当前位置：首页 > news >正文

Stable Yogi Leather-Dress-Collection部署案例：无CUDA环境下的CPU回退生成方案

news 2026/4/22 20:36:04

Stable Yogi Leather-Dress-Collection部署案例：无CUDA环境下的CPU回退生成方案

想体验动漫风格的皮衣穿搭生成，却发现自己的电脑没有独立显卡，或者显卡显存太小跑不动？别担心，今天分享的这个方案，就是专门为没有CUDA环境的用户准备的。我们将一起部署一个名为Stable Yogi Leather-Dress-Collection的2.5D皮衣穿搭生成工具，并让它完全在CPU上运行。

这个工具原本是为有显卡的用户设计的，它基于Stable Diffusion 1.5和Anything V5动漫模型，能根据你选择的皮衣款式，智能生成穿着该款式皮衣的动漫角色图。但通过一些调整，我们能让它在纯CPU环境下也跑起来，虽然速度会慢一些，但功能完整，让你在没有显卡的机器上也能玩转AI绘图。

1. 项目核心：它是什么，能做什么？

简单来说，Stable Yogi Leather-Dress-Collection是一个本地运行的AI绘图工具。它的核心目标是让你能轻松生成各种动漫风格的皮衣穿搭图片。

想象一下，你有一个虚拟的动漫角色衣橱，里面挂满了不同款式的皮衣（比如皮夹克、皮裙、皮裤）。你只需要从下拉菜单里选一件，点一下按钮，AI就能画出一个穿着这件皮衣的动漫角色。整个过程完全在你自己电脑上完成，不需要联网，隐私有保障。

这个工具聪明在几个地方：

自动搭配：你选了“铆钉皮夹克.lora”这个文件，它会自动从文件名里提取“铆钉皮夹克”这个词，然后把它塞进给AI的“绘画要求”（提示词）里，这样画出来的角色穿的就肯定是这件衣服。
款式管理：所有皮衣款式都以独立的、小型的模型文件（LoRA）存在。你可以随时添加新的款式文件到指定文件夹，工具启动时就能自动识别并让你选择，非常灵活。
为低配置优化：虽然我们这次要让它在CPU上跑，但工具本身设计时也考虑到了显存小的显卡。它会用一些技巧来节省内存，比如把暂时不用的模型部分从显卡挪到电脑内存里。

2. 环境准备：没有显卡，我们需要什么？

既然目标是在CPU上运行，我们就不需要安装显卡驱动和CUDA工具包了。这反而简化了准备工作。你需要确保电脑上已经安装了以下两个核心软件：

Python 3.8 - 3.10：这是运行所有代码的基础环境。建议安装Python 3.8或3.9版本，兼容性最好。你可以从Python官网下载安装。
Git：我们需要用它来把工具的代码从网上下载到本地。同样，从Git官网下载安装即可。

安装好后，打开你的命令行终端（Windows上是CMD或PowerShell，Mac/Linux上是Terminal），分别输入python --version和git --version检查是否安装成功。

接下来，我们为这个项目创建一个专属的工作目录，并获取代码。

# 1. 创建一个你喜欢的项目文件夹，比如叫 `cpu_stable_yogi` mkdir cpu_stable_yogi cd cpu_stable_yogi # 2. 克隆项目的代码仓库（这里假设仓库地址为 project-repo-url，实际使用时替换） git clone project-repo-url . # 注意：实际的仓库地址需要你从项目提供方处获取。 # 克隆后，所有代码文件就会出现在 `cpu_stable_yogi` 文件夹里。

3. 依赖安装：让工具“站起来”的关键步骤

代码下载好了，但它还只是一堆文本文件。我们需要安装它运行所依赖的各种“零件”（Python库）。项目通常会提供一个叫requirements.txt的文件，里面列出了所有需要的库。

在终端中，确保你位于项目文件夹内（cpu_stable_yogi），然后执行以下命令：

pip install -r requirements.txt

这个命令会自动安装所有必需的库，其中最重要的就是PyTorch。PyTorch是运行Stable Diffusion的引擎。默认的requirements.txt可能会安装需要CUDA的PyTorch版本。为了让它在CPU上运行，我们可能需要手动安装CPU版本的PyTorch。

通常更稳妥的做法是，先尝试用上面的命令安装，如果后续运行出错，再重新安装CPU版的PyTorch。安装CPU版PyTorch的命令如下（在安装其他依赖之前或之后执行均可，pip会自动处理版本冲突）：

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

安装过程可能会花几分钟，取决于你的网速。完成后，环境就基本准备好了。

4. 模型部署：获取AI的“大脑”和“衣橱”

工具本身只是一个“操作台”，真正画画的能力来自于预训练好的大模型。我们需要手动下载两个核心模型文件：

底座模型（大脑）：Anything-V5.0-pruned.safetensors
- 这是什么：这是一个通用的动漫风格图像生成模型，决定了生成角色的基本画风（2.5D动漫）。
- 放哪里：将它放入项目根目录下的models/Stable-diffusion/文件夹中（如果没有这个文件夹，就自己创建）。
皮衣款式模型（衣橱）：各种.safetensors格式的LoRA文件。
- 这是什么：每个文件代表一种特定的皮衣款式（如“皮质连衣短裙”、“机车皮夹克”）。它们很小，只教会底座模型如何画这种特定衣服。
- 放哪里：放入项目根目录下的models/Lora/文件夹中。工具启动时会自动扫描这个文件夹，把里面的文件名变成下拉菜单里的选项。

如何获取这些模型文件？这些文件通常比较大（底座模型约4-7GB），你需要从像CivitAI、Hugging Face这样的模型社区网站去搜索并下载。将下载好的文件按照上述路径放置即可。

5. 核心改造：让代码在CPU上跑起来

这是最关键的一步。原版代码默认会尝试使用CUDA（即显卡）来加速计算。我们需要修改代码，强制它使用CPU。

我们需要找到并修改项目中的Python主文件（通常命名为app.py,webui.py或inference.py）。用任何文本编辑器（如VS Code、Notepad++）打开它。

在代码文件的开头部分，寻找加载模型或设置设备的地方。你需要进行以下两处关键修改：

修改点一：强制使用CPU设备找到类似device = “cuda”或torch.cuda.is_available()的代码行，将其改为强制使用CPU。

# 修改前（可能是这样）： device = "cuda" if torch.cuda.is_available() else "cpu" # 修改后（强制使用CPU）： device = "cpu" print(“警告：正在使用CPU模式运行，生成速度将较慢。”)

修改点二：移除或注释掉CUDA特定优化找到与显存优化相关的代码行，例如enable_model_cpu_offload()、max_split_size_mb设置或torch.cuda.empty_cache()。这些是专门为GPU设计的功能，在CPU模式下无效，有时甚至会报错。

# 例如，找到这行代码并注释掉： # pipe.enable_model_cpu_offload() # 这行是GPU显存卸载，CPU不需要 # 以及清理显存的代码，CPU模式下不需要： # gc.collect() # torch.cuda.empty_cache()

修改点三：调整模型加载方式（如果存在）有时模型加载时会指定torch_dtype=torch.float16（半精度），这是为了节省GPU显存。在CPU上，使用半精度可能不会加速，反而可能增加兼容性问题。可以将其改为torch.float32（全精度）。

# 修改前： pipe = StableDiffusionPipeline.from_single_file(..., torch_dtype=torch.float16) # 修改后： pipe = StableDiffusionPipeline.from_single_file(..., torch_dtype=torch.float32)

保存并关闭文件。

6. 启动与体验：打开你的专属穿搭生成器

所有配置和修改完成后，我们就可以启动这个工具了。在项目根目录下的终端中，运行启动命令。根据项目设计，命令可能是：

python app.py # 或 streamlit run app.py

如果一切顺利，终端会输出一个本地网络地址，通常是http://localhost:8501。在你的电脑浏览器中打开这个地址，就能看到工具的界面了。

使用流程非常简单：

等待加载：界面初始化时会加载底座模型，CPU模式下这会比较慢，请耐心等待。
选择皮衣：在页面上找到下拉菜单（可能叫“选择服装”或“LoRA”），里面会列出你放在models/Lora/文件夹里的所有皮衣款式文件，选一个你喜欢的。
调整参数（可选）：你可以微调“提示词”（比如改变发型、背景），或者调整“衣服强度”（控制皮衣款式的明显程度）。初次使用建议保持默认。
点击生成：点击“生成”按钮。请注意，在CPU上生成一张512x768的图片可能需要几分钟到十几分钟，期间浏览器页面可能会显示“正在处理”或类似提示，请勿关闭窗口。

生成完成后，图片会显示在界面上。虽然速度无法与GPU相比，但看到完全在自己电脑CPU上生成的定制化动漫皮衣穿搭图，成就感还是不一样的。