Stable Diffusion AI繪畫服務生成的圖片結果（包括prompt等參數及生成的圖片）需要進行存儲，在Stable Diffusion服務的配置中，支持直接將圖片結果存儲在阿里云RDS MySQL數據庫中，本文介紹如何配置Stable Diffusion服務實例并實現AI繪畫。
背景信息
Stable Diffusion Web UI是一個基于Stable Diffusion的基礎應用，利用gradio模塊搭建出交互程序，可以在低代碼GUI中立即訪問Stable Diffusion。它支持文字生成圖片，圖片轉圖片，使用各種各樣的模型來達到你想要的效果，還能訓練您自己的專屬模型。
前提條件
已開通阿里云賬號。
確保賬戶余額充足。
說明如果開通按量付費實例，則賬戶中余額需大于100元。
步驟一：創建服務實例
登錄計算巢控制臺，在服務目錄頁的服務目錄頁簽中，找到Stable Diffusion社區版服務。
單擊查看詳情進入服務詳情頁，然后單擊正式創建，進入服務實例部署頁面。
您也可以從服務商處獲取服務實例部署鏈接。
在創建服務實例頁面，根據界面提示填寫參數，然后單擊下一步：確認訂單。
說明此處列舉的為創建Stable Diffusion服務的關鍵參數，其他參數選擇默認即可。
參數
說明
取值示例
選擇模板
Stable Diffusion服務創建時已預設了兩個模板，用于不同的應用場景：
gpu單機版：單機部署，費用較低，但可用性較低。
gpu集群版：支持負載均衡配置，適用于大型服務場景，具有較高的可用性。
本文僅作為示例，選擇gpu單機版即可。
gpu單機版
服務實例名稱
Stable Diffusion服務實例名稱，可自定義。
sd-rds-test
資源組和地域
指定創建的實例所屬資源組及地域。
資源組默認即可，您也可以按需選擇自定義的資源組。
地域，不建議選擇中國內地的地域，因為部分模型無法下載。
資源組：賬號全部資源
地域：新加坡
付費類型配置
按量付費或包年包月，按需選擇即可。
按量付費
ECS實例配置
實例類型：即ECS實例的資源規格，按實際需要選擇即可。
實例密碼：ECS實例的登錄密碼，自定義。
實例類型：ecs.gn6i-c4g1.xlarge
實例密碼：ECSTestPW123!
重要此處密碼僅作為示例，請勿直接在實際業務中使用。
登錄信息
配置完成后，訪問WebUI時需要使用，請妥善保管。
軟件登錄名：默認admin。
軟件登錄密碼：自定義。
軟件登錄名：admin
軟件登錄密碼：SDTestPW123!
重要此處密碼僅作為示例，請勿直接在實際業務中使用。
RDS插件配置
本示例將RDS MySQL作為Stable Diffusion服務的后端存儲服務，因此需要配置RDS相關配置。
開啟RDS插件：固定配置為開啟。
實例規格：即RDS實例的資源規格，按實際需要選擇即可。
實例存儲：RDS實例的存儲空間大小，單位GB，按實際需要選擇即可。
數據庫賬號名稱：RDS實例的數據庫賬號。
實例密碼：RDS實例數據庫賬號的密碼。
開啟RDS插件：開啟
實例規格：mysql.n2.medium.1
實例存儲：20
數據庫賬號名稱：rdsuser
實例密碼：RDSTestPW123!
重要此處密碼僅作為示例，請勿直接在實際業務中使用。
可用區配置
交換機可用區：任意選擇即可。
可用區A
選中我已閱讀并同意《計算巢服務協議》，點擊立即創建。
在左側導航欄單擊服務實例管理，即可在私有部署服務頁簽，查看Stable Diffusion服務的部署進度。
等待狀態變更為已部署后，點擊操作列的詳情，在概覽頁單擊Endpoint。
在彈出的界面中，輸入創建服務實例時，設置的登錄信息，即可正常訪問Stable Diffusion服務。
步驟二：下載模型
您可以前往各模型網站，下載需要的模型。
此處以下載CHECKPOINT模型GhostMix為例，展示下載操作流程。模型鏈接如下：
https://civitai.com/api/download/models/76907登錄計算巢控制臺，單擊服務實例ID，進入服務實例概覽頁，單擊運維管理頁簽，然后單擊下載模型。
在彈出的創建自定義任務對話框中，設置如下參數，然后單擊下一步。
參數
說明
取值
目標實例
選擇該下載模型任務的目標實例。
手動選擇已創建的實例。
配置參數
選擇模型或預覽圖：本文以模型為例，因此選擇Model。
模型類型：本文使用的模型為CHECKPOINT類型。
下載方式：本文使用HTTPS文件。
文件來源：填寫獲取的模型下載鏈接。
選擇模型或預覽圖：Model
模型類型：CHECKPOINT
下載方式：HTTPS文件
文件來源：
https://civitai.com/api/download/models/76907
模型或預覽圖存儲目錄
保持默認即可。
本示例中默認值為：
/home/models/Stable-diffusion/自定義模型或預覽圖名稱
自定義。
本示例模型命名為：
test.safetensors確認參數配置無誤后，單擊創建。您可以在運維管理中查看模型的下載進度。
當執行狀態為成功時，即可訪問WebUI，查看已下載的模型。
步驟三：AI繪畫并存儲到RDS MySQL數據庫中
在WebUI窗口中，選中Save to DataBase。選中該選項后，即表示將生成數據持久化存儲到RDS MySQL數據庫中。
單擊Generate，由AI自動根據模型生成圖片，結果將自動保存在RDS MySQL中。
您可以單擊Images頁簽，查看已生成的圖片，并點擊Download進行下載。
說明下載圖片的文件后綴名為.png格式。
步驟四：在RDS MySQL數據庫查詢
登錄計算巢控制臺，單擊服務實例ID，進入服務實例概覽頁，在資源頁簽，篩選RDS實例后，單擊RDS MySQL實例ID。
在RDS MySQL實例基本信息頁，單擊右上角的登錄數據庫。
輸入創建服務步驟設置的RDS插件配置中數據庫賬號名稱和實例密碼，進入數據庫。
說明如果提示賬號密碼不正確，可以前往RDS管理控制臺重置密碼。更多信息，請參見重置密碼。
AI繪畫生成的圖片及相關配置參數信息已經被存儲在默認數據庫stable_diffusion的generated_images中。
您可以使用如下命令，查詢詳細信息。
說明RDS MySQL數據庫中不僅存儲了圖片Base64編碼后的文本數據，還存儲了prompt的所有配置信息，在復用等場景下使用非常便捷。
您還可以基于存儲在RDS MySQL數據庫中的數據，進行統計分析，實現更多業務價值。
SELECT * FROM generated_images;結果示例：
示例中各字段含義如下：字段
含義
prompt
提示文本或圖像，該參數用于指定提示文本或圖像，它對生成圖像的主題或內容起著指導作用。通過提供一個具體的提示，模型可以根據該提示生成與提示相關的圖像。
該參數的作用是為模型提供一個引導，幫助模型理解您的意圖并生成相應的圖像。通過精心設計的提示，可以獲得更符合期望的圖像生成結果。
您可以使用Prompt Engineering技術在生成模型中使用有針對性的提示以控制最終的生成內容。
negative_prompt
提示文本或圖像，用于指導生成圖像時避免的主題或內容。可以用于約束生成的圖像，避免某些特定特征。
steps
擴散步數，指定生成圖像的迭代次數或擴散步數。每一步都會逐漸模糊圖像，使其逐漸變得難以識別。通常情況下，步數越多，生成的圖像越模糊。
seed
隨機種子，用于控制生成圖像的隨機性。通過設置相同的種子，可以重復生成相同的圖像。
sampler
采樣器，用于選擇生成圖像時使用的采樣策略。常見的采樣器包括ancestral（祖先采樣）和ddim（逐維度重要性采樣）。
cfg_scale
配置規模，用于調整模型的大小和生成圖像的質量。較大的規模通常會產生更高質量的圖像，但也需要更多的計算資源。
size
生成圖片的分辨率大小。
model_hash
模型哈希，用于指定所使用的預訓練模型的唯一標識符。
model
模型，指定所使用的預訓練模型的名稱或路徑。
image_base64
生成圖片的Base64編碼格式。
步驟五：從數據庫下載并解碼圖片
圖片文件在RDS MySQL數據庫中是以Base64編碼的形式，存儲為txt文本格式，如果需要轉換為圖片格式，則需要對文本進行解碼，以還原為二進制數據。本文以Python開發語言為例，解碼方式如下：
獲取存儲在數據庫中的圖片文本內容。
說明您可以通過DMS連接數據庫后，使用
SELECT * FROM generated_images;命令查詢表信息，在image_base64列，單擊下載按鈕，下載txt文件。關于如何通過DMS連接數據庫并查詢的操作，請參見RDS數據庫查詢。在Python開發環境中，創建項目并運行如下示例代碼。
import base64 def decode_image(txt_path, output_image_path): with open(txt_path, 'r') as txt_file: encoded_image = txt_file.read() decoded_image = base64.b64decode(encoded_image) with open(output_image_path, 'wb') as image_file: image_file.write(decoded_image) # txt文本的路徑 txt_path = 'D:\\test.txt' # 生成圖片的路徑 output_image_path = 'D:\\test.jpg' # 從txt文件中讀取文本并解碼為圖片 decode_image(txt_path, output_image_path)