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$i/{models,outputs,logs} done3.2 下载模型文件将Stable Diffusion v1.5模型文件复制到每个实例的models目录# 假设模型文件已下载到~/sd_models for i in {1..3}; do cp ~/sd_models/v1-5-pruned-emaonly.safetensors ~/sd_multi_instance/instance$i/models/ done3.3 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.sh4. 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 supervisor4.2 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] commandbash -c cd /home/用户名/sd_multi_instance/instance1 ./webui.sh directory/home/用户名/sd_multi_instance/instance1 autostarttrue autorestarttrue user用户名 environmentHOME/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 all5. 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错误可以尝试减少并发实例数量降低生成图片分辨率添加--medvram参数# 修改webui_user.sh export COMMANDLINE_ARGS--port 7860 --medvram --listen5.2 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/tcp5.3 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 status6. 性能优化建议实例数量控制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_CONFgarbage_collection_threshold:0.8监控GPU使用watch -n 1 nvidia-smi7. 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1http://服务器IP:7860实例2http://服务器IP:7861实例3http://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。