企业官网建设流程全解析

Stability AI 生成模型下载指南：10 分钟把 SDXL 拉到本地并跑通推理

【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models

第一次上手 Stability AI 的生成模型，最容易卡住的只有两件事：权重放在哪个仓库、下下来怎么确认没坏。这篇按"选模型 → 拉权重 → 验文件 → 跑通推理"的顺序写，每一步都给你一个能亲眼确认的结果，照做完最后一节的命令，test_result.png就会出现。

先选对要下哪个模型：5 个官方仓库对照表

这一步解决"我不知道该下什么"的问题。Stability AI 的生成模型分散在 5 个官方仓库里，版本和体积如下：

💡 只想要一张图看看效果，就从 1.3GB 的 SD-Turbo 或 2.1GB 的 SDXL-Turbo 开始；磁盘够再考虑视频类的大模型。本仓库里各模型的推理配置在 configs/inference/ 下，文件名和模型一一对应。

下载前把环境和工具就位：3 条命令

这一步解决"下不动、下不全"的问题，先确认三样东西：

python --version # 需要在 3.8–3.11 之间 nvidia-smi # 查看显卡与显存，建议 8GB 起步 sudo apt-get install git-lfs && git lfs install # 装 Git LFS，大文件靠它

再装 Hugging Face 的命令行工具，后面所有下载都用它：

pip install huggingface_hub # 提供 huggingface-cli 下载命令

看到的结果：python --version输出版本号、nvidia-smi能列出显卡、git lfs version有正常输出，环境就算就绪。

权重怎么拉下来：断点续传和国内镜像

这一步解决"下载慢、断了要重下"的问题。以 SDXL 基础模型为例：

mkdir -p ./models # 建一个统一的模型存放目录 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --include "*.safetensors" "*.yaml" \ --local-dir ./models/sdxl-base \ --resume-download # 断点续传：断网重跑这条命令会接着下，不用从头来

--resume-download就是断点续传开关，把它放在习惯用的下载命令里，以后每次中断都直接重跑。

国内网络慢或直连失败，先切到镜像源再下：

export HF_ENDPOINT=https://hf-mirror.com # 指向国内镜像源 huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --local-dir ./models/sdxl-base

不习惯命令行也可以用 Hugging Face 网页界面：进模型页面 → 登录 → 接受使用协议 → 下载文件列表里的.safetensors和.yaml，再手动放进./models/sdxl-base。追求更高分段速度，可以把文件 URL 交给aria2c -x 16 -s 16 <URL> --out <文件名>做多线程分块下载。

看到的结果：./models/sdxl-base里出现.safetensors和.yaml，du -sh ./models/sdxl-base显示的总大小约 6.9GB，下载就算成功。

怎么确认模型没下坏：哈希加一次加载

这一步解决"文件看着在，加载就报错"的问题，分两层验。

sha256sum ./models/sdxl-base/*.safetensors # 生成 SHA256 值，与官方发布的哈希逐位比对

再用代码做最轻的加载验证——不需要 GPU，能读出一组参数即算通过：

from safetensors.torch import load_file w = load_file("models/sdxl-base/sd_xl_base_1.0.safetensors") print(len(w)) # 打印出参数量级（四位数）就说明权重完整可读

✅ 哈希一致、print出一个四位数，两层验证都过了。

跑起来：改一个配置路径，一条命令出图

这一步解决"下完了然后呢"的问题。把推理配置 configs/inference/sd_xl_base.yaml 指向你的本地权重和运行环境：

model_config: base_path: ./models/sdxl-base # 指向刚下载的模型目录 device: cuda precision: float16

安装本仓库的依赖，再用仓库根目录的 main.py 采样脚本跑一条提示词：

pip install -r requirements/pt2.txt # 安装项目运行所需依赖 python main.py --config configs/inference/sd_xl_base.yaml \ --prompt "美丽的风景画" \ --output test_result.png

看到的结果：当前目录里多出一个test_result.png，打开就是一张风景图——到这里，下载、验证、推理三件事全部走通了。

卡住时按这张表排查

下一步

模型跑通之后，可以往两个方向走：一是学微调，把 SDXL 适配到自己的情绪或数据集；二是做推理提速，SDXL-Turbo 一条样本就能出图，适合试实时生成。更多细节看 scripts/ 下的演示脚本，以及 README.md 里的完整说明。

【免费下载链接】generative-modelsGenerative Models by Stability AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-models