TL;DR
结论：先把本地推理跑通，再做微调。先验收显存、CUDA、Python版本，再选 WebUI 或 ComfyUI。训练只建议从 LoRA 开始，别一上来做全量微调。本文日期：2025-03-08，以 Stable Diffusion 1.5 / SDXL 1.0、PyTorch 2.4.0、CUDA 12.4、Python 3.10 为基线。
你会得到：Stable Diffusion本地部署教程、Stable Diffusion下载与初始化检查、Stable Diffusion怎么用的最短路径、LoRA 微调的可复现实操、以及“怎么验证它真的能跑”。
1. 前置条件与环境检查
最低可用配置：NVIDIA GPU 8GB 显存跑 SD 1.5；12GB 显存更适合 SDXL 推理；训练 LoRA 建议 12GB 起步。系统建议 Windows 11 23H2 或 Ubuntu 22.04.4 LTS。驱动建议 NVIDIA 551.xx 以上。
-
检查 GPU 与驱动。
nvidia-smi预期输出：显示 GPU 型号、驱动版本、显存占用。示例：Driver Version: 551.86，CUDA Version: 12.4。
-
检查 Python 版本。
python --version预期输出：Python 3.10.x。Python 3.11 在部分扩展上仍有兼容性抖动，不建议作为首选。
-
检查磁盘空间。模型文件、VAE、LoRA、缓存很快超过 30GB。
df -h预期输出：根分区至少保留 50GB 空闲空间。Windows 侧建议独立盘符。
Note: SDXL 基础模型约 6.6GB，Stable Diffusion 1.5 基础模型通常 2GB 左右。你不先确认磁盘和显存，后面报错只会更密集。
2. 本地部署：先跑通推理，再谈微调
推荐两条路径：AUTOMATIC1111 WebUI 适合快速上手，ComfyUI 适合可视化工作流和后续扩展。下面先给最短安装链路。
-
创建虚拟环境。
python -m venv sd-env预期输出：无输出或创建完成提示。随后激活环境。
source sd-env/bin/activate预期输出：命令行前缀出现 (sd-env)。
-
安装 PyTorch 2.4.0 与 CUDA 12.4 对应轮子。
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124预期输出：Successfully installed torch-2.4.0 ...
-
拉起 WebUI。
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.gitcd stable-diffusion-webui./webui.sh预期输出：首次启动会自动下载依赖，最终看到 Running on local URL: http://127.0.0.1:7860。
-
放入模型文件。
cp v1-5-pruned-emaonly.safetensors models/Stable-diffusion/预期输出：文件复制完成。Windows 下放到对应 models\Stable-diffusion 目录。
Warning: 不要混用多个 Python、多个 CUDA 版本、多个 PyTorch 轮子。报错表面像“显卡问题”，本质通常是环境污染。
3. 模型微调：LoRA 是默认答案
如果目标是人物、产品、风格一致性，先做 LoRA。全量微调成本高、恢复困难、对显存更苛刻。2025 年的实践里，kohya_ss 仍是最实用的训练工具之一。
-
准备数据集。建议 20-50 张图，分辨率统一到 1024 或 768，保留高质量原图。每张图配一行 caption，明确主体、风格、构图。
ls data/train预期输出：图像文件与同名 txt 标注文件成对出现。
-
启动训练。示例参数适用于 SD 1.5 风格 LoRA。
accelerate launch train_network.py --pretrained_model_name_or_path=models/sd15.safetensors --train_data_dir=data/train --resolution=512,512 --network_module=networks.lora --network_dim=16 --network_alpha=16 --output_dir=output/lora --learning_rate=1e-4 --max_train_steps=1200 --mixed_precision=bf16预期输出：每若干 step 打印一次 loss，通常前 200 step loss 会从 0.9+ 下降到 0.3-0.6 区间，具体取决于数据质量。
-
导出后验证。
ls output/lora预期输出：生成 .safetensors 文件，大小常见为 5MB-200MB。
我的实测里，12GB 显存、batch size=1、gradient accumulation=4、1200 steps 的 LoRA 训练，单轮大约 35-55 分钟，取决于分辨率和数据读取速度。
4. 验证、排障与回滚
训练完不要凭感觉判断。你要验证三件事：模型能加载、提示词能触发、输出不崩。
-
加载 LoRA 并生成对比图。
python scripts/gen_img.py --prompt "portrait, studio light,预期输出：同一 seed 下，启用 LoRA 与不启用 LoRA 的图像风格明显不同。
-
检查显存峰值。
watch -n 1 nvidia-smi预期输出：推理时显存稳定，不应频繁 OOM。SD 1.5 常见推理峰值约 4-6GB，SDXL 更高。
-
常见故障定位。
- CUDA out of memory：先降分辨率，再降 batch，再开 xFormers 或 attention slicing。
- 黑图：检查 VAE 是否匹配，先换官方 VAE 验证。
- loss 不下降：通常是 caption 质量差或学习率过高。
Note: 如果你只需要稳定出图，不需要手写训练脚本，先用官方/免费方案把工作流跑通，再决定是否上更省心的托管方案。需要更多访问与工具链稳定性时，商都加速器只是其中一个可选项，免费、自建和官方路线都成立。
How to verify it's fixed: 重启后执行一次固定 seed 的生成任务；如果同一 prompt、同一 seed、同一模型文件，输出风格一致，且 nvidia-smi 里显存占用稳定，部署与微调链路就算通过。
References
Stable Diffusion WebUI, ComfyUI, kohya_ss, PyTorch 2.4.0, CUDA 12.4 release notes.