Linux部署Stable Diffusion的硬件要求

Linux部署 Stable Diffusion 硬件要求与选型建议
最低与推荐配置

注：以上范围覆盖从入门到生产的不同需求，显存与内存是最关键的瓶颈项。
不同使用场景配置建议

• 入门体验与 512×512 生成：4–6GB 显存（如 GTX 1050 Ti/RTX 2060）、16GB 内存、20–50GB 存储；建议启用内存优化参数（如 --medvram）。
• 日常创作与 768×768 生成：8–12GB 显存（如 RTX 3060 12GB）、32GB 内存、200GB+ SSD；可启用 xFormers 提升吞吐。
• 高分辨率/大图/插件与批量：16–24GB 显存（如 RTX 4080 16GB/RTX 4090 24GB）、32–64GB 内存、500GB–1TB NVMe；更适合多模型与高分辨率工作流。

非 NVIDIA GPU 与 CPU Only

• AMD GPU（Linux 优先）：建议 RX 6700+、8GB+ 显存，使用 ROCm 5.x；生态与兼容性较 NVIDIA 略复杂，需按发行版与内核版本验证。
• Intel GPU：可通过 OpenVINO/oneAPI 在 Linux 上运行，建议 Arc A 系列、8GB+ 统一/共享内存，功能完整度与性能视具体驱动与模型而定。
• CPU Only：可运行但速度很慢，建议 16GB+ 内存，仅适合功能验证或无法使用 GPU 的场景。

Docker 与容器化部署要点

• 基础要求：Docker 20.10+、Docker Compose 1.29+、NVIDIA Docker（nvidia-container-toolkit）；容器需映射 GPU 资源并配置合适的共享内存（如 --shm-size=8g）。
• 驱动与 CUDA 匹配：生产环境推荐 535.xx 驱动 搭配 CUDA 12.1–12.4，旧硬件可考虑 525/515/470 系列；不匹配会导致 GPU 利用率低或无法启动。
• 资源与稳定性：显存紧张时降低分辨率或启用 --medvram；并发/大图任务适当增大内存与共享内存，避免 OOM 与进程崩溃。

快速自检清单

• 执行 nvidia-smi 与 nvcc --version，确认驱动与 CUDA 正常；若使用 Docker，确认 nvidia-container-toolkit 已安装且服务运行。
• 预留充足磁盘空间（模型单个约 2–7GB，工作流与缓存会额外占用），优先 NVMe SSD。
• 内存建议 16GB 起步，多模型/高分辨率/批量建议 32GB+；CPU 影响较小但多核更稳。