GLM-Image WebUI保姆级教程：Linux终端命令行启动与后台守护进程配置

#
GLM
–
Image
WebUI
保姆
级
教程：
Linux系统下从零安装到首次出图全过程 1. 项目介绍：认识
GLM
–
Image
WebUI
GLM
–
Image是智谱
AI开发的文本生成图像模型，能够根据文字描述生成高质量的
AI图像。这个
WebUI项目提供了一个美观易用的网页界面，让你不需要懂代码也能轻松使用这个强大的
AI绘画工具。 简单来说，就是你用文字描述想要的画面，
GLM
–
Image就能帮你画出来。无论是风景、人物、动漫还是抽象艺术，只要你能描述出来，它就能尝试生成。 主要特点：
– 支持512×512到2048×2048多种分辨率
– 生成图像质量高，细节丰富
– 网页界面操作简单，点点按钮就能用
– 支持正反向提示词，精确控制生成内容
– 自动保存生成结果，方便后续使用 2. 环境准备：确保系统满足要求 在开始安装之前，先确认你的
Linux系统符合以下要求： 2.1 硬件要求 | 硬件组件 | 最低要求 | 推荐
配置 | |
–
–
–
–
–
–
–
–
–|
–
–
–
–
–
–
–
–
–|
–
–
–
–
–
–
–
–
–| | 显卡显存 | 16GB（使用CPU Offload） | 24GB或以上 | | 硬盘空间 | 50GB可用空间 | 100GB以上 | | 内存 | 16GB | 32GB | | 处理器 | 支持AVX指令集的CPU | 多核高性能CPU | 2.2 软件要求
– 操作系统：Ubuntu 20.04或更高版本（其他
Linux发行版也可，但以Ubuntu最稳定）
– Python版本：Python 3.8或更高版本
– CUDA工具包：11.8或更高版本（如果使用NVIDIA显卡）
– 显卡驱动：最新版本的NVIDIA驱动 检查你的系统
配置： 打开
终端，运行以下命令检查系统状态： “`bash # 检查Python版本 python3
–
–version # 检查CUDA版本（如果有NVIDIA显卡） nvidia
–smi # 检查磁盘空间 df
–h # 检查内存大小 free
–h “` 如果发现缺少某些组件，先安装好再继续下一步。 3. 安装部署：一步步搭建
WebUI 3.1
启动
WebUI服务 如果你的环境已经预装了
GLM
–
Image
WebUI，
启动过程非常简单： “`bash # 进入项目目录（如果不在该目录） cd /root/build #
启动
WebUI服务 bash start.sh “` 这个
启动脚本会自动完成以下工作：
– 检查Python环境和依赖包
– 设置模型缓存路径
–
启动Gradio网页服务
–
配置端口和网络设置
启动成功的样子： 当你在
终端看到类似下面的输出，就说明
启动成功了： “` Running on local URL
: http
://127.0.0.1
:7860 Running on public URL
: https
://xxxx.gradio.live “` 3.2 常见
启动问题解决 如果
启动过程中遇到问题，可以尝试以下解决方法： 问题1：端口被占用 “`bash # 使用不同端口
启动 bash start.sh
–
–port 8080 “` 问题2：权限不足 “`bash # 给脚本添加执行权限 chmod +x start.sh # 再次运行 bash start.sh “` 问题3：依赖包缺失 “`bash # 手动安装核心依赖 pip install torch torchvision gradio diffusers transformers “` 4. 首次使用：完成你的第一张
AI绘画 4.1 访问Web界面 在浏览器中输入：`http
://localhost
:7860` 如果一切正常，你会看到一个美观的网页界面，主要分为三个区域：
– 左侧：参数设置和提示词输入区
– 中间：控制按钮（加载模型、生成图像）
– 右侧：图像显示区域 4.2 加载模型（第一次需要） 第一次使用时，需要先加载模型： 1. 点击”加载模型”按钮 2. 等待模型下载（约34GB，根据网速可能需要较长时间） 3. 看到”模型加载成功”的提示后，就可以开始生成了 注意：第一次加载模型时间较长，请耐心等待。如果中断了，下次会从中断处继续下载。 4.3 输入提示词并生成 我们来生成第一张图片： 1. 在”正向提示词”中输入： “` A beautiful sunset over a mount
ain lake, reflection in water, peaceful scene, highly det
ailed, 8k resolution “` 2. 设置参数：
– 宽度：1024
– 高度：1024
– 推理步数：50
– 引导系数：7.5
– 随机种子：
–1（随机） 3. 点击”生成图像”按钮 4. 等待生成完成（第一次生成可能需要2
–3分钟） 完成后，你就能在右侧看到生成的山水日落图像了！ 5. 提示词技巧：让
AI听懂你的想法 写好提示词是获得好效果的关键。这里智谱 AI GLM 教程分享一些实用技巧： 5.1 基础提示词结构 好的提示词应该包含这些要素： “` [主体] + [场景] + [细节描述] + [风格] + [画质] “` 示例： “` A cute puppy playing in a garden full of flowers, sunny day, det
ailed fur, photorealistic, 8k ultra det
ailed “` 5.2 常用关键词参考 画质相关：
– 8k, 4k, ultra det
ailed, highly det
ailed, best quality
– sharp focus, professional photography 风格相关：
– digital art, oil p
ainting, watercolor, sketch
– anime style, cartoon, realistic, photorealistic
– cyberpunk, fantasy art, steampunk 光线效果：
– dramatic lighting, soft lighting, volumetric lighting
– sunset, golden hour, night scene, misty 5.3 负向提示词（不想要的内容） 在”负向提示词”框中输入想要避免的内容： “` blurry, low quality, distorted, deformed, ugly, bad anatomy watermark, signature, text, words, logo “` 5.4 实际案例对比 普通提示词： “` A cat “` *结果：可能生成一般的猫图片* 详细提示词： “` A majestic M
aine Coon cat sitting on a velvet cushion in a royal palace, golden hour lighting, photorealistic, det
ailed fur, 8k resolution “` *结果：生成细节丰富、光影精美的猫图片* 6. 参数详解：调整出理想效果 理解每个参数的作用，能帮你更好地控制生成结果： 6.1 分辨率设置（宽度/高度）
– 512×512：生成速度快，适合测试想法
– 1024×1024：平衡速度和质量，推荐日常使用
– 2048×2048：最高质量，但需要更多显存和时间 建议：初次使用从1024×1024开始，找到满意提示词后再尝试更高分辨率。 6.2 推理步数（Steps）
– 20
–30步：速度快，但细节可能不足
– 50步：质量
与速度的平衡点，推荐值
– 75
–100步：最高质量，但时间很长 技巧：先用30步测试提示词效果，确定后再用50步生成最终版本。 6.3 引导系数（Guidance Scale）
– 5.0
–7.5：创造性更强，但可能偏离提示词
– 7.5
–10.0：更严格遵循提示词，推荐初学者使用
– 10.0+：非常严格，可能过于刻板 6.4 随机种子（Seed）
–
–1：每次随机生成，结果不可预测
– 固定数值：可重现相同结果，方便调试 使用场景：
– 发现喜欢的图像时，记下种子值以便重现
– 调整参数时使用相同种子，对比不同参数的效果 7. 常见问题
与解决方法 7.1 模型加载失败 问题：点击加载模型后失败或卡住 解决方法： “`bash # 检查网络连接 ping huggingface.co # 手动设置镜像加速（如果下载慢） export HF_ENDPOINT=https
://hf
–mirror.com bash start.sh “` 7.2 显存不足错误 问题：生成时出现CUDA out of memory错误 解决方法：
– 降低分辨率（如从1024降到512）
– 减少推理步数（如从50降到30）
– 使用CPU Offload功能（如果支持） 7.3 生成质量不理想 问题：图像模糊、扭曲或不符预期 解决方法： 1. 优化提示词，增加更多细节描述 2. 增加推理步数到50
–75 3. 调整引导系数到7.5
–10.0 4. 尝试不同的随机种子 7.4 生成速度太慢 优化建议：
– 使用较低分辨率进行测试
– 推理步数设为30
–40
– 确保使用
GPU加速（而不是CPU） 8. 进阶技巧：提升使用体验 8.1 批量生成技巧 想要获得理想结果，可以： 1. 使用相同提示词，不同随机种子生成4
–8个版本 2. 选择最好的结果，固定种子后微调参数 3. 逐步增加分辨率生成最终版本 8.2 图像保存
与管理 所有生成的图像自动保存在： “` /root/build/outputs/ “` 文件命名格式：`时间戳_种子值.png` 整理建议：
– 定期备份重要图像
– 建立文件夹分类保存（如风景、人物、测试等）
– 在文件名中添加提示词关键词，方便查找 8.3 性能优化设置 如果拥有足够硬件，可以优化
配置： “`bash # 使用更高性能模式（如果硬件支持） export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb
:512 bash start.sh “` 9. 总结
与下一步建议 通过这个
教程，你已经学会了：
– 在
Linux系统下部署
GLM
–
Image
WebUI
–
启动服务并访问网页界面
– 加载模型并生成第一张
AI图像
– 编写有效提示词和控制生成参数
– 解决常见问题和优化使用体验 下一步学习建议： 1. 深入练习提示词：尝试不同风格和组合，建立自己的提示词库 2. 探索参数组合：理解每个参数对结果的影响，找到最适合的设置 3. 尝试复杂场景：从简单物体到复杂场景，逐步提升难度 4. 加入创作者社区：分享作品，学习他人的技巧和经验 记住，
AI绘画是一个需要练习的过程。多尝试、多调整，你会逐渐掌握如何让
AI准确理解你的创意想法。
–
–
– > 获取更多
AI镜像 > > 想探索更多
AI镜像和应用场景？访问 [CSDN
星图镜像广场](https
://
ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、
图像生成、视频生成、模型微调等多个领域，支持一键部署。