说明
这里是AMD卡的stable diffusion搭建方式，使用N卡的话搭建更简单，可以省去很多步骤，但是N卡只配F**K U，所以我选择A卡。
特别感谢这篇文章，我是基于这篇文章来搭的，最后成功运行。
环境需求
- 显存大于8G的A卡，理论上6G+的卡就行，但是我没试过。显卡越好炼丹越快。
- 安装好了python和git。
- 注册好了Hugging Face账号，用于下载模型。
安装python环境
建议先切换到清华源，否则下载速度很慢。要求python 3.7+。
pip install diffusers
pip install transformers
pip install onnxruntime
pip install accelerate
pip install onnx
pip install scipy
pip install torch
使用虚拟环境的自便，我比较懒不折腾。
还需要去下载directml的运行时，地址在这里，找最新的ort_nightly_directml版本，然后下载python版本一致的版本就行。我是python3.10，下载ort_nightly_directml-1.14.0.dev20221205004-cp310-cp310-win_amd64.whl即可。
然后pip install ort_nightly_directml-1.14.0.dev20221205004-cp310-cp310-win_amd64.whl。
处理模型
由于模型默认是cude的，所以A卡想用得进行处理。处理程序是这个：
https://raw.githubusercontent.com/huggingface/diffusers/main/scripts/convert_stable_diffusion_checkpoint_to_onnx.py
另存为本地，改名为conver_to_onnx.py，待用。
登录https://huggingface.co/，在个人中心、设置页面，找到Access Tokens页面，添加一个Access Tokens。
执行huggingface-cli.exe login，把生成的token输入进去，看到登录成功就代表ok了。
执行python.exe .\conver_to_onnx.py --model_path="CompVis/stable-diffusion-v1-4" --output_path="./stable_diffusion_onnx"，模型就处理完成了。国内网络不稳定，有时候会timeout，只能自己多试试了
开始炼丹
写个执行脚本：
from diffusers import OnnxStableDiffusionPipeline
from PIL import Image
prompt = "A beautiful girl, sketch"
def t2i():
pipe = OnnxStableDiffusionPipeline.from_pretrained("./stable_diffusion_onnx", provider="DmlExecutionProvider",safety_checker=None)
for x in range(3):
result= pipe(prompt)
image =result.images[0]
image.save("output%s.png"%x)
t2i()
修改里面的prompt，执行，然后等就行了，速度还是挺快的。
