AI创作教程之如何使用简单的 Web API 和 GPU 支持在 Docker 中运行 Stable Diffusion,在 45 秒内启动用于 Stable Diffusion的 Web API

Stable Diffusion是一种潜在的文本到图像的扩散模型，这要归功于与 Stability AI 和 Runway 的合作。它具有最先进的文本到图像合成功能，内存需求相对较小（10 GB）。Stable Diffusion 对其他 Diffusion 模型进行了多项改进以实现这种效率，但这些创新超出了本文的范围——未来的文章将介绍如何在 TensorFlow 中训练 Diffusion 模型并从技术上详细说明其内部工作原理。

Divam Gupta将 Stable Diffusion 从原始权重移植到 TensorFlow/ Keras ，本文重点介绍如何在具有简单 Web API 和 GPU 支持的 Docker 映像中运行它。

有趣的事实：这篇文章中的特色图片也是由 Stable Diffusion 生成的。

它是如何工作的？

我决定在TensorDock Marketplace的 GPU 上运行它。它应该可以在其他机器上运行，几乎不需要更改，但这是我最近推出的 TensorDock Marketplace 实验的直接结果。它目前处于公共 Alpha 阶段，但我已经喜欢他们将高性能计算普及化的创新理念。除了价格实惠的 Core Cloud GPU 服务之外，Marketplace 版本还作为一个市场，将客户和 GPU 供应商聚集在一起。主机，即那些拥有备用 GPU 的人，可以以极低的价格将它们租给包括独立研究人员、初创公司、业余爱好者、修补匠等在内的客户。根据 TensorDock，这也让主机获得了 2 到 3 倍的挖矿利润。而且，为了比挖掘无意义的密码更好的目的。

服务器可针对所需的 RAM、vCPU 和分配的磁盘进行定制，并且启动时间太短了约 45 秒。您可以选择从已安装 NVIDIA 驱动程序和 Docker 的最小 Ubuntu 映像开始，或者您可以使用配置了 NV