Генерация изображений в Stable Diffusion может занимать минуты, особенно на слабых видеокартах. В этом гайде — конкретные шаги по ускорению: от выбора модели до настройки параметров и использования оптимизаций.
Для ускорения Stable Diffusion потребуется: видеокарта NVIDIA с поддержкой CUDA (или другая с аппаратным ускорением), установленный Python, Git, и одна из популярных реализаций — Automatic1111, ComfyUI или Fooocus. Также понадобятся базовые навыки работы с командной строкой и файлами конфигурации.
Пошаговая инструкция
- 1Установите последнюю версию драйверов NVIDIA и CUDA Toolkit, совместимую с вашей видеокартой.
- 2Выберите оптимизированную сборку: Automatic1111 с флагом —xformers, ComfyUI или Fooocus.
- 3Включите xFormers: в Automatic1111 добавьте —xformers в аргументы запуска (webui-user.bat).
- 4Активируйте TensorRT: установите расширение TensorRT и сконвертируйте модель (требует NVIDIA).
- 5Используйте半 precision (fp16): в настройках Automatic1111 выберите fp16 вместо fp32.
- 6Уменьшите разрешение генерации: начните с 512×512, затем используйте upscale.
- 7Снизьте количество шагов (steps): попробуйте 20-30 вместо 50.
- 8Выберите более быстрый сэмплер: DPM++ 2M Karras или Euler a.
- 9Отключите Live Preview (предпросмотр) в настройках.
- 10Установите размер батча (batch size) равным 1, если не требуется несколько изображений.
- 11Закройте другие приложения, использующие GPU (браузер, игры).
- 12Переключите модель на облегчённую (pruned) версию.
- 13Используйте LoRA вместо полного fine-tuning, если нужно добавить стиль.
- 14В ComfyUI примените ноду FreeU для ускорения без потери качества.
- 15Настройте параметр —medvram или —lowvram при нехватке видеопамяти.
- 16Для процессоров Apple Silicon используйте MPS-бэкенд и флаг —precision full —no-half.
- 17Регулярно обновляйте PyTorch до последней версии с поддержкой вашей видеокарты.
- 18Рассмотрите использование онлайн-сервисов или аренду GPU, если локальное ускорение недостаточно.
Частые ошибки
- Использование устаревших драйверов и CUDA — приводит к несовместимости и падению производительности.
- Отсутствие xFormers или TensorRT — теряется значительная часть ускорения.
- Слишком высокое разрешение и большое количество шагов без необходимости.
- Запуск на CPU вместо GPU — крайне медленно.
- Игнорирование нехватки видеопамяти: при OOM генерация прерывается, а попытки выставить высокие настройки только вредят.
- Использование тяжёлых моделей (например, SDXL) на слабых картах без оптимизаций.
- Некорректные флаги запуска (например, —no-half на GPU, где он поддерживается).
- Отсутствие обновлений PyTorch и библиотек — новые оптимизации не применяются.
Итог
Частые вопросы
Можно ли ускорить Stable Diffusion на видеокартах AMD?
Да, но поддержка ограничена. Используйте ROCm для Linux или DirectML для Windows. Производительность может быть ниже, чем на NVIDIA. В Automatic1111 добавьте —precision full —no-half и установите соответствующие библиотеки.
Насколько xFormers ускоряет генерацию?
xFormers оптимизирует механизм внимания, что даёт прирост скорости от 20% до 50% в зависимости от модели и видеокарты. Также снижает потребление видеопамяти, позволяя генерировать изображения большего разрешения.
Что делать, если не хватает видеопамяти?
Используйте флаги —medvram или —lowvram в Automatic1111. Уменьшите разрешение, batch size и количество шагов. Рассмотрите переход на модель с меньшим числом параметров или используйте облачный сервис.
