云服务器搭建AI绘图环境教程：从零到出图，避坑全记录

最近AI绘图火得一塌糊涂，Stable Diffusion、Midjourney轮番刷屏。但想本地跑一套绘图模型？先看看你的显卡：显存低于8G基本告别高清图，16G显存才勉强能玩，更别提训练LoRA了。我自己的笔记本GTX 1060连一张512x512的图都要等5分钟，还经常爆显存。于是我把目光转向了云服务器——按需租用，用完就关，省钱又灵活。

经过一周折腾，我先后试了多家云服务商，最终稳定在沐雨云服务器上。今天就把完整的搭建步骤和血泪教训写出来，希望能帮你少走弯路。

一、选服务器：别被“GPU云”忽悠了

AI绘图最核心的是GPU显存。Stable Diffusion WebUI官方建议至少8GB显存，想跑高分辨率（1024x1024）或叠加ControlNet，建议16GB以上。光看显存还不够，注意这些坑：

共享GPU陷阱：有些服务商标榜“RTX 3090”，但实际是vGPU或MIG切割后的虚拟卡，跑大模型直接报错或慢成PPT。一定要选独享整卡的实例。
CPU和内存：绘图时CPU主要做预处理，4核勉强够用，建议8核以上。内存32GB起步，因为加载大模型（7B参数）会吃掉20GB内存。
硬盘：SD模型动辄3-5GB，LoRA文件几百MB，加上生成的图片，系统盘至少80GB。建议挂载数据盘，避免重装系统丢模型。
网络带宽：下载模型时，5Mbps带宽要等半小时，最好选100Mbps以上的峰值带宽。

对比多家后，我选了沐雨云服务器（官网：https://www.muyuyun.cn）。它提供RTX 3090/4090独享整卡，24GB显存，8核CPU+32GB内存起步，系统盘50GB SSD+赠送100GB数据盘，峰值带宽200Mbps。关键是按小时计费，不跑的时候直接关机，一天几块钱。而且支持Windows和Linux双系统，对小白友好。

二、实操步骤：Ubuntu 22.04 + SD WebUI

以沐雨云为例（其他云大同小异），创建实例时选“GPU专区”，系统选Ubuntu 22.04 LTS，配置按需选（推荐RTX 3090方案，性价比最高）。开机后，用SSH工具连接（Windows用户推荐FinalShell）。

1. 安装NVIDIA驱动和CUDA（坑最多的一步）

# 先禁用系统自带的nouveau驱动
sudo nano /etc/modprobe.d/blacklist-nvidia-nouveau.conf
# 添加两行：
# blacklist nouveau
# options nouveau modeset=0
sudo update-initramfs -u
sudo reboot

重启后，通过NVIDIA官网下载对应版本驱动（沐雨云后台有提供一键安装脚本，但我建议手动安装更可控）。

# 查看当前显卡型号，确定驱动版本
lspci | grep -i nvidia
# 安装依赖
sudo apt update && sudo apt install build-essential dkms
# 下载驱动（以535版本为例）
wget https://us.download.nvidia.com/XFree86/Linux-x86_64/535.154.05/NVIDIA-Linux-x86_64-535.154.05.run
sudo chmod +x NVIDIA-Linux-*.run
sudo ./NVIDIA-Linux-*.run -dkms
# 验证
nvidia-smi

避坑：驱动版本必须和CUDA版本匹配。Ubuntu 22.04默认GCC 11，部分老驱动编译会报错。推荐用535系列驱动，配合CUDA 12.2。

2. 安装CUDA和cuDNN

# 从NVIDIA官网下载CUDA 12.2 runfile
wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda_12.2.0_535.54.03_linux.run
sudo sh cuda_*.run --silent --toolkit --toolkitpath=/usr/local/cuda-12.2
# 设置环境变量
echo 'export PATH=/usr/local/cuda-12.2/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
nvcc -V  # 验证

cuDNN需要注册NVIDIA账号下载，建议在本地下载后通过SFTP上传到服务器。然后用dpkg -i安装。

3. 安装Python和依赖

sudo apt install python3 python3-pip python3-venv git
python3 -m venv sd_env
source sd_env/bin/activate
pip install --upgrade pip
# 安装PyTorch（CUDA 12.2对应版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

坑：别用conda，太臃肿；也别直接pip全局安装，虚拟环境隔离最稳妥。

4. 部署Stable Diffusion WebUI

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
# 创建启动脚本，避免每次手动加参数
echo '#!/bin/bash
source sd_env/bin/activate
python launch.py --listen --port 7860 --xformers --no-half-vae' >> start.sh
chmod +x start.sh
./start.sh

第一次启动会下载大量依赖（约2GB），耐心等。启动成功后，浏览器访问http://你的服务器IP:7860，就能看到熟悉的WebUI界面了。

5. 下载模型

从Hugging Face或Civitai下载模型（.safetensors文件），放到stable-diffusion-webui/models/Stable-diffusion/目录下。推荐新手先下载ChilloutMix或Anything-v5，出图效果好。

三、避坑与优化建议

注意磁盘空间：SD模型+LoRA+VAE下载下来轻松超过50GB，沐雨云赠送的100GB数据盘正好够用。如果不够，可以在控制台扩容。
开启xformers：上面启动脚本里加了--xformers，能减少40%显存占用，24GB显存可以跑1024x1024分辨率。
关闭生成任务：不绘图时记得在WebUI里点“停止”，否则GPU空转还收费（按小时计费）。
数据备份：辛苦训练好的LoRA模型，建议定期打包下载到本地。沐雨云支持快照备份，但跨平台复制依赖带宽，200Mbps下很快。
Windows vs Linux：沐雨云也提供Windows Server，但绘图环境建议用Linux，因为xformers、DeepSpeed等优化工具在Linux下更稳定。如果完全不懂Linux，可以选Windows版，但小心驱动安装兼容性。