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 лучшее управление VRAM (позволяя запускать SDXL на видеокартах с 4 ГБ), нативную поддержку моделей FLUX, более быструю генерацию и полную обратную совместимость со всеми расширениями и моделями A1111. Гибкий GPU-маркетплейс CLORE.AI позволяет выбрать подходящий GPU для Forge — от бюджетных карт до топовых A100.

Все примеры можно запускать на GPU-серверах, арендуемых через CLORE.AI Маркетплейс.

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

Ключевое преимущество Forge — оптимизатор VRAM: он может запускать SDXL с всего 4 ГБ VRAM (с меньшей скоростью). Для моделей FLUX практический минимум — 12 ГБ VRAM, а для полной скорости и качества — 24 ГБ.

Быстрое развертывание на CLORE.AI

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

Порты: 22/tcp, 7860/http

Переменные окружения:

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 CLORE.AI Маркетплейс:

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

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

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

• Максимальное качество: A100 80GB для пакетной генерации

2. Подключитесь по SSH к вашему серверу

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. Скачайте и запустите SD WebUI Forge

Стандартный 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 потребления 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. Отслеживайте запуск

docker logs -f sd-forge

Ищите в логах:

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

При первом запуске обычно требуется 2–5 минут.

6. Доступ к веб-интерфейсу

Ваш CLORE.AI http_pub URL для порта 7860:

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

7. Добавление моделей

Метод 1: Скачать через CivitAI в веб-интерфейсе

• Перейдите на Extensions → Installed → Models (некоторые версии)

• Или используйте загрузчик по URL в Settings

Метод 2: Скачать напрямую на сервер

# Скачать 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"

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

Метод 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 URL CLORE.AI

2. Выберите модель из Checkpoint выпадающего списка

3. Ввод подсказки: "кинематографический портрет воина, золотой час, 8k фотография"

4. Установите негативный промпт: "размытое, низкое разрешение, водяной знак, уродливо"

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

6. Установите шаги: 20–30, CFG: 7

7. Нажмите Генерировать

Пример 2: Генерация FLUX

Модели FLUX работают иначе — без негативной подсказки, с более высоким качеством:

1. Выберите FLUX чекпоинт (flux1-dev.safetensors)

2. Под Forge, выберите соответствующий Unet и VAE если это отдельные файлы

3. Введите подсказку (негативная подсказка не требуется):

   Потрясающий пейзаж на закате, горы, отражающиеся в кристально чистом озере,
   фотореалистично, ультра-детально, профессиональная фотография

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

5. Сэмплер: Euler или DPM++ 2M

Пример 3: Генерация с управлением ControlNet

1. Установите расширение ControlNet (если не предустановлено):

   • Перейдите на Extensions → Available → Load from

   • Найдите "ControlNet" и установите

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

3. В txt2img разверните ControlNet раздел

4. Загрузите референсное изображение (поза, глубина, границы Canny)

5. Выберите препроцессор и модель, соответствующие типу референса

6. Генерируйте — результат следует структуре референса

Пример 4: Использование API

С флагом --api Forge предоставляет REST API:

import requests
import base64
import io
from PIL import Image

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

# Текст в изображение
payload = {
    "prompt": "тихий японский сад с вишневыми цветами, в стиле акварели",
    "negative_prompt": "уродливо, 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()

# Сохранить 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"Saved 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, изношенное лицо, масляная живопись", "portrait"),
]

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

for prompt_text, filename in prompts:
    print(f"Generating: {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"  Saved batch_output/{filename}.png")
    else:
        print(f"  Error: {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 потребления VRAM (SD1.5 на 6ГБ)
--medvram-sdxl	Средний режим VRAM для SDXL (SDXL на 8ГБ)
--lowvram	Режим низкого потребления VRAM (очень медленно, любая GPU)
--no-half	Использовать float32 (больше VRAM, стабильнее)
--no-half-vae	Держать VAE в float32 (предотвращает появление чёрных изображений)
--opt-sdp-attention	Масштабированное скалярное произведение внимания PyTorch
--enable-insecure-extension-access	Разрешить установку расширений
--skip-version-check	Пропустить проверки версий Python/torch

Настройки, специфичные для Forge

Forge добавляет Forge панель в интерфейсе с:

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

• Компиляция Diffusers Torch: Включите для ускорения генерации на 20-30% (первый запуск компилирует)

• GPU веса: Сколько держать на GPU против CPU

---

Советы по производительности

1. Используйте xFormers для снижения VRAM на 20-30%

--xformers

Автоматически улучшает производительность на большинстве GPU.

2. Оптимизатор VRAM Forge

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

3. Включите компиляцию Torch (Ampere+)

Во вкладке Forge в интерфейсе включите Компиляция Diffusers Torch. Первая генерация требует 2-3 минут на компиляцию, но последующие становятся на 20-30% быстрее.

4. Оптимальные комбинации шагов/сэмплера

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

5. Используйте Tile VAE для разрешений 2K+

Для ультра-высокого разрешения (2048×2048 и выше) включите Tiled VAE во вкладке SD, чтобы избежать ошибок OOM с VAE.

6. Пакетная обработка локально через API

Вместо поочерёдной генерации в UI используйте API с batch_size для большей пропускной способности:

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

---

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 в порядке:

1. --medvram-sdxl (для SDXL)

2. --medvram (для SD1.5)

3. Уменьшите разрешение изображения

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

Проблема: расширения не загружаются

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

Затем установите через вкладку Extensions в интерфейсе.

Проблема: запуск занимает слишком много времени

Нормально при первом запуске — вычисляются PyTorch и хэши моделей. Последующие запуски быстрее.

docker logs -f sd-forge  # Смотрите прогресс

Проблема: нельзя получить доступ к интерфейсу из браузера

Убедитесь, что процесс Forge привязан к 0.0.0.0:

• Добавьте --listen к CLI_ARGS

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

Проблема: модель не отображается в выпадающем списке

После размещения .safetensors файлов в правильной папке, нажмите 🔄 Обновить рядом с выпадающим списком Checkpoint.

---

Ссылки

• GitHub (Forge)

• GitHub (A1111 база)

• Docker Hub (nykk3)

• CivitAI (модели)

• Модели FLUX

• CLORE.AI Маркетплейс

---

Рекомендации Clore.ai по GPU

Сценарий использования	Рекомендуемый GPU	Примерная стоимость на Clore.ai
Разработка/Тестирование	RTX 3090 (24GB)	~$0.12/gpu/hr
Продакшн	RTX 4090 (24GB)	~$0.70/gpu/hr
Крупномасштабно	A100 80GB	~$1.20/gpu/hr

💡 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.