旧笔记本跑ai绘画docker：部署实录和三条提速经验
先给数据：八年前的ThinkPad装ai绘画docker镜像能跑通，CPU出一张512的图要九分半，日常用不现实；换成带GTX 1060的旧台式机，同样的镜像和参数只要七秒。想本机搭环境的，直接看第三节的部署清单。
ai绘画docker这条路，10月11日到13日三个晚上我走完了全程。家里那台2017年买的ThinkPad T470被我从抽屉里翻出来，装Docker Desktop，拉SD-WebUI的镜像，点生成，一路的坑全踩了个遍。
先交代机器：i5-7200U，核显，内存我自己从8G加到了16G。本职是运维，Docker天天摸，原以为两小时收工，结果第一晚光耗在挑镜像上。这台笔记本最后确实跑通了，不过你也猜到了——能跑，和能用，是两码事。
装镜像这步不难，难在显卡
Docker本身十来分钟就能把WebUI跑起来，真正卡人的是显卡：机器没有N卡，界面照样能开，出图就是龟速。门槛不在命令行，在你机器里那块芯片。
Docker Hub上搜stable-diffusion-webui，按star排序，挑了个三周前还在更新的镜像，4.7G，家里这宽带下了四十多分钟，等得我泡了两回咖啡。一条docker run起来，端口映射到7860，浏览器打开那一刻还挺激动，界面跟本地整合包一模一样。点生成，进度条爬得像拨号上网，我才想起这台机器压根没有独立显卡。
试过绕路。WSL2里装CUDA、折腾直通，搞到夜里一点，报错翻来覆去就那句：no NVIDIA device。核显就是核显，容器救不了它。所以ai绘画docker的第一道门槛，真不是会不会敲命令。
CPU出图的账，我一张张记下来了
这台笔记本用CPU出一张512x512、20步的图，九分半；同一提示词换到GTX 1060上，七秒，差了八十倍。数字全是我盯着秒表记的。
10月11日晚的账单：steps=20，采样器euler a，cfg拉到7，单张九分半。降到12步，五分半出图，人脸糊得没法看。挂了四张图去洗澡，回来跑完三张，第四张还剩三分之一。顺手试了张768的，直接跑了二十一分钟，我就没再试第二次。
更惨的在10月12日凌晨。图挂机跑着，人睡着了，Windows半夜自动更新重启，容器没配自启，醒来一看进度全没。这也是我后来死活要加--restart unless-stopped的直接原因——学费交过才知道疼。
换台式机之后，三条经验值得你抄
模型目录挂载到宿主机、容器加自启参数、模型路径别带中文和空格，这三条是我拿两次翻车换来的。照做能省一晚上。
笔记本那结局已定，10月13日我花六十块从公司内购了台淘汰台式机，i5-6500配GTX 1060 6G。同一个镜像跑起来，七秒一张，这才叫出图。部署时三个动作全是教训换的：models和outputs目录挂载到宿主机，删容器重建不用重新下模型——第一版没挂volume，重建一次，4G的模型没了，又下了一遍。容器加--restart unless-stopped，Windows更新重启也能自己爬起来。模型放纯英文路径，D:\sd\models这种，中文路径容器里读不到，这个坑我蹲了半个钟头才反应过来。
还有个顺手的发现：目录挂载之后， outputs 里的新图在手机浏览器输个内网IP就能看，躺床上验收，挺美。要是你嫌本机折腾，先用在线站凑合也行，我实测过六个ai绘画网站怎么挑，排序写在这篇地址实测里，不想装环境的照着选就完事。
三个晚上折腾下来，我对ai绘画docker的定位想明白了：它管部署整齐、迁移省心，管不了算力。机器不行就换机器，环境乱就用容器收拾。那台T470现在改行当了下载机，跑图这活儿，归六十块的台式机。
常见问题
ai绘画docker镜像加上模型，大概占多少硬盘？
镜像本身3G出头，常用的SD1.5模型单个2到4G，再加输出图目录，预留30G比较稳。我的机械盘专门划了50G给它。
Windows家庭版能按这套流程装吗？
能。Docker Desktop在家庭版上走WSL2后端，我这台T470就是家庭版，安装时勾选WSL2那一步别漏就行。
跟网上的整合包比，用docker部署图什么？
图省心和迁移。换电脑只需把镜像和挂载目录搬过去，环境不用重配。整合包解压就能用，缺点是依赖装了什么你不知道，坏了不好排查。
删掉容器，出过的图和模型会丢吗？
目录挂载了就都在宿主机上，容器删一百次也不影响；没挂载，那就跟我13日凌晨一样，重新下载吧。