SD WebUI Forge

Разверните Stable Diffusion WebUI Forge с оптимизированным управлением VRAM и поддержкой FLUX на GPU Clore.ai

SD WebUI Forge — это оптимизированный форк классического Stable Diffusion WebUI AUTOMATIC1111, разработанный командой lllyasviel. Он обеспечивает значительно лучшую работу с VRAM (позволяя запускать SDXL на GPU с 4 ГБ), нативную поддержку моделей FLUX, более высокую скорость генерации и полную обратную совместимость со всеми расширениями и моделями A1111. Гибкий рынок GPU CLORE.AI позволяет вам выбрать идеальный GPU для Forge — от бюджетных карт до топовых A100.

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Требования к серверу

Параметр	Минимум	Рекомендуется
ОЗУ	8 ГБ	16 ГБ+
VRAM	4 ГБ	12 ГБ+
Диск	30 ГБ	200 ГБ+
GPU	NVIDIA GTX 1650 4GB+	RTX 3090, RTX 4090

Главное преимущество Forge — его оптимизатор VRAM: он может запускать SDXL всего на 4 ГБ VRAM (но медленнее). Для моделей FLUX практический минимум — 12 ГБ VRAM, а 24 ГБ нужны для полного качества и скорости.

Быстрое развертывание на CLORE.AI

Docker-образ: nykk3/stable-diffusion-webui-forge:latest

Порты: 22/tcp, 7860/http

Переменные среды:

Переменная	Пример	Описание
CLI_ARGS	--xformers --medvram	Дополнительные аргументы CLI
COMMANDLINE_ARGS	--api --listen	Альтернативная переменная окружения для аргументов CLI

Пошаговая настройка

1. Арендуйте GPU-сервер на CLORE.AI

Перейдите к маркетплейс CLORE.AI:

• Бюджетный SD1.5: GTX 1660/2060 (6 ГБ) — вполне достаточно для 512/768px

• Поддерживает SDXL: RTX 3080/3090 (10–24 ГБ)

• Поддерживает FLUX: RTX 4090/A6000 (24+ ГБ)

• Максимальное качество: A100 80 ГБ для пакетной генерации

2. Подключитесь к серверу по SSH

ssh -p <PORT> root@<SERVER_IP>

3. Создайте каталоги для хранения

mkdir -p /root/sd-forge/{models,outputs,extensions,configs}
mkdir -p /root/sd-forge/models/{Stable-diffusion,VAE,Lora,ControlNet,embeddings,ESRGAN}

4. Загрузите и запустите SD WebUI Forge

Обычный запуск:

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

С включённым API и дополнительными флагами производительности:

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

Режим низкого VRAM (GPU 4–6 ГБ):

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

Максимальная производительность (24+ ГБ VRAM):

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. Следите за запуском

docker logs -f sd-forge

Ищите:

Запущено по локальному URL:  http://0.0.0.0:7860

Первый запуск обычно занимает 2–5 минут.

6. Откройте веб-интерфейс

Ваш CLORE.AI http_pub URL для порта 7860:

https://<order-id>-7860.clore.ai/

7. Добавьте модели

Способ 1: загрузка через CivitAI в веб-интерфейсе

• Перейдите на Расширения → Установленные → Модели (в некоторых версиях)

• Или используйте загрузчик по URL в настройках

Способ 2: загрузка напрямую на сервер

# Скачайте базовую модель SDXL
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"

# Скачайте FLUX.1-schnell (быструю модель FLUX)
wget -O "flux1-schnell.safetensors" \\
  "https://huggingface.co/black-forest-labs/FLUX.1-schnell/resolve/main/flux1-schnell.safetensors"

Способ 3: HuggingFace CLI

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/
"

---

Примеры использования

Пример 1: Текст в изображение через веб-интерфейс

1. Откройте интерфейс Forge по вашему CLORE.AI URL

2. Выберите свою модель в Контрольная точка выпадающем списке

3. Введите запрос: "кинематографичный портрет воина, золотой час, 8k-фотография"

4. Установите негативный запрос: "размыто, низкое разрешение, водяной знак, безобразно"

5. Установите ширину/высоту: 1024x1024 для SDXL, 512x768 для SD1.5

6. Установите шаги: 20–30, CFG: 7

7. Нажмите Сгенерировать

Пример 2: Генерация FLUX

Модели FLUX работают иначе — без негативного запроса, с более высоким качеством:

1. Выберите контрольную точку FLUX (flux1-dev.safetensors)

2. В Forge, выберите подходящий Unet и VAE если файлы разделены

3. Введите запрос (негативный запрос не нужен):

   Потрясающий пейзаж на закате, горы, отражённые в кристально чистом озере,
   фотореалистично, сверхдетально, профессиональная фотография

4. Шаги: 20, CFG: 1.0 (FLUX использует более низкий CFG)

5. Семплер: Euler или DPM++ 2M

Пример 3: Генерация с ControlNet

1. Установите расширение ControlNet (если оно не предустановлено):

   • Перейдите на Расширения → Доступные → Загрузить из

   • Найдите "ControlNet" и установите

2. Скачайте модели ControlNet в /root/sd-forge/models/ControlNet/

3. В txt2img разверните ControlNet раздел

4. Загрузите эталонное изображение (поза, глубина, контур Canny)

5. Выберите препроцессор и модель, соответствующие типу вашего эталона

6. Сгенерируйте — результат будет следовать структуре эталона

Пример 4: Использование API

С --api флаге Forge предоставляет REST API:

import requests
import base64
import io
from PIL import Image

BASE_URL = "http://localhost:7860"  # или URL CLORE.AI http_pub

# Текст в изображение
payload = {
    "умиротворённый японский сад с цветущей сакурой, стиль акварели",
    "безобразно, размыто, низкое качество",
    "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()

# Сохраните изображение
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"Сохранено output_{i}.png")

Пример 5: Скрипт пакетной генерации

import requests
import base64
import io
from PIL import Image
import os

BASE_URL = "http://localhost:7860"

prompts = [
    ("киберпанк-город ночью, неоновые огни, дождь", "cyberpunk"),
    ("древний лес, мистический туман, фэнтези-арт", "fantasy"),
    ("минималистичный дизайн логотипа, геометрические формы, белый фон", "logo"),
    ("портрет пожилого моряка, изрезанное морщинами лицо, масляная живопись", "portrait"),
]

os.makedirs("batch_output", exist_ok=True)

for prompt_text, filename in prompts:
    print(f"Генерация: {filename}...")
    response = requests.post(
        f"{BASE_URL}/sdapi/v1/txt2img",
        json={
            "prompt": prompt_text,
            "negative_prompt": "низкое качество, размыто, водяной знак",
            "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"  Сохранено batch_output/{filename}.png")
    else:
        print(f"  Ошибка: {response.status_code}")

---

Конфигурация

Ключевые аргументы CLI

Аргумент	Описание
--api	Включить REST API
--listen	Слушать на всех интерфейсах (требуется для CLORE.AI)
--port 7860	Изменить порт
--xformers	Включить внимание xFormers (быстрее, меньше VRAM)
--medvram	Режим среднего VRAM (SD1.5 на 6 ГБ)
--medvram-sdxl	Средний VRAM для SDXL (SDXL на 8 ГБ)
--lowvram	Режим низкого VRAM (очень медленный, любая GPU)
--no-half	Использовать float32 (больше VRAM, стабильнее)
--no-half-vae	Оставлять VAE в float32 (предотвращает чёрные изображения)
--opt-sdp-attention	Внимание PyTorch scaled dot product
--enable-insecure-extension-access	Разрешить установку расширений
--skip-version-check	Пропустить проверки версий Python/torch

Настройки, специфичные для Forge

Forge добавляет Forge в интерфейсе панель с:

• Forge Unet: Выберите backend оптимизации (по умолчанию, bnb и т. д.)

• Компиляция Diffusers Torch: Включите для ускорения генерации на 20–30% (при первом запуске выполняется компиляция)

• Веса GPU: Сколько держать на GPU по сравнению с CPU

---

Советы по производительности

1. Используйте xFormers для снижения потребления VRAM на 20–30%

--xformers

Автоматически улучшает производительность на большинстве GPU.

2. Оптимизатор VRAM Forge

Forge автоматически управляет VRAM лучше, чем A1111. Просто используйте --medvram-sdxl флаг для SDXL на GPU с 8–12 ГБ и позвольте ему сделать остальное.

3. Включите Torch Compilation (Ampere+)

Во вкладке Forge в интерфейсе включите Компиляция Diffusers Torch. Первая генерация занимает 2–3 минуты на компиляцию, но последующие на 20–30% быстрее.

4. Оптимальные сочетания шагов/семплеров

Цель	Сэмплер	Шаги	CFG
Скорость	DPM++ SDE Karras	15-20	7
Качество	DPM++ 2M Karras	25-35	7
Художественный	Euler a	20-30	5-7
FLUX	Euler	20	1

5. Используйте Tile VAE для разрешений 2K+

Для сверхвысокого разрешения (2048×2048+), включите Tiled VAE во вкладке SD, чтобы предотвратить ошибки нехватки памяти VAE.

6. Пакетно генерируйте локально через API

Вместо генерации по одному в интерфейсе используйте API с batch_size для более высокой производительности:

payload = {
    "prompt": "...",
    "batch_size": 4,  # Генерировать 4 изображения за раз
    "n_iter": 2,      # Запустить 2 итерации = всего 8 изображений
}

---

Устранение неполадок

Проблема: Чёрные или зелёные изображения

Проблема с точностью VAE. Добавьте флаг:

--no-half-vae

Или используйте sdxl-vae-fp16-fix.safetensors VAE.

Проблема: "CUDA out of memory"

Попробуйте по порядку:

1. --medvram-sdxl (для SDXL)

2. --medvram (для SD1.5)

3. Уменьшите разрешение изображения

4. --lowvram (крайняя мера, очень медленно)

Проблема: Расширения не загружаются

# Разрешить доступ к расширениям
-e CLI_ARGS="--enable-insecure-extension-access"

Затем установите их на вкладке Extensions в интерфейсе.

Проблема: Запуск занимает слишком много времени

Для первого запуска это нормально — вычисляются хэши PyTorch и модели. Последующие запуски быстрее.

docker logs -f sd-forge  # Следите за ходом выполнения

Проблема: Не удаётся открыть интерфейс в браузере

Убедитесь, что процесс Forge привязан к 0.0.0.0:

• Добавьте --listen в CLI_ARGS

• Убедитесь, что порт 7860 есть в списке портов вашего заказа CLORE.AI

Проблема: Модель не отображается в выпадающем списке

После размещения .safetensors файлов в правильную папку нажмите 🔄 Обновить рядом с выпадающим списком Checkpoint.

---

Ссылки

• GitHub (Forge)

• GitHub (базовая версия A1111)

• Docker Hub (nykk3)

• CivitAI (модели)

• Модели FLUX

• маркетплейс CLORE.AI

---

Рекомендации по GPU для Clore.ai

Сценарий использования	Рекомендуемый GPU	Оценочная стоимость на Clore.ai
Разработка/тестирование	RTX 3090 (24 ГБ)	$0.07–0.21/гпу/ч
Продакшен	RTX 4090 (24 ГБ)	$0.14–0.42/гпу/ч
Масштабирование	A100 80 ГБ	голое железо

💡 Все примеры в этом руководстве можно развернуть на Clore.ai GPU-серверах. Просматривайте доступные GPU и арендуйте по часам — без обязательств, с полным root-доступом.