# 雨云 GPU 云服务器搭建 Stable Diffusion 教程：创建属于自己的 AI 绘画网站

By [anogrlfrh](https://paragraph.com/@anogrlfrh) · 2025-03-22

---

什么是 Stable Diffusion？
---------------------

Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成技术。由 CompVis、Stability AI 和 LAION 联合开发，它通过将图像压缩到潜空间，并在潜空间中施加扩散过程，生成与输入文本描述相匹配的图像。除此以外，它还可以用于图像修复、绘画、文本到图像和图像到图像等多种任务。

主要特点及优势：

*   使用 LAION-5B 数据库子集中的 512x512 图像进行训练，可生成高分辨率的精美图像。
    
*   开源，用户可以自由在本地服务器或设备上运行模型。
    
*   通过扩散过程逐步从噪声中生成图像，具有高度可控性。
    

当然，它也有一些限制，比如生成高分辨率图像时的内存消耗较大以及处理速度较慢。因此，对于 AI 应用来说，它既强大又需要充分调配资源支持。

* * *

准备工作：选择适合的 GPU 云服务器
-------------------

要运行 Stable Diffusion，首先需要一台 GPU 云服务器，我们推荐使用性能卓越的雨云 GPU 云服务器，以下是详细配置和操作指南。

👉 [【点击查看】2025年最新雨云优惠码及特价云服务器方案汇总](https://bit.ly/RainYun)

*   **配置建议**：选择 Tesla P40 GPU，推荐 8 核 CPU、8GB 内存以及至少 8GB 显存，满足 Stable Diffusion 的模型运行需求。
    
*   **地区选择**：江苏宿迁，提供低延迟的运行环境。
    
*   **系统设置**：选择 Windows 系统以便兼容远程桌面连接和软件操作。
    

购买后，我们可以进入雨云控制台查看已购买的服务器信息，在这里可以进行操作系统切换和配置升级。

* * *

如何连接服务器
-------

通过 Windows 自带的远程桌面（RDP）工具连接服务器：

1.  打开远程桌面（可通过系统搜索找到）。
    
2.  输入服务器的远程连接地址和端口（通常是 3389，但会根据配置不同而变化）。
    
3.  输入默认用户名（Administrator）和密码以登录。
    

若弹出安全警告窗口，直接选择“是”即可开始连接。

* * *

扩容硬盘
----

服务器默认硬盘容量为 60GB，如需安装大型数据集或模型，最好扩容硬盘至 150GB 或更大。具体步骤如下：

1.  登录雨云控制台，进入“弹性硬盘”菜单，选择扩容至目标容量。
    
2.  在远程桌面中右键点击 Windows 图标，选择“磁盘管理”。
    
3.  找到未分配的硬盘区域，右键选择“新建简单卷”或者扩展现有分区（比如 C 盘）。
    
4.  按向导完成操作，即可成功扩容。
    

* * *

Stable Diffusion 的安装与使用
-----------------------

首先需要下载 Stable Diffusion 的文件包并解压（需确保硬盘空间充足）。安装过程包括以下几个核心步骤：

1.  下载 Stable Diffusion 文件包并解压至指定目录。
    
2.  双击启动器，若提示安装 .NET 6.0 依赖，请点击“是”并完成安装。
    
3.  再次启动后点击“一键启动”，待控制台界面自动弹出后即可开始使用。
    

提示：启动完成后，通过访问 `<http://127.0.0.1:7860>` 的 web 控制台进行图像生成。

* * *

设置远程访问
------

为实现更加便捷的操作，可以将服务器上的 Stable Diffusion 控制台暴露给外部网络：

1.  在启动器的高级选项中选择“开放远程连接”，终止进程后重新启动。
    
2.  在雨云控制台中进入 NAT 端口映射，设置映射规则（内网端口为 7860，外网端口随意）。
    
3.  将规则生成的公网地址复制到浏览器，即可通过本地设备访问服务器上的 Stable Diffusion。
    

通过上述配置，您可以在任何设备上输入关键词并生成图像，体验强大的 AI 绘画效果。

* * *

以上是使用雨云 GPU 云服务器搭建 Stable Diffusion 的完整流程，快来尝试创建专属的 AI 绘画网站吧！

---

*Originally published on [anogrlfrh](https://paragraph.com/@anogrlfrh/gpu-stable-diffusion-ai)*
