想玩AI绘画但电脑配置不够？买不起高价显卡？别慌！今天教你用Kaggle免费GPU，每天白嫖价值万元的T4双显卡，10分钟搭建Stable Diffusion，生成小姐姐只需5秒！全程保姆级教程，小白也能轻松上车。
Kaggle是全球知名的数据科学平台，每周免费提供30小时的高性能GPU（T4 x2显卡），相当于每天4小时！单张T4显卡市价约5000元，双显卡算力翻倍，跑图速度超快（768×512分辨率仅需4秒）。
适用人群：电脑配置低、想尝鲜AI绘画、追求免费高效的小白！
超详细部署步骤
1.注册Kaggle账号
访问官网：www.kaggle.com，用谷歌邮箱或国内邮箱注册，验证手机号（支持+86号码）
注册完后登录进入,等待24小时后即可进行手机注册。
2.手机注册
点击右上角，选择个人账户。
选择设置settings。
选择验证手机号，由于我这个账号已经验证过了，所以这里只有文字，如果你的手机号没有验证，这里会是按钮，点击按钮会弹出手机号码验证的弹窗，然后你选择自己所在的国家，再输入自己的手机号，最后做个机器人验证，发送验证码，填入验证码，确定即可。
注意这一步需要魔法上网，不然机器人验证出不来。
验证完成后，就可以联网并使用GPU了。这个网站声称每周30小时的免费GPU使用时长，目前我已经用了大约十个小时了。
3.部署sd-web-ui
在代码code菜单，搜索stable diffusion，选择第一个项目：
选择在自己的项目编辑：
点击进入一个jupyter笔记本程序，在右侧配置的session options中依次选择GPU T4x2，python，varialbes and Files或only Files，选择环境为Pin to original enviroment，最后打开网络：Internet on。
如果你是一个新手，只是想体验一下，直接点击上面的Run all运行代码，等待部署完毕，它会在页面底部产生一个webui的链接，点击进入即可。
如果你是老手，需要自己的大模型或lora模型，需要找到下载模型的代码，更改链接，大模型的更改如下：
具体的代码，原来是：
!aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/ckpt/anything-v4.5-vae-swapped/resolve/main/anything-v4.5-vae-swapped.safetensors -d /kaggle/working/stable-diffusion-webui/models/Stable-diffusion -o anything-v4.5-vae-swapped.safetensors
把这个代码复制到记事本，替换其中的大模型链接和命名，这里以我常用的麦橘sd1.5来举例。
aria2c --console-log-level=error -c -x 16 -s 16 -k 1M https://huggingface.co/roktimsardar123/majicMIX-realistic-7/resolve/main/majicmixRealistic_v7.safetensors?download=true -d /kaggle/working/stable-diffusion-webui/models/Stable-diffusion -o majicmixRealistic_v7.safetensors
这里可以填国内的模型下载链接，但是我尝试了，下载速度似乎会比较慢，所以建议还是魔法上网，使用huggingface的模型链接。
controlnet下载只要把这个注释去掉即可，这一大部分都是下载放置controlnet的：
最后是常用的lora模型，这里我自己写了一个代码，在使用时把它放到下载大模型的代码后面：
import os
import requests
# 定义下载链接
url = 'https://civitai.com/api/download/models/32988?type=Model&format=SafeTensor&size=full&fp=fp16'
# 定义保存路径
save_folder = 'models/Lora'
save_filename = 'test.safetensors'
save_path = os.path.join(save_folder, save_filename)
# 创建保存文件夹
os.makedirs(save_folder, exist_ok=True)
try:
# 发送请求并下载文件
response = requests.get(url, stream=True)
response.raise_for_status()
# 写入文件
with open(save_path, 'wb') as file:
for chunk in response.iter_content(chunk_size=8192):
if chunk:
file.write(chunk)
print(f'文件已成功下载到 {save_path}')
except requests.RequestException as e:
print(f'下载文件时发生错误: {e}')
except Exception as e:
print(f'发生未知错误: {e}')
这样，运行后我们就可以拥有自己喜欢的大模型、controlnet和lora了。
4.生图测试
先来一个无lora的生图测试：
实测一张576×1024的图，需要的时间大约35-45秒。
今天的文章就到这里了，如果觉得有用，可以帮忙转发一些。更多文章和资源，请关注微信公众号：了然知识库，回复相应代码获取资源。
