AI

走进AI绘画的大门stable-diffusion-webui AMD显卡踩坑记录2——命令行参数和优化

Ryan Wu

• 4 min read
走进AI绘画的大门stable-diffusion-webui AMD显卡踩坑记录2——命令行参数和优化

00015-2611496594-1

官方文档：https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Command-Line-Arguments-and-Settings

参考资料：CSDN:Stable Diffusion攻略集

本文写于2023年4月3日，SD版本为1.5。

我的启动参数（AMD RX5700 8G）

如下配置可以把RX5700显存用满，推理时性能占用维持95%以上。出图效率比较高，常用350x700的尺寸（总尺寸与512x512接近），速度可以在1.6s/it，一张图平均20~30次迭代，也就是一分钟内可以出一张图。

set COMMANDLINE_ARGS=--medvram --always-batch-cond-uncond --opt-split-attention

为什么使用这三个参数

--medvram这个参数对于显存8G及以上的N卡用户来说通常无需配置，但经过我的实测，RX5700不加--medvram非常容易爆显存。显存更低（6G及以下）的用户，建议使用-lowvram。

--always-batch-cond-uncond 此参数只有与--medvram、--lowvram同时使用时才有意义。因为开启低显存会默认关闭batch-cond-uncond（我理解为批量处理正面、负面提示词，用于进一步降低显存占用，但会明显降低出图速度）。经过测试RX5700开启此参数不会发生爆显存的情况，其他更低显存的显卡酌情使用。

--opt-split-attention这个参数纯纯黑科技，官方解释“强制启用Doggett的跨注意力层优化”支持cuda的N卡默认开启，AMD用户需要手动开启，效果是出图效率几乎达到了之前的3倍！

常用的参数和解释如下

命令行参数 解释
--share online运行，也就是public address
--listen 使服务器侦听网络连接。这将允许本地网络上的计算机访问UI。
--port 更改端口，默认为端口7860。
--xformers 使用xformers库。极大地改善了内存消耗和速度。Windows 版本安装由C43H66N12O12S2 维护的二进制文件
--force-enable-xformers 无论程序是否认为您可以运行它，都启用 xformers。不要报告你运行它的错误。
--opt-split-attention Cross attention layer optimization 优化显着减少了内存使用，几乎没有成本（一些报告改进了性能）。黑魔法。支持cuda的N卡默认开启，但AMD用户需要手动开启
--disable-opt-split-attention 禁用上面的优化
--opt-split-attention-v1 使用上述优化的旧版本，它不会占用大量内存（它将使用更少的 VRAM，但会限制您可以制作的最大图片大小）。
--medvram 通过将稳定扩散模型分为三部分，使其消耗更少的VRAM，即cond（用于将文本转换为数字表示）、first_stage（用于将图片转换为潜在空间并返回）和unet（用于潜在空间的实际去噪），并使其始终只有一个在VRAM中，将其他部分发送到CPU RAM。降低性能，但只会降低一点-除非启用实时预览。
--lowvram 对上面更彻底的优化，将 unet 拆分成多个模块，VRAM 中只保留一个模块,破坏性能
*do-not-batch-cond-uncond 防止在采样过程中对正面和负面提示进行批处理，这基本上可以让您以 0.5 批量大小运行，从而节省大量内存。降低性能。不是命令行选项，而是使用–medvramor 隐式启用的优化–lowvram。
--always-batch-cond-uncond 禁用上述优化。只有与–medvram或–lowvram一起使用才有意义
--opt-channelslast 启用4d tensor的替代布局，可能仅在具有tensor core（16xx及更高）的Nvidia卡上实现更快的推理