Stable Diffusion代理问题

Stable Diffusion代理问题 | AI生成和翻译

Home 2025.06

根据错误信息和您的环境，以下是修复“Unknown scheme for proxy URL”问题的方法：

解决方案：

该错误出现是因为 httpx 默认不支持 socks:// 代理。您有两个选择：

方案一：移除 SOCKS 代理引用

检查环境变量中是否有残留的代理设置：
```
env | grep -i proxy
```
查找 socks:// 引用（特别是 ALL_PROXY 或 http_proxy）。
取消设置有问题的变量（将 VAR_NAME 替换为上面找到的实际变量名）：
```
unset VAR_NAME  # 例如：unset ALL_PROXY
```

方案二：为 `httpx` 添加 SOCKS 支持

激活您的 Python 虚拟环境：

source /home/lzw/Projects/stable-diffusion-webui/venv/bin/activate

安装所需依赖：
```
pip install -U "httpx[socks]"
```
退出虚拟环境：
```
deactivate
```

问题原因：

您的主代理（HTTP_PROXY/HTTPS_PROXY）使用 http://（受支持），但某些程序（可能是其他应用/脚本）设置了 socks:// 代理，而 httpx 在没有额外包的情况下无法处理。
堆栈跟踪显示 Gradio/httpx 正尝试使用 socks://127.0.0.1:7891，但该代理未在您的 checkproxy 输出中显示。

验证：

修复后运行：

./webui.sh

SOCKS 代理错误应该会消失。

💡 注意：如果您没有主动设置 SOCKS 代理，请检查可能自动配置代理的应用程序（例如 VPN、网络管理器或 shell 配置文件如 ~/.bashrc）。

错误 Torch is not able to use GPU; add --skip-torch-cuda-test to COMMANDLINE_ARGS variable to disable this check 表明 Stable Diffusion WebUI 使用的 PyTorch 无法检测或访问兼容的 GPU。这可能是由于缺少 CUDA 库、GPU 不兼容、驱动问题或配置问题导致的。以下是针对您的环境（glibc 2.35、Python 3.10.12、GCC 11.4.0，根据 glibc 版本推测为 Ubuntu 22.04）的修复步骤。

问题解决步骤

1. 验证 GPU 和 CUDA 兼容性

检查是否拥有 NVIDIA GPU：运行：
```
lspci | grep -i nvidia
```
此命令将列出 NVIDIA 硬件。若无输出，则系统可能没有 NVIDIA GPU，而 PyTorch 需要 NVIDIA GPU 才能支持 CUDA。
检查 NVIDIA 驱动安装：运行：
```
nvidia-smi
```
若已安装，将显示包含 GPU 详细信息（如驱动版本、CUDA 版本）的表格。若未安装，请安装 NVIDIA 驱动：
```
sudo apt-get update
sudo apt-get install nvidia-driver-<version> nvidia-utils-<version> -y
```
将 <version> 替换为最新的稳定驱动版本（例如 535 或 550）。可通过以下命令查找合适的驱动版本：
```
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
```
检查 CUDA 版本： PyTorch 需要 CUDA 库。检查已安装的 CUDA 版本：
```
nvcc --version
```
若未安装，请安装 CUDA Toolkit：
```
sudo apt-get install nvidia-cuda-toolkit -y
```
或者，从 NVIDIA 官网下载最新的 CUDA Toolkit（例如 CUDA 11.8 或 12.1）并按照其安装指南进行安装。

2. 验证 PyTorch 安装

该错误表明 PyTorch 已安装但无法使用 GPU。请确保安装了正确版本且支持 CUDA 的 PyTorch。

检查 PyTorch 安装：运行：
```
python3 -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
```
预期输出应包含 PyTorch 版本（例如 2.0.1）和 torch.cuda.is_available() 返回 True。若返回 False，则 PyTorch 未检测到 GPU。
重新安装支持 CUDA 的 PyTorch：针对 Python 3.10 和 CUDA（例如 11.8），在您的 Stable Diffusion 环境中安装 PyTorch：
```
cd /home/lzw/Projects/stable-diffusion-webui
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
```
将 cu118 替换为您的 CUDA 版本（例如 CUDA 12.1 使用 cu121）。请在 PyTorch 官网查看支持的版本。

重新安装后验证：再次运行检查：

python3 -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

3. 绕过 CUDA 检查（临时解决方案）

如果希望在没有 GPU 支持的情况下运行 Stable Diffusion（例如在 CPU 上测试），可通过添加 --skip-torch-cuda-test 到命令行参数来绕过 CUDA 检查。

编辑 webui-user.sh（若不存在则创建）：

nano /home/lzw/Projects/stable-diffusion-webui/webui-user.sh

添加或修改 COMMANDLINE_ARGS 行：

export COMMANDLINE_ARGS="--skip-torch-cuda-test"

保存并退出。

运行脚本：
```
./webui.sh
```
这将允许 Stable Diffusion 在 CPU 上运行，但性能会显著下降。

4. 确保 TCMalloc 正确配置

您的输出显示已检测到 TCMalloc（libtcmalloc_minimal.so.4）并通过 LD_PRELOAD 链接。请确认其正常工作：

   echo $LD_PRELOAD

若输出 /lib/x86_64-linux-gnu/libtcmalloc_minimal.so.4，则表示设置正确。否则，请手动设置：

   export LD_PRELOAD=/lib/x86_64-linux-gnu/libtcmalloc_minimal.so.4

或将其添加到 webui-user.sh：

   export LD_PRELOAD=/lib/x86_64-linux-gnu/libtcmalloc_minimal.so.4

5. 检查环境变量和路径

确保环境设置正确：

检查 LD_LIBRARY_PATH： CUDA 库必须可访问。如有需要，请添加：
```
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
```
将此行添加到 ~/.bashrc 或 webui-user.sh 以实现持久化。
激活虚拟环境：运行前务必激活 Stable Diffusion 虚拟环境：
```
cd /home/lzw/Projects/stable-diffusion-webui
source venv/bin/activate
```

6. 更新 Stable Diffusion WebUI

您当前的版本（v1.10.1，提交 82a973c）可能存在兼容性问题。请更新至最新版本：

   cd /home/lzw/Projects/stable-diffusion-webui
   git pull

然后重新安装依赖：

   ./webui.sh

7. 故障排除

若 nvidia-smi 失败：重新安装 NVIDIA 驱动或检查 GPU 硬件问题。
若 PyTorch 仍无法检测 GPU：
- 确保 CUDA 和 cuDNN 已正确安装。若缺少 cuDNN，请安装：
```
sudo apt-get install libcudnn8
```
- 验证 CUDA 版本与您的 GPU 和 PyTorch 的兼容性。例如，较旧的 GPU（如 Kepler 系列）可能不支持 CUDA 12。
若错误持续：检查 Stable Diffusion 日志以获取详细错误信息：
```
cat /home/lzw/Projects/stable-diffusion-webui/log/webui.log
```
分享具体错误信息以获取进一步帮助。
硬件限制：如果您的 GPU 过于陈旧（例如 2016 年以前的 NVIDIA GPU），可能不支持现代 CUDA 版本。这种情况下，请使用 --skip-torch-cuda-test 或升级 GPU。

8. 运行应用程序

应用修复后，运行 WebUI：

   cd /home/lzw/Projects/stable-diffusion-webui
   ./webui.sh

若 GPU 问题已解决，错误将消失。若使用 --skip-torch-cuda-test，则将在 CPU 上运行。

注意事项

系统信息：您的设置（glibc 2.35、Python 3.10.12、GCC 11.4.0）表明系统为 Ubuntu 22.04，该版本兼容 CUDA 11.8 或 12.1 以及近期版本的 PyTorch。
性能：在 CPU 上运行（使用 --skip-torch-cuda-test）是备用方案，但速度较慢。建议修复 GPU 支持以正常运行 Stable Diffusion。
TCMalloc：根据您的输出，TCMalloc 问题似乎已解决。若遇到内存相关问题，请确保 LD_PRELOAD 保持设置。

如果您仍然遇到问题或需要针对特定错误消息的帮助，请提供更多详细信息（例如 GPU 型号、CUDA 版本或完整日志），我将进一步优化解决方案！

Back Donate