Stable Diffusion WebUI Linux服务器部署完整教程：从环境准备到后台运行

一、部署前需要确认的条件

Stable Diffusion WebUI 是目前广泛使用的 AI 绘画工具，适合部署在配备独立显卡的 Linux 服务器上，通过浏览器访问图形界面，即可完成文生图、图生图、模型切换以及参数调试等操作。服务器部署的核心优势在于算力集中、支持多用户按权限访问，同时可长时间稳定运行；但缺点在于环境依赖较多，显存、驱动、模型文件以及访问安全等方面都需要提前做好规划。

建议服务器选用 Ubuntu 20.04 或 22.04 系统，NVIDIA 显卡优先考虑，显存 8GB 可满足基础出图需求，12GB 以上体验更加稳定。CPU 和内存不必过分追求高端配置，但内存建议不低于 16GB，磁盘空间建议预留 80GB 以上，因为基础模型、扩展插件、LoRA、ControlNet 模型等都会占用较大存储空间。部署前，请先执行 nvidia-smi 命令检查显卡是否被系统正确识别。如果命令不存在或报错，则应先安装匹配的显卡驱动，然后再继续安装 WebUI。

二、安装基础依赖

首先更新系统软件源，并安装常用工具。在 Ubuntu 系统中可执行：sudo apt update && sudo apt install -y git wget curl python3 python3-venv python3-pip ffmpeg libgl1 libglib2.0-0。其中 git 用于拉取项目代码，python3-venv 用于创建隔离的 Python 环境，ffmpeg 和图形库依赖可避免后续图片处理与预览功能出现报错。

WebUI 对 Python 版本较为敏感，推荐使用 Python 3.10。如果系统默认版本过高或过低，建议单独安装 Python 3.10 并创建虚拟环境。可通过 python3 --version 确认当前版本。生产环境中，不建议将大量 Python 包直接安装到系统环境，否则后续升级、回滚和排错都会变得复杂。

三、拉取Stable Diffusion WebUI项目

选择一个空间充足的目录，例如 /opt 或用户主目录。执行命令：cd /opt && sudo git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。如果使用普通用户运行，建议将目录权限赋予该用户，例如 sudo chown -R youruser:youruser /opt/stable-diffusion-webui，这样可以避免后续安装依赖和写入缓存时反复遇到权限问题。

进入目录后，不建议立即启动，最好先准备模型文件。基础模型通常存放在 models/Stable-diffusion 目录，文件格式多为 .safetensors 或 .ckpt。优先选择来源明确、评价较好的模型，并尽量使用 .safetensors 格式。不要随意运行来历不明的脚本或扩展插件，模型和扩展都应从可信页面获取，下载后保留版本信息，以便后续排查问题。

四、首次启动与参数说明

在项目目录下执行 ./webui.sh 即可开始首次安装。第一次启动时会自动创建虚拟环境、下载依赖并初始化相关组件，耗时取决于网络环境和服务器性能。当看到类似 Running on local URL 的提示时，说明服务已成功启动。如果仅在服务器本机访问，可以保持默认地址；若需要远程浏览器访问，则需要配置监听地址和端口。

常用启动参数可以写入 webui-user.sh 中的 COMMANDLINE_ARGS 变量。例如：--listen --port 7860 --xformers 表示监听外部请求、指定端口并启用显存优化组件。如果服务器显存较小，可尝试 --medvram 或 --lowvram，但出图速度会有所下降。若多人共用或部署在公网环境，务必添加访问账号，例如 --gradio-auth user:strongpassword，密码应足够复杂，不要使用默认弱口令。

五、远程访问的安全设置

AI 绘画服务不建议无保护地直接暴露在公网。更稳妥的做法是只对可信来源开放，或通过服务器安全组、防火墙限制访问端口。如果只是个人使用，可以不加 --listen，而是通过 SSH 端口映射来访问，例如在本地执行 ssh -L 7860:127.0.0.1:7860 user@server_ip，然后在本地浏览器中打开 http://127.0.0.1:7860。这种方式无需将 WebUI 端口直接暴露到外部。

如果必须开放端口，则应同时设置强密码、限制来源 IP 地址、定期检查访问日志，并避免在同一台服务器上存放敏感文件。WebUI 扩展插件具备执行代码的能力，安装前务必查看维护状态、更新记录和用户反馈。不要将服务器管理员权限赋予 WebUI 的运行用户，日常运行应使用普通账号，以降低误操作带来的风险。

六、后台运行的三种方式

临时调试推荐使用 tmux。安装后执行 tmux new -s sdwebui 创建会话，进入项目目录运行 ./webui.sh，按下 Ctrl+B 再按 D 即可退出会话但保持程序继续运行。重新进入可执行 tmux attach -t sdwebui。这种方式适合初期观察日志和排错。

简单长期运行可使用 nohup：nohup ./webui.sh > webui.log 2>&1 &，然后用 tail -f webui.log 查看日志。停止时可用 ps aux | grep webui 找到进程号，再执行 kill 进程号。nohup 配置简单，但进程守护能力有限，服务异常退出后不会自动重启。

更规范的方式是 systemd。可创建 /etc/systemd/system/sdwebui.service 文件，配置工作目录、运行用户和启动命令，然后执行 sudo systemctl daemon-reload、sudo systemctl enable sdwebui、sudo systemctl start sdwebui。查看状态使用 sudo systemctl status sdwebui，查看日志使用 journalctl -u sdwebui -f。生产环境建议采用这种方式，便于实现开机自启和统一管理。

七、常见问题与处理方法

问题一：启动时报 CUDA 不可用。先执行 nvidia-smi 确认驱动正常，再检查 PyTorch 是否安装了 GPU 版本。不要盲目反复安装不同版本的依赖，否则容易造成环境混乱；必要时可删除虚拟环境目录 venv 后重新启动，让脚本自动重新安装。

问题二：显存不足或生成中断。可以降低分辨率、减少 Batch Size，开启 --medvram 参数，关闭不必要的扩展插件。高分辨率修复、ControlNet、多 LoRA 叠加都会增加显存占用，建议逐项开启，确认稳定后再组合使用。

问题三：浏览器打不开页面。检查服务是否正在运行、端口是否正确、防火墙或安全组是否放行了相关端口。如果使用 SSH 端口映射，应确认 WebUI 监听在服务器本机地址，且本地端口没有被其他程序占用。

问题四：扩展安装后报错。先禁用最近安装的扩展，然后重启服务。扩展之间可能存在依赖冲突，升级 WebUI 后也可能需要同步更新扩展。重要环境升级前，建议备份整个项目目录中的配置、模型列表和启动参数。

八、升级、回滚与日常维护建议

升级前先进入项目目录执行 git status 查看是否有本地改动，然后备份 webui-user.sh、config.json 以及必要的样式和预设文件。升级可执行 git pull，然后重启服务。如果升级后出现异常，可用 git log --oneline 查看历史版本，再通过 git checkout 版本号 临时回退到旧版本。

模型文件建议按类别管理，例如将基础模型、LoRA、VAE、ControlNet 分目录存放，并记录来源和用途。定期清理无用的输出图片、缓存和临时文件，避免磁盘被占满导致服务异常。多人共用时，应约定分辨率、批量数量和运行时间，避免单个任务长时间占满显卡资源。

最后要明确安全边界：Stable Diffusion WebUI 适合用于合规的设计草图、创意插画、产品视觉、素材探索和学习研究。使用模型、提示词、扩展插件和生成结果时，应尊重版权与平台规则，不生成或传播违法违规内容，不将敏感资料上传到不可信的扩展插件。环境搭建只是第一步，稳定运行、可控访问和规范使用才是服务器部署的关键。