# Comment faire tourner Stable Diffusion sur votre propre ordinateur? Date: 2022-09-23 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/installer-stable-diffusion-sur-son-ordinateur/ **Answer:** La voie la plus simple est un programme communautaire gratuit comme le Stable Diffusion web UI : vous installez Python et git, téléchargez le programme et les poids du modèle, puis lancez un script de démarrage qui ouvre une interface pointer-cliquer dans votre navigateur. Tout tourne ensuite sur votre propre carte graphique, sans compte, sans crédits et sans liste d’attente. Stable Diffusion se distingue de DALL·E 2 et de Midjourney sur un point important : le modèle lui-même est public. Stability AI a publié en août les poids, c’est-à-dire les nombres entraînés qui constituent le modèle, avec le code et une fiche technique du modèle. Vous pouvez donc le télécharger et créer des images sur votre propre machine, hors ligne, autant que vous le voulez. Le code officiel du groupe de recherche CompVis s’adresse aux chercheurs et suppose une certaine aisance avec la ligne de commande. Depuis la publication, il y a un mois, des bénévoles ont construit des interfaces plus conviviales. L’une d’elles est le **Stable Diffusion web UI**, maintenu sur GitHub sous le nom AUTOMATIC1111. Il enveloppe le modèle dans une interface de navigateur construite avec une bibliothèque appelée Gradio, et ajoute des fonctions comme l’inpainting, l’outpainting, l’agrandissement d’image, les prompts négatifs et le traitement par lots. ## Avant de commencer Il vous faut trois choses sur votre ordinateur : - **Python**, le langage de programmation dans lequel le logiciel est écrit. Les instructions du web UI indiquent la version 3.10.6. - **git**, un outil pour télécharger et mettre à jour des projets de code. - **Les poids du modèle**, un seul fichier de point de contrôle (*checkpoint*) de quelques gigaoctets. Stability AI recommande la version 1.4. Les poids sont publiés sur la page de CompVis sur Hugging Face sous la licence CreativeML OpenRAIL-M; lisez donc cette licence quand vous les téléchargez. ## Installer le web UI sous Windows Voici les étapes tirées du fichier README du projet : 1. Installez Python 3.10.6 et, pendant l’installation, cochez la case **Add Python to PATH**, qui permet aux autres programmes de le trouver. 2. Installez git. 3. Téléchargez le web UI en ouvrant une invite de commande et en exécutant : ``` git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ``` 4. Renommez au besoin votre fichier de poids `model.ckpt` et placez-le dans le dossier `models`, à l’intérieur du nouveau dossier `stable-diffusion-webui`. 5. Si vous le souhaitez, ajoutez le fichier GFPGAN, un modèle distinct qui répare les visages, comme l’explique le wiki du projet. 6. Double-cliquez sur `webui-user.bat` en tant qu’utilisateur ordinaire, et non en tant qu’administrateur. Quand le script a fini de démarrer, ouvrez l’interface de navigateur qu’il fait tourner sur votre machine. Sous Linux, le README vous demande d’installer wget, git et Python 3 avec votre gestionnaire de paquets, puis d’exécuter un seul script d’installation. Les Mac à puce Apple Silicon et les cartes graphiques AMD ont leurs propres pages d’instructions dans le wiki du projet. Si vous n’avez aucun ordinateur adéquat, le projet donne aussi un lien vers un carnet Google Colab, qui fait tourner la même interface sur les serveurs de Google. ## Votre première image Le modèle a été entraîné sur des images de 512 pixels sur 512, alors gardez cette taille pour vos premiers essais. Dans l’onglet **txt2img**, tapez un prompt comme celui-ci (un coin lecture douillet près d’une fenêtre pluvieuse, lumière chaude d’une lampe, peinture à l’huile) : ```prompt a cozy reading nook by a rainy window, warm lamp light, oil painting ``` Laissez les autres réglages par défaut et cliquez sur **Generate**. À titre de comparaison, le script de référence officiel utilise 50 étapes d’échantillonnage et une échelle de guidage de 7,5, qui détermine à quel point l’image suit votre prompt. Quand vous obtenez un résultat qui vous plaît, notez sa graine (*seed*), le nombre qui fixe le bruit de départ; la réutiliser vous permet de changer un mot à la fois et de voir l’effet de ce mot. Le web UI écrit aussi les réglages de génération sous forme de texte dans le fichier PNG, si bien que chaque image transporte sa propre recette. > **À essayer :** générez quatre fois le prompt du coin lecture avec des graines aléatoires, choisissez votre préféré, puis fixez sa graine et remplacez seulement « oil painting » par « watercolor » (aquarelle) et par « pencil sketch » (croquis au crayon). Gardez les trois images et comparez-les. ## Notes sur la licence et la sécurité Faire tourner un modèle chez soi n’en efface pas les règles. La licence CreativeML OpenRAIL-M permet l’usage commercial et non commercial, mais vous rend responsable d’utiliser le modèle de façon éthique et légale, et elle contient des restrictions précises sur les usages nuisibles. Si vous partagez le modèle ou bâtissez un service sur lui, la licence doit l’accompagner. Le paquet officiel comprend un classificateur de sécurité fondé sur l’IA qui filtre par défaut les résultats indésirables, et ses réglages peuvent être modifiés. Le script de référence de CompVis ajoute aussi un filigrane invisible pour que les images puissent être reconnues comme générées par une machine. Les interfaces communautaires peuvent traiter ces fonctions différemment; vérifiez donc ce que fait le programme que vous avez choisi avant de partager ses images. L’équipe de CompVis souligne aussi que le modèle reflète les biais de ses données d’entraînement. ## De quel matériel avez-vous besoin? La pièce clé est la carte graphique, ou GPU, et plus précisément sa mémoire vidéo (VRAM), parce que le modèle doit y tenir pendant qu’il travaille. Stability AI indique que le modèle publié devrait demander environ 6,9 Go de VRAM et recommande pour l’instant les puces NVIDIA, des optimisations étant promises pour AMD et pour les puces M1 et M2 d’Apple. Le README de CompVis donne un chiffre plus prudent pour son script de référence : un GPU d’au moins 10 Go de VRAM. Les outils communautaires ont fait baisser ce seuil. Le web UI compte parmi ses fonctions la prise en charge des cartes vidéo de 4 Go. En pratique, donc, une carte NVIDIA de 8 Go ou plus dépasse le chiffre de Stability avec de la marge, une carte de 4 à 6 Go dépend de la prise en charge de la mémoire réduite par le web UI, et un ordinateur sans GPU dédié est mieux servi par le carnet Colab ou un service hébergé. Au-delà du GPU, il vous faut assez d’espace libre sur le disque pour le logiciel, le fichier de point de contrôle de plusieurs gigaoctets et les images que vous créez. Une carte plus rapide raccourcit le temps de chaque image, mais même une carte modeste transforme un prompt en image sur votre propre bureau, sans crédits à compter. ## Sources - Stable Diffusion web UI (README at commit of 22 September 2022): https://github.com/AUTOMATIC1111/stable-diffusion-webui/blob/699aecd4ae04683e74717f1786d6eba49b09bc79/README.md - Stable Diffusion Public Release: https://stability.ai/news/stable-diffusion-public-release - CompVis/stable-diffusion (README): https://github.com/CompVis/stable-diffusion