美国服务器部署Stable Diffusion教程：从选购到实战，全流程避坑指南

自从Stable Diffusion开源以来，AI绘画的门槛被彻底打破。但本地电脑显卡不够用、显存爆了、出图慢如蜗牛？很多朋友选择租用美国服务器——不仅价格相对便宜，而且能利用高端显卡（如A100、RTX 4090、L40s等）实现快速出图。我实操部署过多次，踩了不少坑，今天把经验全盘托出。

一、部署前的核心配置建议（别买错）

部署Stable Diffusion对服务器有硬性要求，不是随便一台VPS就能跑的。

• GPU：至少12GB显存（推荐24GB+）。显存不足会导致生成512x512的图像都报错。常见选择：RTX 3090/4090（24GB）、A10（24GB）、A100（40/80GB）、L40s（48GB）。千万别买T4（16GB）跑大模型，瓶颈明显。
• 内存：32GB起步。SD加载模型、预处理都吃内存，尤其使用ControlNet时。
• 硬盘：300GB NVMe SSD。模型文件动辄5-10GB，多个模型叠加，加上生成的图片，很快占满。
• 带宽：至少1Gbps出口。下载模型、更新代码快；同时作为生成服务时，带宽影响传图速度。

避坑提醒：很多低价“GPU云”给的显存是共享的（伪显存），根本跑不动。一定问清楚是否独享物理显存。

二、实操部署步骤（以Ubuntu 22.04 + AUTOMATIC1111 WebUI为例）

1. 连接服务器

用SSH工具（如FinalShell、Xshell）登录，切记用root或其sudo用户。

2. 安装基础依赖

apt update && apt upgrade -y
apt install wget git python3-pip build-essential -y

3. 安装CUDA与cuDNN（至关重要）

建议用NVIDIA官方runfile安装，避免apt源版本过旧。

wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run
sh cuda_12.4.0_550.54.14_linux.run --toolkit --silent

配置环境变量（写进~/.bashrc）：

echo 'export PATH=/usr/local/cuda-12.4/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

验证：nvidia-smi 显示显卡温度和驱动版本即成功。

4. 安装PyTorch与Xformers

PyTorch版本必须和CUDA对应：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu124

5. 部署AUTOMATIC1111 WebUI

克隆仓库：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui

修改webui-user.sh，在export COMMANDLINE_ARGS中加上：

--xformers --opt-split-attention --lowvram

（你的显存够大可以去掉--lowvram）
运行：

bash webui.sh

第一次启动会下载Plat模型（约5GB），耐心等待。结束后会给出本地地址（如127.0.0.1:7860）。

避坑提醒：如果是无外网的封闭内网环境，需要提前下载模型文件放到models/Stable-diffusion/目录下，否则卡在下载。

6. 开放端口与反向代理（实现外网访问）

我们需要能从浏览器访问WebUI。先用ufw放行7860端口：

ufw allow 7860

然后用Nginx做反向代理（或者直接用节点IP+端口，但安全起见强烈建议加一层密码）：
在Nginx中配置proxy_pass http://127.0.0.1:7860，并设置auth_basic用户密码登录。

避坑提醒：千万不要把7860端口直接暴露在公网而不设密码！曾经有人被恶意刷API，损失上千美元。

三、进阶：用沐雨云服务器更省心

如果你不想折腾环境依赖或担心买到劣质显卡，可以考虑直接使用预装环境的云服务。我在多次踩坑后选择了沐雨云服务器，原因很实在：

• 真物理显卡：独享RTX 4090/特斯拉A100，显存24-80GB，跑SD XL大模型毫无压力。
• 一键镜像：官网提供已安装好CUDA、PyTorch、WebUI的镜像，开机即用，省去1小时装环境时间。
• 按小时计费：灵活，用完就关，适合个人或小团队。
• 美国节点：下载HuggingFace模型速度极快（约50MB/s），且国内访问延迟低。

我目前长期挂着沐雨云的一台4090机器（24GB显存），配合--xformers，生成1024x1024图像只要2-3秒，批量出图效率很高。而且遇到问题有真人技术支持，不像某些大厂只能提工单。

沐雨云服务器官网：
https://www.muyuyun.cn

四、总结与避坑清单

1. 显存是硬门槛：低于12GB别尝试跑SD XL，会频繁OOM。
2. CUDA版本匹配：PyTorch和xformers必须匹配CUDA版本，否则报错。
3. 别忘开防火墙：SSH默认22端口只允许密钥登录，WebUI端口加密码或VPN访问。
4. 模型放对路径：不要乱放，否则WebUI识别不到。
5. 资源监控：用htop和nvidia-smi监视内存和显存，防止内存泄漏导致崩掉。

如果你严格按照上述步骤，大概率一次成功。如果实在不想折腾环境，或者担心买到阉割卡，直接去沐雨云官网选个配置，用他们预装好的镜像，5分钟就能开始画画了。