stable diffusion创建embeddings失败 controlnet预处理失败 加载插件失败
报错说不存在这个文件夹，但是目录里有啊
CUDA安装了匹配的12.2版本
显存6G
controlnet插件骨骼预处理图片失败，目前只有Canny(线条)和Lineart(线稿)能用
无法从网站加载插件
第一个报错目录找不到，如果你确认了你的文件路径是正确的，那可能就是操作这个文件的权限不够高；另外建议你文件夹的名字里面不要有中文，尽量用英文可以避免很多问题。
第二个问题训练时报错“Connection errored out.”你得确认下你的网络没问题，且防火墙需要关闭一下。
如果以上回答对您有所帮助，点击一下采纳该答案～谢谢
不要把文件放在中文路径里，不要用中文的用户名。
您在遇到embeddings创建失败的问题，报错表示目录不存在。这可能是由于某些原因，该文件夹无法被正确找到或访问。为了解决这个问题，您可以尝试以下步骤：
- 确保您提供的路径是正确的，并且该路径确实存在。您可以尝试使用绝对路径来排除任何相对路径的错误。
- 检查您的环境变量是否设置正确。确保CUDA的路径已经正确地添加到环境变量中，以便程序可以访问它。
- 确保您的操作系统和CUDA版本是兼容的。如果您使用的是Windows系统，请确保您安装了适用于该系统的CUDA版本。
- 尝试重新安装CUDA，并确保安装过程中没有出现任何错误。
如果以上步骤都不能解决问题，我建议您提供更多的错误详细信息、相关的代码或完整的错误消息，以便更准确地诊断问题。
外国软件最好不要用中文名，会出现各种各样的问题
引用 皆我百晓生 小程序回复内容作答：
对于报错不存在文件夹的问题，请确保您提供的文件夹路径是正确的。可以使用绝对路径来确保准确性，或者使用os.path.exists()函数来检查文件夹是否存在。
另外，如果您使用了CUDA并安装了匹配的版本，可以检查是否正确配置了CUDA环境变量，并且确保您的代码也正确指定了CUDA设备。您可以使用torch.cuda.is_available()来检查CUDA是否可用，并使用torch.cuda.device()来设置使用的CUDA设备。
对于训练失败的问题，可能有多种原因导致，例如数据格式、模型设置、训练参数等。请提供更多关于训练出错的具体错误信息以及代码的细节，以便能够更好地帮助您解决问题。
换英文路径试下
嵌入的维度通常是用户指定的，如果您选择了一个不合适的嵌入维度，可能会导致失败。确保您选择的嵌入维度与您的数据和任务相匹配。
参考gpt：
结合自己分析给你如下建议：
您的embeddings文件夹的路径不正确。您应该将embeddings文件夹放在stable-diffusion-webui的根目录下，而不是其他位置。请检查您的文件夹是否在正确的位置，并使用正确的路径格式。
您的embeddings文件夹的名称不正确。您应该使用小写字母来命名embeddings文件夹，而不是大写或其他符号。请检查您的文件夹是否使用了正确的名称，并避免使用空格或特殊字符。
您的embeddings文件夹的权限不足。您应该使用管理员或具有读写权限的用户来运行stable diffusion，而不是普通用户。请检查您的用户身份和权限，并使用sudo或run as administrator命令来运行stable diffusion。
援引讯飞星火：
这个问题可能是由于以下原因导致的：
请检查你的工作目录是否正确。确保你在正确的目录下运行代码，并且文件夹名称和路径都是正确的。
确保你已经正确安装了所有必要的依赖库，例如PyTorch、torchvision等。你可以使用以下命令安装：
pip install torch torchvision请检查你的CUDA版本是否与stable diffusion所需的版本匹配。根据错误信息，你需要安装12.2版本的CUDA。你可以访问NVIDIA官网下载并安装相应版本的CUDA：https://developer.nvidia.com/cuda-downloads
如果以上步骤都无法解决问题，建议查看stable diffusion的官方文档或在GitHub上查找相关issue，看看是否有其他人遇到了类似的问题。也可以尝试在Stack Overflow等社区寻求帮助。
结合GPT给出回答如下请题主参考
关于您的第一个问题，可能是因为您的代码或文件路径不正确导致的。建议您检查一下代码中指定的路径是否与实际的路径一致，并确保文件夹存在。另外，您可以尝试在代码中添加一些 debug 输出来查看代码运行过程中发生了什么。
关于您提到的没有 VAE，可能是因为您的代码或库版本不一致导致的。通常情况下，VAE 是一种比较常见的神经网络架构，应该是很容易找到的。您可以尝试查看一下您使用的库是否包含 VAE 相关的代码实现，或者尝试升级到最新版本的库来获取 VAE 功能。另外，您也可以在论文、博客等资料中了解 VAE 的实现细节和原理。