tool designed to simplify the creation of OpenCore EFI 项目地址: https://gitcode.com/GitHub_Trending/op/OpCore-Simplify 黑苹果配置一直是许多技术爱好者…...

通义千问1.5-1.8B-Chat-GPTQ-Int4 WebUI轻量化优势:对比传统方案在边缘计算场景下的潜力

通义千问1.5-1.8B-Chat-GPTQ-Int4 WebUI轻量化优势:对比传统方案在边缘计算场景下的潜力 最近在折腾一些边缘设备上的AI应用,发现一个挺有意思的现象:大家一提到部署大模型,脑子里蹦出来的第一个念头往往是“得找个性能强劲的服务…...

ResNet残差连接实战:为什么你的深层网络总是不收敛?

ResNet残差连接实战:为什么你的深层网络总是不收敛? 训练深度神经网络时,最令人沮丧的莫过于看着损失函数在迭代中纹丝不动,或是验证集指标像过山车一样上下波动。我曾在一个图像分类项目中使用标准CNN架构,当层数超过…...

地热模拟实战:当岩石遇上高温水流

Comsol地热开采-热流固耦合(两个模型,均质和裂隙岩体)附赠参考文献。地热开采就像给地球做"针灸",要在不透水的花岗岩里造出人工热储层。最近用COMSOL折腾了两个典型模型:人畜无害的均质岩体和自带裂隙的破碎…...

KMS_VL_ALL_AIO:智能激活脚本的高效办公解决方案

KMS_VL_ALL_AIO:智能激活脚本的高效办公解决方案 【免费下载链接】KMS_VL_ALL_AIO Smart Activation Script 项目地址: https://gitcode.com/gh_mirrors/km/KMS_VL_ALL_AIO 在数字化办公环境中,Windows系统和Office办公套件的激活管理常常成为用户…...

translategemma-12b-it部署案例:基于Ollama的轻量级多模态翻译服务搭建

translategemma-12b-it部署案例:基于Ollama的轻量级多模态翻译服务搭建 想象一下,你正在处理一份满是英文的产品说明书,或者收到了一张包含外文菜单的图片。传统方法可能需要你手动打字、复制粘贴,或者使用多个工具来回切换。现在…...