怎样优化Stable Diffusion性能

想要优化 Stable Diffusion 的性能，核心在于平衡显存（VRAM）、内存（RAM）和算力（Compute）。根据你的硬件配置不同，优化的侧重点也不同。

以下是分层次的优化方案，从软件设置到硬件升级，再到进阶技巧。

一、基础软件设置（立竿见影）

无论你用 Automatic1111、ComfyUI 还是 SD.Next，这些设置是最基本的。

1. 启动参数优化 (Command Line Arguments)

这是最重要的优化手段。修改你的 webui-user.bat (Windows) 或启动脚本。
推荐组合（针对 4GB-8GB 显存）：

--medvram --xformers --opt-sdp-attention

参数详解：

--xformers：必选。NVIDIA 显卡的神器，能大幅降低显存占用并提升速度（10%-30%）。如果不兼容，尝试 --opt-sdp-attention。
--medvram：4GB-8GB 显存必选。将模型分块加载，牺牲一点速度换取显存空间。
--lowvram：4GB 及以下显存必选。比 medvram 更激进，速度会慢很多，但能跑起来。
--no-half：如果你的显卡很老（如 GTX 10系列）或者出现黑图/NaN错误，加上这个（但会变慢、占显存）。
--opt-sub-quad-attention：另一种注意力算法，某些显卡（特别是AMD或非N卡）比 xformers 更好。
--upcast-sampling：修复部分采样器在高分辨率下报错的问题，略微增加显存占用。

2. 界面内设置 (Settings)

在 WebUI 的 Settings 标签页中调整：

Optimizations (优化):
Attention mechanism: 选择 xFormers 或 SDP (no xFormers)。
Stable Diffusion:
Clip skip: 保持 1 或 2（数值越高影响越小，但无关性能）。
Live Previews (实时预览):
Live previews display: 选择 Never 或 Every 10 steps，避免边跑边画图浪费算力。
Checkpoint 管理:
尽量使用 FP16 或 Pruned (剪枝) 模型。Full 模型（2GB+）加载慢，FP16（1.5GB左右）速度更快且画质几乎无差。

二、显存与算力优化技巧

1. 降低分辨率

原理：显存占用与像素数成正比（二次方关系）。
建议：SD 1.5 基础训练分辨率是 512x512，SDXL 是 1024x1024。
做法：不要直接在 1920x1080 生成。建议先低分辨率生成（如 512x768），然后使用 Hires. Fix (高清修复) 或 Ultimate SD Upscale 放大。

2. 批处理 (Batch Size)

不要增加 Batch Size (批次数量)，除非你显存极大（如 24GB+）。
增加 Batch count (批次计数)：这影响不大，因为是一张一张跑。

3. 启用 VAE 优化

Tiled VAE：如果你在解码图像（生成结束或预览时）爆显存，在设置中勾选 Move VAE to RAM 或安装 Tiled VAE 扩展。它会分块处理 VAE，极大降低显存压力。

4. 关闭不必要的扩展 (Extensions)

Automaic1111 的很多扩展（尤其是涉及 ControlNet、额外预览、复杂的 UI 插件）会拖慢速度。不用的插件请禁用或删除。

三、模型层面的优化

1. 使用 SDXL Turbo / LCM / Turbo 模型

SDXL Turbo / SD Turbo: 只需 1-2 步采样就能出图，速度快到离谱。
LCM (Latent Consistency Models): 可以适配大多数 SD 1.5 和 SDXL 模型，只需 4-8 步即可生成高质量图片，速度是原来的 5-10 倍。
方法：下载 LCM LoRA 或使用专门的 LCM 模型，并将采样步数 (Steps) 降至 4-8。

2. 模型量化 (Model Quantization)

GGUF 格式: 类似于 LLM 的量化。现在 SD 模型也有 GGUF 格式。可以将模型量化为 Q4, Q5 等。虽然画质有轻微损失，但显存占用极低，加载速度极快（特别适合 ComfyUI 或低显存用户）。
使用 FP8: 如果你使用 SDXL 且显卡支持（30系/40系及以上），使用 FP8 精度的模型可以节省大量显存且速度更快。

四、硬件与环境优化

1. 硬件升级

显卡 (GPU): 核心。建议 NVIDIA 显卡，因为 CUDA 和 xFormers 对 SD 支持最好。
入门: RTX 3060 12GB (显存大，性价比神卡)。
进阶: RTX 4070 Ti / 4080 / 4090。
内存 (RAM): 建议 16GB 起步，32GB 最佳。如果内存不足，系统会频繁读写硬盘（虚拟内存），导致卡顿。
硬盘 (SSD): 模型文件很大（几个GB一个），放在 NVMe SSD 里加载速度比机械硬盘快得多。

2. 软件环境

显卡驱动: 更新到最新的 NVIDIA Game Ready 或 Studio 驱动。
PyTorch: 确保你使用的是支持 CUDA 的 PyTorch 版本。Automatic1111 通常会自动处理，但如果你手动配置环境，务必检查。

五、不同显存配置的建议方案

显存大小	推荐设置	建议分辨率	备注
4GB 以下	`--lowvram --xformers`	512x512 (SD1.5)	只能跑 SD1.5，跑 SDXL 极其困难。
4GB - 6GB	`--medvram --xformers`	512x768 (SD1.5)	勉强跑 SDXL，需配合 Tiled VAE。
8GB	`--medvram --xformers`	768x1024 (SD1.5) / 1024x1024 (SDXL)	甜点区，大部分操作都能做。
12GB	`--xformers`	1024x1024+	可以跑大部分 SDXL 和训练 LoRA。
16GB+	(默认即可)	任意	可以开启 Batch Size > 1，进行大模型训练。

六、进阶：ComfyUI vs Automatic1111

如果你追求极致的性能：

ComfyUI: 比 Automatic1111 快 10%-25%，显存占用更低。因为它是节点式工作流，没有 WebUI 那么多的后台开销，且支持异步加载。
建议: 如果你已经熟悉 SD，强烈建议尝试 ComfyUI，配合 fp8_e4m3fn 精度的模型，体验极佳。

总结：快速检查清单

启动参数加了 --xformers 和 --medvram 了吗？
用的是 FP16 模型还是 Full 模型？
生成时分辨率是不是太高了？开了 Hires. Fix 吗？
显卡驱动更新了吗？
如果是 N 卡，PyTorch 版本对吗？

按照以上步骤调整，通常能解决 90% 的性能卡顿和爆显存问题。