> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/bildgenerierung/sd-webui-forge.md). # SD WebUI Forge Deploye Stable Diffusion WebUI Forge mit optimiertem VRAM-Management und FLUX-Unterstützung auf Clore.ai-GPUs SD WebUI Forge ist ein optimierter Fork der klassischen AUTOMATIC1111 Stable Diffusion WebUI, entwickelt vom lllyasviel-Team. Es bietet deutlich besseres VRAM-Management (ermöglicht SDXL auf 4-GB-GPUs), native FLUX-Modellunterstützung, schnellere Generierungsgeschwindigkeiten und volle Rückwärtskompatibilität mit allen A1111-Erweiterungen und -Modellen. Der flexible GPU-Marktplatz von CLORE.AI lässt dich die perfekte GPU für Forge auswählen — von günstigen Karten bis hin zu erstklassigen A100s. {% hint style="success" %} Alle Beispiele können auf GPU-Servern ausgeführt werden, die gemietet wurden über [CLORE.AI-Marktplatz](https://clore.ai/marketplace). {% endhint %} ## Serveranforderungen | Parameter | Minimum | Empfohlen | | ---------- | -------------------- | ------------------ | | RAM | 8 GB | 16 GB+ | | VRAM | 4 GB | 12 GB+ | | Festplatte | 30 GB | 200 GB+ | | GPU | NVIDIA GTX 1650 4GB+ | RTX 3090, RTX 4090 | {% hint style="info" %} Der Hauptvorteil von Forge ist sein VRAM-Optimierer: Er kann SDXL mit nur 4 GB VRAM ausführen (bei langsamerer Geschwindigkeit). Für FLUX-Modelle sind 12 GB VRAM das praktische Minimum, 24 GB sind für volle Qualität und Geschwindigkeit ideal. {% endhint %} ## Schnellbereitstellung auf CLORE.AI **Docker-Image:** `nykk3/stable-diffusion-webui-forge:latest` **Ports:** `22/tcp`, `7860/http` **Umgebungsvariablen:** | Variable | Beispiel | Beschreibung | | ------------------ | ---------------------- | -------------------------------------- | | `CLI_ARGS` | `--xformers --medvram` | Zusätzliche CLI-Argumente | | `COMMANDLINE_ARGS` | `--api --listen` | Alternative CLI-Args-Umgebungsvariable | ## Schritt-für-Schritt-Einrichtung ### 1. Mieten Sie einen GPU-Server auf CLORE.AI Gehe zu [CLORE.AI-Marktplatz](https://clore.ai/marketplace): * **Günstige SD1.5**: GTX 1660/2060 (6 GB) — ausreichend für 512/768px * **SDXL-fähig**: RTX 3080/3090 (10–24 GB) * **FLUX-fähig**: RTX 4090/A6000 (24+ GB) * **Maximale Qualität**: A100 80 GB für Batch-Generierung ### 2. Verbinden Sie sich per SSH mit Ihrem Server ```bash ssh -p root@ ``` ### 3. Speicherverzeichnisse erstellen ```bash mkdir -p /root/sd-forge/{models,outputs,extensions,configs} mkdir -p /root/sd-forge/models/{Stable-diffusion,VAE,Lora,ControlNet,embeddings,ESRGAN} ``` ### 4. SD WebUI Forge herunterladen und starten **Standardstart:** ```bash docker run -d \ --name sd-forge \ --gpus all \ -p 7860:7860 \ -v /root/sd-forge/models:/app/stable-diffusion-webui/models \ -v /root/sd-forge/outputs:/app/stable-diffusion-webui/outputs \ -v /root/sd-forge/extensions:/app/stable-diffusion-webui/extensions \ nykk3/stable-diffusion-webui-forge:latest ``` **Mit aktivierter API und zusätzlichen Leistungsflags:** ```bash docker run -d \ --name sd-forge \ --gpus all \ -p 7860:7860 \ -v /root/sd-forge/models:/app/stable-diffusion-webui/models \ -v /root/sd-forge/outputs:/app/stable-diffusion-webui/outputs \ -v /root/sd-forge/extensions:/app/stable-diffusion-webui/extensions \ -e CLI_ARGS="--api --xformers --enable-insecure-extension-access" \ nykk3/stable-diffusion-webui-forge:latest ``` **Niedriger-VRAM-Modus (4–6-GB-GPUs):** ```bash docker run -d \ --name sd-forge \ --gpus all \ -p 7860:7860 \ -v /root/sd-forge/models:/app/stable-diffusion-webui/models \ -v /root/sd-forge/outputs:/app/stable-diffusion-webui/outputs \ -e CLI_ARGS="--api --medvram-sdxl --opt-sdp-attention" \ nykk3/stable-diffusion-webui-forge:latest ``` **Maximale Leistung (24+ GB VRAM):** ```bash docker run -d \ --name sd-forge \ --gpus all \ -p 7860:7860 \ -v /root/sd-forge/models:/app/stable-diffusion-webui/models \ -v /root/sd-forge/outputs:/app/stable-diffusion-webui/outputs \ -e CLI_ARGS="--api --xformers --no-half-vae" \ nykk3/stable-diffusion-webui-forge:latest ``` ### 5. Start überwachen ```bash docker logs -f sd-forge ``` Achte auf: ``` Wird unter lokaler URL ausgeführt: http://0.0.0.0:7860 ``` Der Start dauert beim ersten Lauf typischerweise 2–5 Minuten. ### 6. Auf die Weboberfläche zugreifen Deine CLORE.AI-http\_pub-URL für Port 7860: ``` https://-7860.clore.ai/ ``` ### 7. Modelle hinzufügen **Methode 1: Über CivitAI in der Weboberfläche herunterladen** * Gehe zu **Erweiterungen → Installiert → Modelle** (einige Versionen) * Oder den URL-Downloader in den Einstellungen verwenden **Methode 2: Direkt auf dem Server herunterladen** ```bash # SDXL-Basismodell herunterladen cd /root/sd-forge/models/Stable-diffusion wget -O "sd_xl_base_1.0.safetensors" \ "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors" # FLUX.1-schnell herunterladen (schnelles FLUX-Modell) wget -O "flux1-schnell.safetensors" \ "https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/flux1-schnell.safetensors" ``` **Methode 3: HuggingFace-CLI** ```bash docker exec -it sd-forge bash -c " pip install huggingface_hub huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ sd_xl_base_1.0.safetensors \ --local-dir /app/stable-diffusion-webui/models/Stable-diffusion/ " ``` *** ## Anwendungsbeispiele ### Beispiel 1: Text-zu-Bild über die Weboberfläche 1. Öffne die Forge-Oberfläche unter deiner CLORE.AI-URL 2. Wähle dein Modell aus dem **Kontrollpunkt** Dropdown 3. Prompt eingeben: `"cinematic portrait of a warrior, golden hour, 8k photography"` 4. Negativen Prompt festlegen: `"blurry, low resolution, watermark, ugly"` 5. Breite/Höhe festlegen: `1024x1024` für SDXL, `512x768` für SD1.5 6. Schritte festlegen: 20–30, CFG: 7 7. Klicken Sie auf **Generieren** ### Beispiel 2: FLUX-Generierung FLUX-Modelle funktionieren anders — kein negativer Prompt, höhere Qualität: 1. Wähle den FLUX-Checkpoint (flux1-dev.safetensors) 2. Unter **Forge**, wähle das passende **UNet** und **VAE** falls separate Dateien 3. Prompt eingeben (kein negativer Prompt nötig): ``` Eine atemberaubende Landschaft bei Sonnenuntergang, Berge, die sich in einem klaren See spiegeln, fotorealistisch, ultradetailliert, professionelle Fotografie ``` 4. Schritte: 20, CFG: 1.0 (FLUX verwendet einen niedrigeren CFG) 5. Sampler: `Euler` oder `DPM++ 2M` ### Beispiel 3: ControlNet-gesteuerte Generierung 1. ControlNet-Erweiterung installieren (falls nicht vorinstalliert): * Gehe zu **Erweiterungen → Verfügbar → Laden von** * Suche nach "ControlNet" und installiere es 2. Lade ControlNet-Modelle herunter nach `/root/sd-forge/models/ControlNet/` 3. In txt2img den **ControlNet** Abschnitt 4. Referenzbild hochladen (Pose, Tiefe, Canny-Kante) 5. Wähle den Vorverarbeiter und das Modell passend zu deinem Referenztyp 6. Generieren — die Ausgabe folgt der Referenzstruktur ### Beispiel 4: API-Nutzung Mit `--api` Flag stellt Forge eine REST-API bereit: ```python import requests import base64 import io from PIL import Image BASE_URL = "http://localhost:7860" # oder CLORE.AI http_pub-URL # Text zu Bild payload = { "prompt": "a serene Japanese garden with cherry blossoms, watercolor style", "negative_prompt": "ugly, blurry, low quality", "steps": 25, "cfg_scale": 7, "width": 1024, "height": 1024, "sampler_name": "DPM++ 2M", "batch_size": 1, } response = requests.post(f"{BASE_URL}/sdapi/v1/txt2img", json=payload) result = response.json() # Das Bild speichern for i, img_b64 in enumerate(result["images"]): img_data = base64.b64decode(img_b64) img = Image.open(io.BytesIO(img_data)) img.save(f"output_{i}.png") print(f"Saved output_{i}.png") ``` ### Beispiel 5: Skript für die Batch-Generierung ```python import requests import base64 import io from PIL import Image import os BASE_URL = "http://localhost:7860" prompts = [ ("cyberpunk city at night, neon lights, rain", "cyberpunk"), ("ancient forest, mystical fog, fantasy art", "fantasy"), ("minimalist logo design, geometric shapes, white background", "logo"), ("portrait of an elderly sailor, weathered face, oil painting", "portrait"), ] os.makedirs("batch_output", exist_ok=True) for prompt_text, filename in prompts: print(f"Generiere: {filename}...") response = requests.post( f"{BASE_URL}/sdapi/v1/txt2img", json={ "prompt": prompt_text, "negative_prompt": "low quality, blurry, watermark", "steps": 25, "cfg_scale": 7, "width": 1024, "height": 1024, }, ) if response.status_code == 200: img_b64 = response.json()["images"][0] img = Image.open(io.BytesIO(base64.b64decode(img_b64))) img.save(f"batch_output/{filename}.png") print(f" Gespeichert: batch_output/{filename}.png") else: print(f" Fehler: {response.status_code}") ``` *** ## Konfiguration ### Wichtige CLI-Argumente | Argument | Beschreibung | | ------------------------------------ | ------------------------------------------------------------- | | `--api` | REST-API aktivieren | | `--listen` | Auf allen Schnittstellen lauschen (für CLORE.AI erforderlich) | | `--port 7860` | Port ändern | | `--xformers` | xFormers-Attention aktivieren (schneller, weniger VRAM) | | `--medvram` | Mittlerer-VRAM-Modus (SD1.5 auf 6 GB) | | `--medvram-sdxl` | Mittlerer VRAM für SDXL (SDXL auf 8 GB) | | `--lowvram` | Niedriger-VRAM-Modus (sehr langsam, jede GPU) | | `--no-half` | float32 verwenden (mehr VRAM, stabiler) | | `--no-half-vae` | VAE in float32 belassen (verhindert schwarze Bilder) | | `--opt-sdp-attention` | Skalierte Punktprodukt-Attention von PyTorch | | `--enable-insecure-extension-access` | Installation von Erweiterungen erlauben | | `--skip-version-check` | Python-/Torch-Versionsprüfungen überspringen | ### Forge-spezifische Einstellungen Forge fügt ein **Forge** Panel in der Oberfläche hinzu mit: * **Forge-UNet**: Optimierungs-Backend auswählen (Standard, bnb usw.) * **Diffusers-Torch-Kompilierung**: Aktivieren für 20–30 % schnellere Generierung (beim ersten Lauf wird kompiliert) * **GPU-Gewichte**: Wie viel auf der GPU gegenüber der CPU behalten werden soll *** ## Leistungstipps ### 1. Verwende xFormers für 20–30 % weniger VRAM ```bash --xformers ``` Verbessert die Leistung auf den meisten GPUs automatisch. ### 2. Forges VRAM-Optimierer Forge verwaltet den VRAM automatisch besser als A1111. Verwende einfach das `--medvram-sdxl` Flag für SDXL auf 8–12-GB-GPUs und überlasse ihm den Rest. ### 3. Torch-Kompilierung aktivieren (Ampere+) Aktiviere im Forge-Tab in der Oberfläche **Diffusers-Torch-Kompilierung**. Die erste Generierung dauert 2–3 Minuten für die Kompilierung, danach sind die folgenden 20–30 % schneller. ### 4. Optimale Schritt-/Sampler-Kombinationen | Ziel | Sampler | Schritte | CFG | | --------------- | ------------------ | -------- | --- | | Geschwindigkeit | `DPM++ SDE Karras` | 15-20 | 7 | | Qualität | `DPM++ 2M Karras` | 25-35 | 7 | | Künstlerisch | `Euler a` | 20-30 | 5-7 | | FLUX | `Euler` | 20 | 1 | ### 5. Verwende Tile-VAE für Auflösungen ab 2K Für ultra-hohe Auflösung (2048×2048+), aktiviere **Gekacheltes VAE** im SD-Tab, um VAE-OOM-Fehler zu verhindern. ### 6. Lokal mit der API in Stapeln generieren Anstatt in der Oberfläche jeweils nur eines zu generieren, verwende die API mit `batch_size` für höheren Durchsatz: ```python payload = { "prompt": "...", "batch_size": 4, # 4 Bilder auf einmal generieren "n_iter": 2, # 2 Iterationen ausführen = 8 Bilder insgesamt } ``` *** ## Fehlerbehebung ### Problem: Schwarze oder grüne Bilder VAE-Präzisionsproblem. Füge das Flag hinzu: ```bash --no-half-vae ``` Oder verwende das `sdxl-vae-fp16-fix.safetensors` VAE. ### Problem: "CUDA out of memory" Versuche es in dieser Reihenfolge: 1. `--medvram-sdxl` (für SDXL) 2. `--medvram` (für SD1.5) 3. Bildauflösung reduzieren 4. `--lowvram` (letzter Ausweg, sehr langsam) ### Problem: Erweiterungen werden nicht geladen ```bash # Zugriff auf Erweiterungen erlauben -e CLI_ARGS="--enable-insecure-extension-access" ``` Dann über den Reiter „Extensions“ in der Oberfläche installieren. ### Problem: Der Start dauert zu lange Beim ersten Lauf normal — PyTorch- und Modell-Hashes werden berechnet. Nachfolgende Starts sind schneller. ```bash docker logs -f sd-forge # Fortschritt beobachten ``` ### Problem: Kann nicht über den Browser auf die Oberfläche zugreifen Stelle sicher, dass der Forge-Prozess an `0.0.0.0`: * Fügen Sie `--listen` zu CLI\_ARGS * Überprüfe, ob Port 7860 in der Portliste deiner CLORE.AI-Bestellung enthalten ist ### Problem: Modell wird im Dropdown nicht angezeigt Nachdem du `.safetensors` Dateien im richtigen Ordner platziert hast, klicke auf **🔄 Aktualisieren** neben dem Checkpoint-Dropdown. *** ## Links * [GitHub (Forge)](https://github.com/lllyasviel/stable-diffusion-webui-forge) * [GitHub (A1111-Basis)](https://github.com/AUTOMATIC1111/stable-diffusion-webui) * [Docker Hub (nykk3)](https://hub.docker.com/r/nykk3/stable-diffusion-webui-forge) * [CivitAI (Modelle)](https://civitai.com) * [FLUX-Modelle](https://huggingface.co/black-forest-labs) * [CLORE.AI-Marktplatz](https://clore.ai/marketplace) *** ## GPU-Empfehlungen für Clore.ai | Anwendungsfall | Empfohlene GPU | Geschätzte Kosten bei Clore.ai | | ------------------ | ---------------- | ----------------------------------------- | | Entwicklung/Testen | RTX 3090 (24 GB) | 0,07–0,21 $/GPU/Stunde | | Produktion | RTX 4090 (24 GB) | 0,14–0,42 $/GPU/Stunde | | Großflächig | A100 80GB | [Bare Metal](https://clore.ai/bare-metal) | > 💡 Alle Beispiele in diesem Leitfaden können bereitgestellt werden auf [Clore.ai](https://clore.ai/marketplace) GPU-Servern. Durchsuchen Sie verfügbare GPUs und mieten Sie stundenweise — keine Verpflichtungen, voller Root-Zugriff. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-de/bildgenerierung/sd-webui-forge.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.