Stable Diffusion Forge 保姆级教程：环境安装与文生图测试全流程

环境准备：安装前的必要检查

启动Stable Diffusion Forge前，请务必确认你的系统已满足核心运行要求。这包括三个关键组件：Python编程环境、Git版本管理工具，以及最新的NVIDIA显卡驱动与CUDA工具包。我们推荐安装Python 3.10.x版本以确保最佳的兼容性。Git用于从官方仓库获取Forge源代码。对于硬件加速，你需要一块NVIDIA显卡并安装最新的驱动程序，同时根据你的显卡算力版本，下载并安装对应的CUDA工具包。这是启用GPU进行AI图像生成计算的基础。妥善完成这些准备工作，将直接决定后续安装流程的顺畅度。

获取与安装：部署Stable Diffusion Forge

基础环境配置完成后，即可进入Stable Diffusion Forge本体的部署阶段。首先，通过Git从GitHub官方仓库克隆项目源代码至本地目录。随后，打开命令行终端，导航至Forge项目根目录，执行依赖库安装命令。此过程将自动解析并安装所有必需的Python包，包括PyTorch、Transformers等核心库。安装耗时取决于你的网络带宽。所有依赖安装完毕后，项目目录中将包含完整的启动脚本与核心模块，软件框架即部署完成。

首次启动与模型配置

依赖安装后，首次运行启动脚本将初始化Forge的本地Web UI服务。在浏览器中访问终端显示的本地地址（通常是 http://127.0.0.1:7860），即可进入操作界面。请注意，Forge作为运行框架，本身不包含生成模型。你需要手动下载如SDXL 1.0等基础模型文件，并将其正确放置在项目目录下的 `models/Stable-diffusion` 文件夹内。返回Web界面，在模型选择器中点击刷新，即可看到并加载你放置的模型。至此，软件环境与生成模型均已就绪，可进行功能验证。

文生图功能测试：从提示词到图像

执行一次文生图生成是验证整个安装是否成功的最直接方式。在Web界面的“文生图”标签页中，于正向提示词框内输入清晰的目标描述，例如“一只毛茸茸的橘猫在窗台阳光下打盹，照片级真实，细节锐利”。在负向提示词框中，可加入“画面模糊、结构扭曲、色彩失真”等以避免常见瑕疵。参数设置方面，选择Euler a或DPM++ 2M Karras等常用采样器，将步数设置为25至30步，分辨率调整为512x512或768x768。点击生成按钮，观察控制台日志与图像预览。如果系统在数分钟内输出了一张符合提示词描述的高质量图像，则证明Stable Diffusion Forge已成功安装并配置完毕，可以开始你的创作了。