【Stable Diffusion部署至GNU/Linux】安装流程
以下是安装Stable Diffusion的步骤，以Ubuntu 22.04 LTS为例子。
显卡与计算架构介绍
CUDA是NVIDIA GPU的专用并行计算架构
| 技术层级 | 说明 |
|---|---|
| CUDA Toolkit | 提供GPU编译器(nvcc)、数学库(cuBLAS)等开发工具 |
| cuDNN | 深度神经网络加速库（需单独下载） |
| GPU驱动 | 包含CUDA Driver（需与CUDA Toolkit版本匹配） |
CUDA与NIDIA：
- 硬件指令集绑定：NVIDIA GPU内置CUDA核心需要专用指令集
- 生态垄断地位：90%的深度学习框架原生支持CUDA（PyTorch/TensorFlow等）
- 计算库优化：cuBLAS/cuDNN等加速库针对N卡有极致优化
可以把英伟达的驱动和CUDA的关系类比为Python解释器和Python语言。具体来说：
英伟达驱动（NVIDIA Driver）：这个类似于Python解释器。它是底层的软件，负责与硬件（即GPU）进行通信。英伟达驱动提供了基本的功能和接口，使得操作系统和其他软件能够使用GPU进行各种计算任务。
CUDA（Compute Unified Device Architecture）：这个类似于Python语言。CUDA是一个并行计算平台和编程模型，它允许开发人员使用C、C++和Fortran等高级编程语言编写能够在英伟达GPU上运行的程序。CUDA依赖于英伟达驱动来访问和控制GPU硬件资源。
AMD显卡：ROCm
ROCm：AMD的开放计算平台（Radeon Open Compute）
| 对应组件 | 功能 |
|---|---|
| ROCm Toolkit | 包含编译器(HIPCC)、数学库(rocBLAS)等 |
| MIOpen | 深度学习加速库（对标cuDNN） |
| ROCm Driver | AMD GPU内核级驱动 |
关键对比（NVIDIA CUDA vs AMD ROCm）
| 特性 | NVIDIA CUDA | AMD ROCm |
|---|---|---|
| 启动时间 | 2006年 | 2016年 |
| 硬件兼容性 | 全系N卡 | 仅RX Vega及更新架构 |
| 容器支持 | 完善的NGC Docker镜像 | 有限支持 |
| 主流框架覆盖率 | 100% | 约70% |
| 典型延迟优化 | 纳秒级 | 微秒级 |
安装流程
1. 检查NVIDIA驱动及CUDA（NVIDIA显卡用户）
- 安装专有NVIDIA驱动，之后重开机。
- 安装 CUDA
- 命令：
nvidia-smi # 检查NVIDIA驱动状态 nvcc --version # 检查CUDA版本 - 作用：确认GPU驱动和CUDA环境正常。
- 问题处理：
- 若命令未找到：需安装NVIDIA驱动和CUDA。
- 版本不兼容：确保CUDA版本与PyTorch兼容（如CUDA 11.x/12.x）。
2. 安装AMD驱动及ROCm（AMD显卡用户）
AMD显卡知识库
在 Ubuntu 系统上安装和配置 AMD GPU 驱动及 ROCm（Radeon Open Compute）平台
1. 安装内核头文件和额外模块
sudo apt install linux-headers-`uname -r