网硕互联帮助中心哈喽，大家好！
前段时间和大家分享了Adobe全家桶的一些经验，反响还不错。今天我们换个赛道，聊一聊在开发者和设计师圈子里同样火热的技术——Docker。最近我一直在折腾自己的工作站，希望搭建一个高效、隔离且可移植的AI绘画环境。尝试了各种方案后，最终还是回到了Docker的怀抱。它实在是太香了！
这篇文章，我想和大家详细分享一下如何在Ubuntu系统下，利用Docker部署一个功能强大的WebUI服务器（以当下最流行的AUTOMATIC1111/stable-diffusion-webui为例）。这套流程不仅能让你彻底告别本地环境配置的各种依赖地狱，还能实现资源的灵活管理和快速迁移，无论是设计师想尝鲜AI出图，还是开发者需要一个稳定的测试环境，都堪称完美解决方案。
技术简介：Docker 与 Stable Diffusion WebUI
在开始实战之前，我们先花点时间简单了解下今天两位主角的核心概念。
Docker，可以把它想象成一个超轻量级的“集装箱”。我们过去安装软件，需要先配好操作系统环境，再装各种依赖库，过程繁琐且容易出错。而Docker将一个完整的应用（比如我们今天的WebUI服务器）及其所有依赖，全部打包到一个标准化的“集-装箱”（即Docker镜像）里。无论你是在Windows、macOS还是Linux上，只要你的机器上安装了Docker平台，这个集装箱就能直接运行，保证环境的绝对一致性。它解决了“在我电脑上明明是好的”这一世纪难题，是DevOps和云原生时代的基石技术。
Stable Diffusion WebUI，全称通常指AUTOMATIC1111开发的那个版本，是目前全球最受欢迎、生态最丰富的AI绘画图形化界面。它本身是一个基于Gradio库的Python程序，允许用户通过浏览器窗口，与强大的Stable Diffusion模型进行交互，实现文生图、图生图、模型训练、后期处理等一系列复杂操作。由于其依赖NVIDIA显卡、CUDA工具包、Python环境及众多第三方库，本地手动安装过程相当劝退。而通过Docker部署，我们则可以跳过所有这些复杂的步骤，一步到位。
实战部署：在Ubuntu下通过Docker启动WebUI服务器
好了，理论学习到此为止。现在，请确保你有一台安装了Ubuntu（推荐LTS版本，如20.04或22.04）并配备了NVIDIA显卡的电脑或服务器。让我们卷起袖子，开始动手！
第一步：安装NVIDIA显卡驱动
Docker容器需要通过宿主机（也就是你的Ubuntu系统）来调用GPU资源，因此，一个正确安装的NVIDIA官方驱动是所有工作的前提。
检查你的显卡型号：
lspci | grep -i nvidia
这条命令会列出你的NVIDIA显卡具体型号，记下它。
添加官方驱动PPA源并安装： 为了确保安装的是最稳定、最合适的驱动版本，推荐使用 graphics-drivers PPA。
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
然后，打开 软件和更新 应用，在 附加驱动 选项卡里，系统会自动为你推荐最合适的驱动版本。选择那个标记为 (proprietary, tested) 的版本，点击“应用更改”即可。
或者，你也可以通过命令行查看推荐的驱动版本并安装：
ubuntu-drivers devices
系统会列出推荐的驱动，比如 driver : nvidia-driver-535 – third-party free recommended。然后执行安装命令：
sudo apt install nvidia-driver-535
验证驱动安装： 安装完成后，务必重启你的电脑。重启后，在终端输入以下命令：
nvidia-smi
如果你能看到一个类似GPU信息列表的表格，里面包含了驱动版本、CUDA版本和你的显卡信息，那么恭喜你，第一步成功完成！
（请注意，此为示例图片链接，实际应替换为真实截图）
第二步：安装Docker和NVIDIA Container Toolkit
传统Docker无法直接调用GPU，我们需要NVIDIA官方提供的NVIDIA Container Toolkit作为桥梁，让Docker容器能够“看见”并使用我们的显卡。
安装Docker Engine： 我们将遵循Docker官方的安装脚本，这是最省心的方式。
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
安装完成后，为了避免每次使用docker命令都需要加sudo，可以将当前用户添加到docker用户组：
sudo usermod -aG docker $USER
注意： 执行此命令后，你需要退出当前终端会话并重新登录（或者直接重启系统）才能让权限生效。
安装NVIDIA Container Toolkit： 这部分同样遵循NVIDIA官方的安装流程。
# 添加NVIDIA包的GPG密钥和仓库
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \\
&& curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg –dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \\
&& curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \\
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \\
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 更新包列表并安装
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
配置Docker守护进程并重启： 安装完成后，我们需要配置Docker，让它知道可以使用NVIDIA的运行时。
sudo nvidia-ctk runtime configure –runtime=docker
sudo systemctl restart docker
验证GPU在Docker中是否可用： 这是至关重要的一步，用于检验我们前面的所有工作是否正确。
sudo docker run –rm –gpus all nvidia/cuda:12.1.1-base-ubuntu22.04 nvidia-smi
如果这条命令的输出和你在宿主机上直接运行 nvidia-smi 的结果完全一样，那么恭喜你，你的Docker环境已经成功打通了GPU！
参数解释:
- –rm: 容器退出后自动删除，用于临时测试，避免留下垃圾。
- –gpus all: 这是关键参数，由NVIDIA Container Toolkit提供。它告诉Docker将宿主机上所有可用的GPU都分配给这个容器。你也可以指定具体的GPU，如 –gpus '"device=0,1"'。
- nvidia/cuda:12.1.1-base-ubuntu22.04: 这是一个NVIDIA官方提供的基础CUDA镜像，我们用它来快速启动一个包含nvidia-smi命令的环境进行测试。
第三步：准备数据目录和模型文件
为了方便管理模型、输出图片和配置文件，我们不会把这些数据放在容器内部（否则容器一删除，数据就全没了）。正确的做法是在宿主机上创建好目录，然后将它们“挂载”到容器里。
在你的用户主目录下创建一个工作区，例如sd-webui：
cd ~
mkdir -p sd-webui/models/Stable-diffusion
mkdir -p sd-webui/models/VAE
mkdir -p sd-webui/models/Lora
mkdir -p sd-webui/outputs
mkdir -p sd-webui/configs
- models/Stable-diffusion: 用于存放你的基础大模型（.ckpt或.safetensors文件）。
- models/VAE: 存放VAE模型，用于改善图像色彩和细节。
- models/Lora: 存放LoRA微调模型。
- outputs: WebUI生成的所有图片、网格图等都会保存在这里。
- configs: 用于存放WebUI的配置文件，如config.json和ui-config.json。
现在，去Hugging Face、Civitai（C站）等社区下载你喜欢的模型，并把它们放到对应的文件夹里。例如，将下载的基础模型文件放入 ~/sd-webui/models/Stable-diffusion/。
第四步：运行Stable Diffusion WebUI容器
万事俱备，只欠东风。现在，我们将使用一条docker run命令来启动我们的WebUI服务器。这里我们选用一个社区维护良好、更新及时的Docker镜像，例如 ghcr.io/automatic1111/stable-diffusion-webui-docker:latest 或其他你信任的镜像源。
docker run -d \\
–name stable-diffusion-webui \\
–gpus all \\
-p 7860:7860 \\
-v ~/sd-webui/outputs:/home/user/outputs \\
-v ~/sd-webui/models:/home/user/models \\
-v ~/sd-webui/configs/ui-config.json:/home/user/ui-config.json \\
-v ~/sd-webui/configs/config.json:/home/user/config.json \\
–env CLI_ARGS="–xformers –enable-insecure-extension-access –listen" \\
ghcr.io/automatic1111/stable-diffusion-webui-docker:latest
让我们来逐行拆解这条堪称“天书”的命令，这部分是全文的精髓：
-
docker run -d:
- run: 运行一个新容器。
- -d (detach): 以“分离模式”在后台运行容器，这样你关闭终端后，服务也不会中断。
-
–name stable-diffusion-webui:
- 给你的容器起一个好记的名字，方便后续管理（如停止、启动、删除）。
-
–gpus all:
- 再次强调，这是让容器使用GPU的关键。
-
-p 7860:7860:
- -p (publish): 端口映射，格式为 宿主机端口:容器端口。WebUI默认在容器的7860端口上运行，我们把它映射到宿主机的7860端口。这样，我们就可以通过访问宿主机的IP地址和7860端口来打开WebUI界面了。
-
-v ~/sd-webui/…:/home/user/… (四行):
- -v (volume): 数据卷挂载，格式为 宿主机绝对路径:容器内绝对路径。这是实现数据持久化的核心。
- 第一行: 将宿主机的outputs目录挂载到容器内的outputs目录。你在WebUI里生成的图片，会直接出现在宿主机的~/sd-webui/outputs下。
- 第二行: 将宿主机的整个models目录挂载到容器内的models目录。容器启动时，WebUI会自动扫描这个目录加载所有模型。
- 第三、四行: 分别将两个重要的配置文件挂载出来。这样你对UI的布局修改、对WebUI的参数设置都会被保存在宿主机上，下次重启容器时配置不会丢失。
-
–env CLI_ARGS="…":
- –env (environment): 设置环境变量。这里的CLI_ARGS是这个特定Docker镜像设计好的一个变量，它允许我们向WebUI的启动脚本传递命令行参数。
- –xformers: 强烈推荐开启！它是一个能大幅提升NVIDIA显卡生成图片速度、降低显存占用的优化库。
- –enable-insecure-extension-access: 允许WebUI通过URL直接安装插件，方便扩展功能。
- –listen: 让WebUI监听所有网络接口，而不仅仅是localhost。这样，局域网内的其他设备（比如你的iPad或另一台电脑）才能通过你服务器的IP地址访问WebUI。如果你只在本地使用，可以去掉这个参数。
-
ghcr.io/automatic1111/stable-diffusion-webui-docker:latest:
- 要使用的Docker镜像名称和标签（tag）。latest通常指向最新版本。
执行完这条命令后，Docker会开始从网络上拉取镜像（第一次会比较慢）。拉取并启动成功后，你可以使用以下命令查看容器的运行日志：
docker logs -f stable-diffusion-webui
当你看到日志输出中出现 Running on local URL: http://0.0.0.0:7860 时，就代表WebUI服务器已经成功启动了！
现在，打开你的浏览器，访问 http://你的服务器IP地址:7860。熟悉的AUTOMATIC1111界面应该已经展现在你眼前了。享受AI创作的乐趣吧！
结语与展望
通过Docker，我们把一个原本极其复杂的环境部署过程，简化成了一套标准、可复现的流程。这套流程不仅适用于Stable Diffusion WebUI，也同样适用于ComfyUI等其他AI工具，甚至是你自己开发的任何Web应用。它为你带来的，是前所未有的部署效率和环境自由。
希望这篇超详细的教程能帮到正在为此苦恼的你。掌握Docker，就像是为你的技术武器库增添了一件瑞士军刀，无论是在设计、开发还是运维的道路上，它都将成为你强大的助力。
持续关注我，每天学习几个实用的设计与开发的小技巧。一段时间之后，你会发现自己的技能树悄然生长；假以时日，这必将转化为你职业道路上不可或缺的竞争力。
评论前必须登录！
注册