Stable Diffusion WebUI 部署与使用全流程问题排查指南|Locke.hao

搞了两张3060显卡不知道干什么用，于是想到了本地部署生图，倒腾了将近一天，终于是部署好了，参考教程【保姆级教程】Linux上部署Stable Diffusion WebUI和LoRA训练，拥有你的专属图片生成模型_stable diffusion linux-CSDN博客，成功上线到我的blog中，但是为了防止有坏蛋干坏事，所以我设置了验证，联系我获取登录账密哦。

在部署和使用 Stable Diffusion WebUI 过程中，我先后遇到了代理协议冲突、Lora 模型识别异常、多显卡负载不均、生成图片灰蒙蒙等一系列问题，每一步都踩过典型 “坑点”，最终通过针对性配置逐一解决。以下是完整问题复盘与解决方案总结。

一、代理配置：从 “socks5h 协议报错” 到 HTTP 代理适配

1. 初始问题：WebUI 启动报 “Unknown scheme for proxy URL socks5h”

在通过 Clash 代理下载 CLIP 模型时，即使配置了混合端口（Mixed Port 7890），启动 WebUI 仍报错 “ValueError: Unknown scheme for proxy URL URL ('socks5h://127.0.0.1:7890')”。问题根源：Clash 的 clashctl on 命令会自动注入 socks5h 协议变量，而 WebUI 依赖的 httpx 库不兼容该协议；同时混合端口默认优先使用 socks5h，导致代理配置与 WebUI 需求冲突。

2. 解决过程：关闭自动注入 + 手动指定 HTTP 代理

第一步：停止 Clash 自动代理注入
执行 clashctl off 清除 socks5h 残留变量，再通过 unset HTTP_PROXY HTTPS_PROXY ALL_PROXY 彻底删除终端代理缓存。
第二步：启用 Clash HTTP 端口（替代混合模式）
在 Clash 配置中关闭混合端口（注释 mixed-port: 7890），新增 port: 7890 启用纯 HTTP 代理，避免协议冲突。
第三步：手动配置代理变量并启动 WebUI
执行 export HTTP_PROXY="http://127.0.0.1:7890" 配置代理，再通过 ./webui.sh -f 启动，成功解决模型下载报错。

二、Lora 模型：从 “文件名错误” 到 WebUI 识别

1. 初始问题：wget 下载 Lora 后 WebUI 无法识别

通过 wget https://civitai.com/api/download/models/96736?type=Model 下载 Lora 模型后，文件名为 96736?type=Model，无 .safetensors 后缀，WebUI 左侧 Lora 面板未显示该模型。问题根源：CivitAI 下载链接含特殊字符 ?，wget 默认以 URL 最后一段作为文件名，导致缺失 WebUI 识别必需的 .safetensors 后缀。

2. 解决过程：重命名 + 规范下载命令

紧急处理：手动重命名文件
在 models/Lora 目录下执行 mv '96736?type=Model' 80year03.safetensors（文件名参考下载日志中的 filename="80year03.safetensors"），刷新 WebUI 后成功识别。
长期优化：下载时指定文件名
后续用 wget -O 目标名.safetensors 下载链接 命令，例如 wget -O bl5_v10.safetensors "https://civitai-delivery-worker-prod.xxx"，直接生成带正确后缀的文件，避免二次操作。

三、多显卡配置：从 “单卡满载” 到双 RTX 3060 协同

1. 初始问题：双 RTX 3060 仅主卡（GPU 0）工作

配置 export CUDA_VISIBLE_DEVICES=0,1 后，启动 WebUI 仍只有 GPU 0 处于 100% 负载（显存占用 6GB+），GPU 1 始终空闲（显存占用 2.2GB，使用率 0%）。问题根源：

WebUI 默认不自动支持多卡并行，CUDA_VISIBLE_DEVICES=0,1 仅让程序 “看到” 双卡，不会主动拆分负载；
非官方 WebUI 分支（v1.10.1）缺失 --multi-gpu 参数，无法通过常规参数启用多卡；
GPU 1 被无关 python3.12 进程占用（2290MiB 显存），无剩余空间加载模型层。

2. 解决过程：清理进程 + 强制模型拆分

第一步：清理 GPU 1 占用进程
执行 ps -p 1616 -o cmd 确认无关进程，再用 kill -9 1616 杀掉，释放显存（GPU 1 显存降至 100MiB 以下）。
第二步：用 --lowvram 参数强制拆分
启动命令改为 export CUDA_VISIBLE_DEVICES=0,1 && ./webui.sh -f --xformers --lowvram，--lowvram 比 --medvram 更激进地将模型层拆分到双卡，生成 1024x1024 图像时，GPU 1 使用率升至 50%-80%，显存占用 5GB+，实现协同工作。
终极方案：修改代码强制多卡
若仍不生效，编辑 modules/sd_models.py，在 load_model_weights 函数中添加逻辑：将含 “transformer”“attn” 的模型层移动到 GPU 1，确保双卡均参与计算。

四、图像质量：从 “画面灰蒙蒙” 到 VAE 手动适配

1. 初始问题：生成图片色彩暗淡、发灰

使用社区微调大模型（如 bl5_v10.safetensors）时，输出图片整体偏灰，色彩饱和度低。问题根源：部分合并模型会导致内置 VAE 失效，而 WebUI 默认未启用外部 VAE，缺少色彩校正环节。

2. 解决过程：手动配置外部 VAE

第一步：下载通用 VAE 模型
从 Hugging Face 下载官方 VAE（如 vae-ft-ema-560000-ema-pruned.safetensors），适用于多数风格模型。
第二步：放置并选择 VAE
将 VAE 文件放入 models/VAE 目录，在 WebUI “设置 - Stable Diffusion - SD VAE” 下拉菜单选择该模型，点击 “Apply settings” 保存并刷新。
补全配置：添加 VAE 快速选项
若 “SD VAE” 选项缺失，在 “设置 - User Interface-Quick settings list” 中添加 sd_vae，重启 WebUI 后即可在顶部快速切换 VAE，解决画面发灰问题。