小白友好！Stable Diffusion v1.5单卡运行多个服务，详细步骤+避坑指南

小白友好！Stable Diffusion v1.5单卡运行多个服务，详细步骤+避坑指南

1. 为什么需要单卡多服务？

很多刚接触Stable Diffusion的朋友都会遇到这样的困扰：团队里几个人共用一台服务器，但GPU卡只有一张。一个人用的时候还好，几个人同时用就得排队等待，效率非常低。

其实，一张GPU卡完全可以同时运行多个Stable Diffusion服务！就像一台电脑可以同时开多个浏览器窗口一样，通过合理的配置，我们能让多个用户同时使用同一张显卡生成图片，互不干扰。

这种方案特别适合：

• 小团队协作：3-5人共用一台服务器
• 教学演示：老师演示时学生可以同时练习
• 个人多任务：同时跑不同参数的生成任务

2. 准备工作与环境检查

2.1 硬件要求

• GPU：显存≥4GB（推荐8GB以上）
• 系统：Ubuntu 18.04/20.04或CentOS 7/8
• 存储：至少20GB可用空间

2.2 基础环境检查

首先登录服务器，检查基础环境：

# 检查GPU驱动 nvidia-smi # 检查CUDA版本（需要11.3+） nvcc --version # 检查Python版本（需要3.8+） python3 --version

如果上述命令都能正常显示信息，说明环境基本OK。

3. 单卡多服务部署步骤

3.1 创建独立目录结构

为了避免文件混乱，我们为每个服务实例创建独立的目录：

# 创建主目录 mkdir -p ~/sd_multi_instance cd ~/sd_multi_instance # 创建3个实例目录 for i in {1..3}; do mkdir -p instance$i/{models,outputs,logs} done

3.2 下载模型文件

将Stable Diffusion v1.5模型文件复制到每个实例的models目录：

# 假设模型文件已下载到~/sd_models for i in {1..3}; do cp ~/sd_models/v1-5-pruned-emaonly.safetensors ~/sd_multi_instance/instance$i/models/ done

3.3 配置WebUI服务

为每个实例创建配置文件：

# 实例1配置 cat > ~/sd_multi_instance/instance1/webui_user.sh << 'EOF' #!/bin/bash export COMMANDLINE_ARGS="--port 7860 --listen --no-half --skip-torch-cuda-test --disable-nan-check" EOF # 实例2配置（端口改为7861） cat > ~/sd_multi_instance/instance2/webui_user.sh << 'EOF' #!/bin/bash export COMMANDLINE_ARGS="--port 7861 --listen --no-half --skip-torch-cuda-test --disable-nan-check" EOF # 实例3配置（端口改为7862） cat > ~/sd_multi_instance/instance3/webui_user.sh << 'EOF' #!/bin/bash export COMMANDLINE_ARGS="--port 7862 --listen --no-half --skip-torch-cuda-test --disable-nan-check" EOF # 给脚本执行权限 chmod +x ~/sd_multi_instance/instance*/webui_user.sh

4. 使用Supervisor管理多实例

4.1 安装Supervisor

# Ubuntu/Debian sudo apt update && sudo apt install -y supervisor # CentOS sudo yum install -y supervisor

4.2 配置服务管理

为每个实例创建Supervisor配置：

# 实例1配置 sudo cat > /etc/supervisor/conf.d/sd_instance1.conf << 'EOF' [program:sd_instance1] command=bash -c "cd /home/用户名/sd_multi_instance/instance1 && ./webui.sh" directory=/home/用户名/sd_multi_instance/instance1 autostart=true autorestart=true user=用户名 environment=HOME="/home/用户名" stdout_logfile=/home/用户名/sd_multi_instance/instance1/logs/supervisor.log stderr_logfile=/home/用户名/sd_multi_instance/instance1/logs/supervisor_err.log EOF # 实例2和实例3配置类似，修改路径和端口即可

4.3 启动服务

sudo supervisorctl update sudo supervisorctl start all

5. 常见问题与解决方案

5.1 显存不足报错

如果遇到CUDA out of memory错误，可以尝试：

1. 减少并发实例数量
2. 降低生成图片分辨率
3. 添加--medvram参数：

# 修改webui_user.sh export COMMANDLINE_ARGS="--port 7860 --medvram --listen"

5.2 端口冲突

确保每个实例使用不同端口，并检查防火墙设置：

# 检查端口占用 netstat -tulnp | grep 786 # 开放端口（以ufw为例） sudo ufw allow 7860/tcp sudo ufw allow 7861/tcp sudo ufw allow 7862/tcp

5.3 服务无法启动

检查日志定位问题：

# 查看实例1日志 tail -f ~/sd_multi_instance/instance1/logs/supervisor.log # 查看Supervisor状态 sudo supervisorctl status

6. 性能优化建议

1. 实例数量控制：

   • 4GB显存：建议1-2个实例
   • 8GB显存：建议2-3个实例
   • 12GB+显存：建议3-4个实例

2. 共享模型缓存（节省显存）：

# 在所有实例的webui_user.sh中添加 export PYTORCH_CUDA_ALLOC_CONF=garbage_collection_threshold:0.8

3. 监控GPU使用：

watch -n 1 nvidia-smi

7. 总结与使用指南

通过以上步骤，你已经成功在一张GPU卡上部署了多个Stable Diffusion服务实例。使用时只需访问不同端口即可：

• 实例1：http://服务器IP:7860
• 实例2：http://服务器IP:7861
• 实例3：http://服务器IP:7862

日常管理命令：

# 查看所有实例状态 sudo supervisorctl status # 重启某个实例 sudo supervisorctl restart sd_instance1 # 停止所有实例 sudo supervisorctl stop all

这种部署方式既节省硬件成本，又能提高团队协作效率，特别适合小规模AI绘画团队使用。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。