云电脑搭建AI绘图环境，CUDA驱动快速配置

在云电脑上跑AI绘图，核心是让显卡驱动、CUDA版本和深度学习框架三者匹配。
本文针对零基础用户，从GPU选型到环境验证给出可照做的步骤，最终能在云电脑上正常生成图片。

云电脑选型与系统准备

不是所有云电脑都适合AI绘图。必须选带NVIDIA独立显卡的实例，
例如Tesla T4、
A10、
RTX 4090等，
显存建议不低于8GB，
否则Stable Diffusion容易爆显存。

购买时注意两点：

• 镜像选择Ubuntu 20.04或22.04，兼容性最好；
• 确认云厂商已提供显卡驱动或允许自行安装。

登录云电脑后，先用命令确认显卡是否被识别：

lspci | grep -i nvidia

如果输出中包含NVIDIA Corporation字样，说明硬件已直通。
若没有，需要先在控制台检查实例是否绑定GPU。

安装CUDA驱动与工具包

推荐用官方runfile方式安装，避免apt源版本过旧。
先装编译依赖：

sudo apt update
sudo apt install -y build-essential gcc make

到NVIDIA官网下载对应驱动，或直接使用云厂商提供的驱动安装脚本。
以CUDA 12.1为例：

wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run
sudo sh cuda_12.1.0_530.30.02_linux.run

安装过程中取消勾选Driver，只装CUDA Toolkit，驱动单独安装可减少冲突。
安装完成后配置环境变量：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

验证驱动和CUDA是否正常：

nvidia-smi
nvcc -V

nvidia-smi能显示显卡型号和驱动版本，nvcc -V输出CUDA版本，两者都正常才继续下一步。

Python环境与AI绘图依赖安装

用conda隔离环境，避免污染系统Python：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc
conda create -n sd python=3.10 -y
conda activate sd

安装PyTorch时必须指定与CUDA匹配的版本。
CUDA 12.1对应：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

装完立即验证GPU是否可用：

python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

输出True和显卡型号，说明CUDA驱动配置成功。
若为False，多半是PyTorch版本和CUDA不匹配。

部署Stable Diffusion WebUI

克隆仓库并安装依赖：

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
./webui.sh --xformers --listen

首次运行会自动下载模型和依赖，耗时较长。
启动成功后，浏览器访问http://云电脑公网IP:7860，能打开界面即部署完成。

生成一张512x512测试图，观察显存占用是否正常。
如果报错CUDA out of memory，降低分辨率或加--medvram参数。

常见报错与避坑

• 驱动版本过低：nvidia-smi报错或版本低于CUDA要求，需重装驱动，建议驱动版本≥525。
• CUDA与PyTorch不匹配：torch.cuda.is_available()返回False，用nvcc -V和pip show torch核对版本，重装对应cu版本。
• 端口无法访问：云电脑安全组未放行7860端口，在控制台添加入站规则。
• 显存不足：启动加--medvram或--lowvram，或换更大显存实例。

关键结论：只要nvidia-smi、nvcc -V和torch.cuda.is_available()三项都正常，AI绘图环境就算配置成功。

效果验证与日常维护

每次重启云电脑后，先执行nvidia-smi确认驱动加载，再激活conda环境启动WebUI。
建议把启动命令写成脚本：

#!/bin/bash
source ~/.bashrc
conda activate sd
cd ~/stable-diffusion-webui
./webui.sh --xformers --listen

保存为start_sd.sh并赋予执行权限，后续一键启动。

如果更换CUDA版本，务必同步重装PyTorch，否则前功尽弃。
遇到问题优先回看避坑部分，多数报错都源于版本不匹配。

云电脑搭建AI绘图环境的核心是驱动、CUDA、PyTorch三者版本对齐，按本文顺序操作可一次跑通。