配置 Stable Diffusion WebUI 纯 CPU 或核显绘画_stable diffusion webui能安装在intel集成显卡上吗

(如有更新，见原文：https://blog.iyatt.com/?p=12345 )

1 前言

我笔记本电脑的独显上半年的时候烧掉了，所以只能用 CPU，折腾了一下午总算给配置出来了。我这里用的官方 Python，网上很多教程用 Anaconda（也是一种 Python 发行版），其实没必要。最开始我就跟着用 Anaconda，挺折腾的，到后面发现只是需要 Python 而已，那整体简单多了。喜欢用 Anaconda 的也可以用，不影响，只是需要 Python 这个基础，然后在上面跑 PyTorch，Stable Diffusion 又是基于 PyTorch，结构就是这样。

下面的图片是用 SD 生成的，没独显还是老 CPU，速度超级慢。

内存占用挺高的（和设置图片尺寸有关）

2 环境

CPU：Intel i5-8265U
RAM：20GB
OS：Windows 11 专业工作站版 23H2（预览版）

注意：配置中需要使用梯子，设置成系统代理+绕过大陆就行

3 配置

3.1 安装 Python

官网下载地址：https://www.python.org/downloads/
注意安装的时候勾选添加到 PATH 环境变量，不然要手动去添加

我测试时 SD 最新版为 1.7.0，建议的 Python 版本不超过 3.10.6

添加了环境变量，在终端就能执行

升级 pip 版本

python -m pip install pip
1

配置过程中不建议换国内源，我开始尝试的时候换了国内的，结果环境配置找不到指定版本的包导致报错，应该是国内镜像可能存在不及时同步的问题，或者选择性同步。而且后续配置过程也要使用代理，没必要改用国内镜像，直接默认官方源就行。

3.2 安装 Git

下载 Git：https://git-scm.com/downloads
安装后检查环境变量是否正常，保证可以运行

 git --version
1

3.3 配置 Stable Diffusion

这里用网页 UI 版的，方便操作。然后一个是原版：https://github.com/AUTOMATIC1111/stable-diffusion-webui ，另外一个是支持 Intel 显卡的版本，也支持核显（使用 OpenVINO）：https://github.com/openvinotoolkit/stable-diffusion-webui

使用 Intel 显卡或者 Intel 核显的情况建议使用第二个版本，其它情况就用第一个版本。

首先打开代理，再选择一种进行准备操作：

① 原版

下载源码：

# 指定版本 1.7.0
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git --branch=v1.7.0
1
2

没有 NVIDIA 显卡支持的，下载后编辑下图的文件，在 set COMMANDLINE_ARGS= 后，加上 –skip-torch-cuda-test --precision full --no-half（跳过 PyTorch CUDA 测试，使用全精度，禁止半精度）

---

② OpenVINO 版

下载源码

# 没有版本标签，下载最新的
git clone https://github.com/openvinotoolkit/stable-diffusion-webui.git

1
2
3

---

完成上面的准备工作后，进行首次运行准备
直接双击 webui-user.bat 脚本执行
首次执行过程中会进行一些初始化准备，比如创建虚拟环境，安装 PyTorch，下载模型，要通过代理下载的东西差不多能有 10 GB 吧。准备完成会自动打开浏览器访问 http://127.0.0.1:7860/

4 附

4.1 汉化

汉化界面可以使用这个开源项目：https://github.com/VinsonLaro/stable-diffusion-webui-chinese
支持纯中文，或者中英混合

4.2 关于 OpenVINO 版

要使用核显加速的话，脚本选 OpenVINO 加速，设备选 GPU，下面有个默认勾选可以去掉。如果勾选了就会覆盖上面的采样器，当然它建议的是使用下面在 OpenVINO 验证过的采样器，用其它出问题的可能性更大，但是发挥就比较有限了。

我折腾的时候原版最新版本为 1.7.0，而 OpenVINO 版最新的是基于 1.6.0，用起来很多存在问题(下面说)，维护更新也不太好，最近一次更新已经是一个月前了（看的 GitHub 提交记录）。

加速效果确实可以，我电脑上 CPU 能跑两三个小时的图，核显跑能变成十几分钟，速度提高了好多，几倍到十几倍。要是有较好的独立显卡，估计一分钟不到，甚至几秒就能出图。当然电脑会变得很卡，CPU 跑的时候满负载，核显空闲的，同时干其它事不会明显的卡，但是核显跑满了，CPU 是有空闲，却会感觉到明显的卡顿。下图是我用核显跑的时候的资源占用情况：

下面主要说说我目前遇到的问题：
（1）提示词和反向提示词的范围要一致

我这里画一个图不一致的时候就会报错

ValueError: `prompt_embeds` and `negative_prompt_embeds` must have the same shape when passed directly, but got: `prompt_embeds` torch.Size([1, 154, 768]) != `negative_prompt_embeds` torch.Size([1, 231, 768]).
1

就是说提示词和反向提示词的形状不一致，然后我用逗号硬凑成一样范围才能跑起来

（2）如果使用了“高分辨率修复”，GPU 加速就无效了，会变成纯 CPU 跑。