除了使用基础模型生成图片外，我们还可以使用 LoRA 模型（Low-Rank Adaptation of Large Language Models）进行图片的生成。LoRA 直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术。LoRA 能够冻结预训练好的模型权重参数，然后在每个 Transformer 块里注入可训练的层，由于不需要对模型的权重参数重新计算梯度，从而大大减少了需要训练的计算量。从实际效果来说，LoRA 模型可以帮助我们生成指定风格、面孔、动作等要求的图片。
他这个教程有瑕疵，不如看我的↓
Stable Diffusion 是一个 Python 命令行程序，我们直接使用需要对它的命令和参数有详尽的了解，有一定学习成本。好在，有一个 Stable Diffusion WebUI 的开源项目，可以直接将 Stable Diffusion 的操作通过网页透出，让我们轻松通过 Web 页面就能使用 Stable Diffusion 生成图片。所以，我们选择安装和使用 Stable Diffusion WebUI 来完成实验。
Stable Diffusion WebUI的安装与运行需要使用到一些工具软件，我们需要先通过Yum安装它们。
执行如下命令，安装基础工具。
sudo yum install -y git conda mesa-libGL
Conda是一个优秀的跨平台、跨语言包管理工具。同时，它的环境隔离功能也能很好的帮助我们屏蔽服务器间基础设施的不同，为我们提供一个干净、统一的程序运行环境。
依次执行如下命令，在Bash中初始化Conda，同时创建并激活名为aigc的虚拟环境。
sudo bash -c “conda init bash” && bash conda create -y -n aigc python=3.10.6 conda activate aigc
💡注意：之后的操作都将基于aigc这个虚拟环境，如果你切换了Terminal或者不小心退出了环境，可以再次执行conda activate aigc命令回到aigc虚拟环境中。
3.1 执行如下命令，从Github上获取最新的Stable Diffusion WebUI代码。
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
💡说明：由于Github访问存在不稳定性，如果从上述地址clone失败，可以使用我们在Gitee上为大家准备的镜像项目，采用如下命令：
git clone https://gitee.com/developer-aliyun-com/stable-diffusion-webui.git
3.2 项目下载完成后，我们将Web Terminal的操作目录设置为项目所在目录。
cd stable-diffusion-webui
Stable Diffusion的运行还需要许多依赖包，执行如下命令，把它们都安装到Conda提供的虚拟环境中。
conda install -y pytorch torchvision torchaudio cpuonly -c pytorch pip3 install opencv-python-headless gfpgan open-clip-torch xformers pyngrok clip-anytorch pip3 install -r requirements_versions.txt
当一切准备就绪，执行如下命令，启动Stable Diffusion WebUI。
python launch.py –listen –lowvram –no-half –skip-torch-cuda-test
💡说明：在启动时，Stable Diffusion WebUI会根据需要下载一些必要模型数据，另外，加载模型也需要花费一些时间，所以我们现在要做的就是耐心等待。当Terminal 中显示出Running on local URL: http://0.0.0.0:7860字样，就表示程序已经启动并对外提供服务了
当Stable Diffusion WebUI启动后，会对外监听7860端口。我们需要使用http://(ECS公网地址):7860来访问程序。
生成图片的操作方式非常简单，只需要在左侧的Prompt输出框中填入提示词，之后点击右侧的Generate按钮即可。提示词就是生成图片的依据，既可以是描述需要生成内容的词，如：girl, sunset, forest等；也可以是用于是描述图像属性的词，如：best quality, beautiful, masterpiece等。我们甚至可以通过提示词选择图片生成的视角、光线、画风；人物的姿势、着装、表情；背景的内容等。
图片生成的速度根据机器配置的不同有所差异。在图片生成的过程中，我们可以在页面上看到生成过程的中间图片逐渐变得清晰。同时，也可以通过进度条直观的了解图片生成的进度和预估剩余时间。
除了使用基础模型生成图片外，我们还可以使用 LoRA 模型（Low-Rank Adaptation of Large Language Models）进行图片的生成。LoRA 直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术。LoRA 能够冻结预训练好的模型权重参数，然后在每个 Transformer 块里注入可训练的层，由于不需要对模型的权重参数重新计算梯度，从而大大减少了需要训练的计算量。从实际效果来说，LoRA 模型可以帮助我们生成指定风格、面孔、动作等要求的图片。
1.1 打开WebUI界面，单击Generate按钮下方的扩展配置图标按钮，之后选择Lora标签，就能看到我们可以使用的LoRA模型了。
在实验场景中，已经准备了数个比较热门的LoRA模型，你可以尝试使用它们生成不同风格的图片。
1.2 当我们单击某个LoRA模型后，Prompt中会加入lora:模型名的格式:数字这些内容。最后的数字代表着LoRA模型的权重，默认为 1。接着，我们输入提示词，再单击 Generate，就可以使用LoRA模型将文字转化为图片了。
如果觉得现有的LoRA模型还不符合自己的审美，我们可以从Civitai https://civitai.com/tag/lora等网站里找到许多其他爱好者预先训练好的LoRA模型，我们只需要将这些模型下载到stable-diffusion-webui/models/Lora目录内（在本实验中，需要放置在/root/models/Lora目录内），接着我们就可以在Stable Diffusion WebUI中使用它们。如果是新下载的模型没有出现在页面上，可以单击Refresh重新载入它们。
如果您在使用云计算服务时，遇到stable distribution部署失败，您可以尝试以下几种解决方法：
检查网络问题：stable distribution下载过程中可能会受到网络波动和不稳定性的影响，导致下载失败。可以检查一下是否存在网络故障或者防火墙等安全设施阻止了下载。您可以尝试将网络切换为其他环境，或暂时关闭防火墙进行测试。
手动安装：手动安装是一种解决stable distribution部署失败的可行思路。可以在官方网站上找到对应的版本号和下载地址，并进行手动上传和安装。需要注意的是，手动安装可能需要做一些额外的配置和设置，有一定的技术门槛。
重新尝试：stable distribution部署失败可能仅是一个临时的错误，您可以尝试重新运行部署脚本等操作，看是否能够成功执行。
寻求帮助：如果以上方法均无法解决问题，建议向云计算服务提供商或相关技术支持人员寻求帮助，说明具体的错误提示信息、日志文件等数据，并请求其协助解决。
需要注意的是，在任何情况下都需要针对实际情况进行具体分析和解决方式选择。此外，还要注意保持系统和软件的更新，并且备份重要数据，以防止数据遗失或损坏等问题
云计算stable distribution的部署失败可能有多种原因，以下是一些可能的解决方法：
检查网络连接是否正常。部署过程需要从远程服务器下载软件包和依赖项，如果网络连接不稳定或中断，可能会导致部署失败。建议检查网络连接是否正常，尝试重新运行部署命令。
检查主机配置是否满足要求。部署前应该确认主机的硬件资源和系统配置是否符合软件的要求。例如，如果软件要求至少4GB内存，但是主机只有2GB内存，则无法部署成功。
检查软件版本是否与环境兼容。部署前应该检查软件版本是否与操作系统版本、其他软件版本兼容。如果发现不兼容的情况，需要升级或降级相应的组件。
查看日志文件。部署失败时，可以查看日志文件以确定具体的错误信息和原因。根据日志文件中的提示，采取相应的措施解决问题。
向软件厂商寻求帮助。如果以上方法都无法解决问题，可以向软件厂商寻求帮助。他们可能会提供更详细和专业的支持，帮助您解决部署问题。
如果您在云计算平台上使用StableDissfution进行部署时遇到了错误，您可以根据错误信息来确定问题并尝试解决它。以下是一些可能有用的提示：
确保您的云服务器网络连接正常，网络权限设置正确，并且可以访问所需的存储，数据库和服务。您可以尝试打开终端并尝试使用ping或curl等命令测试您要访问的服务是否可用。
确保您在执行StableDissfution部署时提供了正确的配置参数，并且没有缺失或错误的参数。您可以检查合并请求中的配置参数（例如目标计算资源，数据输入输出路径等）以确保它们与您的实际环境相匹配。
如果部署失败并产生了错误日志，您可以通过查看StableDissfution日志文件（例如dmesg、/var/log/syslog或/var/log/messages）来查找和解决问题。在这些日志文件中，您可以找到有关何时和为什么发生错误的详细信息。
如果以上方法都没有解决问题，您可以尝试使用新配置参数重新开始StableDissfution部署，并查看是否可以成功部署StableDissfution。
如果阿里云函数计算云计算stable distribution部署失败，请按照以下步骤处理：
楼主你好，针对你的云计算stable dissfution部署失败提示，你可以重新部署一下，镜像地址要保持正确。
重新部署 注意下镜像地址不要有空格哈
此答案来自钉钉群“阿里函数计算官网客户”