满心欢喜把 Stable Diffusion 装好输入提示词点下生成结果风扇瞬间拉到起飞进度条一点点爬再等几秒直接弹出一行红字CUDA out of memory。这种场景我见过太多次尤其是显卡不是顶配的用户。每次聊起来大家第一反应都是“换卡”但说实话大部分“跑不动”根本不是显卡不行而是从软件配置到推理参数再到硬件设置处处都在漏性能。这篇文章就把我自己调 Stable Diffusion 性能的完整思路写出来分显存和算力、软件漏点、推理参数、模型选型、硬件超频、以及一整套实测优化链路几个部分。适合那种手里有 4G 到 12G 显存显卡、不想砸钱换硬件但又不甘心让 SD 卡到海枯石烂的朋友。1. 先搞清楚瓶颈在哪显存容量、算力还是带宽很多人以为“显卡性能不够”是一个笼统的问题其实 Stable Diffusion 和打游戏不一样它有三条完全不同的性能路径卡在哪一条症状完全不同。1.1 显存容量决定“能不能跑”SD 生成图片的过程简单说就是把随机噪声交给模型让 UNet 一步步去噪最后通过 VAE 解码成图像。这个过程中模型参数、中间特征图、噪声状态、各种缓冲数据全都要塞进显存里。显存不够最直接的结果就是 OOM程序直接罢工连结果都看不到。以 SD 1.5 模型为例模型权重加载到半精度大约占用 2G 显存生成一张 512x512 的图UNet 推理过程中的中间特征会占用大概 3G 到 4G 显存再加上 VAE 解码和临时缓存总占用很容易超过 6G。如果显存只有 4G默认配置下几乎跑不动 512 尺寸的图更不用说 SDXL 这种参数翻倍的模型。本来 4G 卡也未必全是死路这一章后面会讲启动参数里有很多“用时间换空间”的办法但前提是你得先知道自己是哪种瓶颈。看显存占用指标是最直接的如果生成时显存占用冲到 95% 以上然后报错那是容量瓶颈如果显存占用一直很低但速度很慢那是算力瓶颈。1.2 算力决定“快不快”同样一张 512x512 的图20 步采样一块主流中高端卡可能只要十几秒一块低端入门卡可能要一两分钟。这个差距就是算力决定的计算单元不够多每一轮去噪迭代花费的时间自然更长。在这里要注意SD 的算力消耗是显存容量和计算密度的两回事。显存多不代表算力强很多大显存显卡因为核心规模小跑起来照样很慢。反之显存少的卡算力反而可能不错比如某些 8G 显存的游戏卡核心性能很强只是容量卡住了 SDXL。判断算力瓶颈很简单生成过程中把显卡利用率监控打开如果利用率长期在 90% 以上说明算力被吃满这是正常的“计算瓶颈”如果利用率只有 40% 到 60%说明显卡在等数据或者被同步问题拖累这种时候就算换了更豪华的卡提升也可能有限。1.3 带宽决定“大批量时顺不顺”第三个容易被忽略的是显存带宽也就是显存和计算核心之间交换数据的速度。SD 推理过程中每完成一层计算就要把中间结果写回显存再读下一层数据搬运量非常大。小图单张可能感觉不明显但当你把分辨率拉高或者一次批量生成 4 张图带宽不足的卡会出现明显的性能下滑甚至生成速度远低于按照算力推测的数值。一般显存位宽窄的卡最容易中招这个信息在显卡规格里都能查到。判断带宽瓶颈的办法是监测显存控制器负载如果显存频率顶着 100% 占用但利用率只有 70%多半是带宽卡住了。这时候单纯调模型参数效果有限但可以像后面讲的那样减少批量并发、降低单次数据传输量。1.4 用最简单的方式定位当前瓶颈有一个很省事的判断方法连续生成两张一模一样的图第一张出现明显停顿和加载过程第二张如果明显更快说明第一次加载模型占了大量时间这通常不算瓶颈如果两张都慢且显存充足看利用率就能分清是算力还是带宽。我再提供一个经验参考表现象瓶颈方向优先手段显存溢出报错容量不足启动参数、VAE切块、模型压缩利用率高但速度慢算力限制优化采样步数、蒸馏模型、模型量化利用率低且显存频率占满带宽限制降低批量大小、降低分辨率生成正常但偶尔卡顿加载/内存瓶颈升级依赖、扩大虚拟内存2. 先别急着超频软件默认配置里的漏点先堵上很多人的性能问题不是硬件不够而是跑 SD 的软件环境根本没调过默认配置就是给“能跑就行”设计的根本不是给“跑得快”设计的。2.1 启动参数里的免费性能使用 WebUI 或 ComfyUI 的人启动脚本里加不加参数性能差距极其明显。我见过太多人装完就直接双击启动连xformers都没有开。从 SD 1.5 的官方推荐配置看关键启动项有这些--xformers启用优化过的跨注意力加速模块能显著降低显存占用并提升速度老显卡和一些特定架构卡上都有效。如果遇到兼容问题可以试试--opt-split-attention。--opt-sub-quad-attention进一步把注意力计算分块适合显存比较紧张的场景。--no-half-vae防止 VAE 解码时因为半精度问题生成黑图代码层面它把 VAE 部分保持高精度代价是稍微多点显存。--medvram或--lowvram按显存大小分配策略中等显存用 medvram小显存用 lowvram。原理是把模型一部分一部分地加载到显存、算完再换下一部分属于典型的时间换空间。--precision full或--autocast老卡没有原生支持 FP16 的时候才需要现代显卡基本不用动。我自己常用的 WebUI 启动脚本是类似这种格式python launch.py --xformers --no-half-vae --medvram如果你的卡是 8G 显存--medvram可能不需要加上之后反而会因为频繁切换模型导致绘图变慢。这里有个常见的误解lowvram不是万能的显存明明够用却强制用 lowvram速度会大幅下降因为它会不停把模块换进换出。2.2 半精度陷阱FP16 和 FP32 的真相SD 的模型权重默认是 FP16半精度加载这没什么问题但 VAE 解码的时候用 FP16 在某些显卡上会产生一种很经典的“黑图”现象生成的图片暗部全糊成一团看起来像是曝光失败。遇到这种问题很多人第一反应是换模型其实只要启动参数里加上--no-half-vae就能解决。反过来也有人为了“画质更好”强行用 FP32 加载全部模型结果显存翻倍、速度减半画质提升肉眼根本看不出来。除非你是在做极专业的输出否则这是个负优化。SD 的生成过程本来就是“对噪声做逼近”FP16 的精度损失在 512 分辨率下几乎可以忽略。2.3 依赖库版本PyTorch 和 CUDA 版本差距很大这是最容易被忽视的一环。Stable Diffusion 生态跑在 PyTorch 上而 PyTorch 的推理性能除了看模型本身很大程度取决于底层库的编译优化。新版本 PyTorch 对 GPU 的调度、显存分配、算子融合都做了大量优化有时候同一张卡从旧版换到新版性能能差 20% 到 30%。怎么做把你当前环境的 Python 包列出来看下 PyTorch、CUDA 工具包、以及图像处理相关库的版本。不要急着升级到最新先查一下当前社区主要使用的组合。我用过的最稳妥搭配是Python 3.10 或 3.11配 PyTorch 2.x 版本CUDA 对应 11.8 或 12.x。如果本来就在较新版本上就别乱动了。还有一个经常被问到的“为什么同样的显卡别人比我快一倍”的情况对方可能开启了编译优化模式。比如你在 WebUI 的启动参数里加上--opt-split-attention它会在推理前做一次算子融合首次运行稍慢后续每次生成都能吃到红利。2.4 容易被忽略的虚拟内存和电源模式有人显存不是瓶颈速度也不是瓶颈但生成一会儿就卡一下风扇忽高忽低。这种情况往往不是显卡问题而是系统内存不够SD 会在显存和内存之间交换数据内存吃紧时整个系统都在挣扎。我的建议是给系统盘留足空间把虚拟内存页面文件设置成自动管理或者手动调大至少 16G 以上。运行 SD 时尽量不要同时开着十几个浏览器标签页再挂着大型软件这听起来像废话但真的很多人因为后台程序把内存和显存挤占掉导致 SD 生成速度暴跌。笔记本用户还要注意电源计划许多笔记本默认的“平衡模式”会限制显卡功耗。直接调到“高性能”模式或者去显卡控制面板里把 SD 对应程序的电源策略改成“最高性能优先”。3. 推理参数里藏着几倍速度差距采样、分辨率与批处理软件层堵完之后就要看每次生成时的参数了。同一张显卡用不同的采样步数和调度器速度能差出两三倍而出图效果的差距却未必有想象中那么大。3.1 步数真的不是越多越好很多人习惯把采样步数拉到 50、60觉得画质能更精细实际上步数超过 30 以后画面细节提升微乎其微但耗时按比例增长。我在不少模型上测试过SD 1.5 的模型在 20 到 30 步之间基本已经收敛SDXL 需要稍多一点但也很少有人能从 40 步和 50 步之间看出实质区别。采样器和步数是联动的不同采样器收敛速度不同。比如 DPM 系列迭代效率高、画质也好常见搭配是 20 到 30 步Euler 是经典快采样器20 步左右效果就不错UniPC 是近几年很流行的加速器能在 10 到 15 步内达到接近 20 步的效果。我有一个常用的判断方法用你要跑的模型先设定一个步数生成一批图然后只把步数减半生成另一批对比看。当两张图肉眼无法明显区分时那个更低步数就是你的舒适区。3.2 分辨率对显存和耗时的非线性影响SD 的消耗不是随分辨率线性上涨的而是近似平方关系。512 的图需要约 620 万像素的计算量1080 的图则要到 1166 万左右几乎是翻倍再翻倍。所以你把分辨率从 512 拉到 768显存占用和生成时间都会暴涨一大截。这里有个原理很多人不清楚SD 的实际生成分辨率并不是你填的像素尺寸而是模型内部 latent space 的尺寸它大概是像素尺寸除以 8。也就是说 512 分辨率的图在 UNet 眼里是 64x64 的特征图768 是 96x96这每一格特征向量都参与注意力计算计算量指数上升。如果显存不够可以尝试把图片尺寸控制在显存能稳定容纳的范围宁可先生成较小的图再用放大功能处理也不要强行用大尺寸硬刚。这属于“流程优化”而不是“硬件不足”。3.3 批量生成 Batch Size 的甜蜜点很多人以为 Batch Size 设得越大越好因为一次生成多张图模型加载成本摊薄了。理论上没问题但实际受限于显存和带宽。Batch Size 翻倍显存占用几乎也翻倍带宽更是吃紧。在我测试过的中端卡上Batch Size 从 1 加到 2速度提升只有 30% 到 50%远没到两倍加到 4 时经常直接 OOM。如果你的卡不是旗舰级别Batch Size 设 1 到 2 就够了想多试几组图不如把流程拆开一张一张跑反而更灵活。3.4 负面提示词、CLIP skip 和 Seed 的原理与可测教训负面提示词本质是让模型在采样时避开某些特征但它并不会直接拖慢速度。真正影响速度的是“提示词过长导致编码阶段变长”不过编解码只占整个流程很小比例几乎可以忽略。CLIP skip 改变的是不同 CLIP 层的输出对速度影响微乎其微主要还是影响语义理解的风格新手不需要为了“性能”调它。如果非要从参数里要性能我的核心建议只有一个在画质可接受的前提下把步数压到最低把批量压到最低把尺寸压到最低然后靠放大和细节修复来补画面。这看起来是绕远路实际上是把算力花在刀刃上。4. 显存不够自救手册切块、压缩、模型选型这部分是给 4G 到 6G 显存用户准备的。显存不够不完全是死路SD 生态里有几种成熟的“降级方案”核心思路都是牺牲一些时间和灵活性来换容量。4.1 半精度、量化与权重压缩的取舍前面说过 FP16 比 FP32 省一半显存几乎不损失画质。除此之外还可以考虑 INT8 量化模型显存占用进一步减半。代价是纹理细节可能变得稍微生硬极远处的结构容易糊。实际操作中低显存用户与其找量化版大模型不如选择本身就小一号的模型分支。比如社区有很多压缩过的模型文件占空间更小加载更快只是生成画质的上限稍低。我的建议是显存紧张的时候优先用 2G 级别的模型权重配 FP16而不是硬啃 4G 多的大模型。4.2 VAE 切块机制为什么大图画到一半爆显存当你把分辨率拉到 1024 以上SD 默认的 VAE 解码会一次性处理整个图像显存不够就爆。解决方法是开启 VAE 切块模式有些启动器叫“VAE Tiling”它把一大张图切成小块分别解码再拼回去。效果上几乎看不出接缝代价是解码时间变长可能要从一两秒涨到十几秒。但对大尺寸出图来说这已经是“能不能出”和“出不出得来”的区别了。同样的原理也适用于注意力计算切块对应启动参数里的--opt-split-attention或子图注意力模式。4.3 SD 1.5、SDXL、Turbo 模型怎么选如果你还在 SD 1.5 和 SDXL 之间纠结先看显存SDXL 的参数规模大约是 SD 1.5 的 4 倍即使 FP16 加载显存占用也直接拉到 8G 左右推理时间更是翻倍。而 SD 1.5 虽然构图能力和细节不如 SDXL但在低显存环境下胜在轻量和稳定。还有一个高效率方向是蒸馏模型也就是社区里的“Turbo”系列或类似名称。这类模型支持极少的采样步数常常 1 到 4 步就出图生成速度比普通模型快得夸张。代价是图像风格趋向简单复杂场景和特定构图要求下容易失真。它们适合快速验证构图、批量实验不适合精修输出。4.4 LoRA 插件不会增加多少显存很多人担心加 LoRA 会让显存爆炸其实 LoRA 本身占用的额外显存非常小因为附加模型只包含极小的低秩差异矩阵。在使用上一个 LoRA 增加的显存通常只有几十到几百 MB对性能的影响主要是加载时多一步推理时几乎可以忽略。反过来有些复杂 LoRA 数量太多每个都加载到显存里有可能会把 4G 卡推上边缘。解决办法是用完一个再换一个不要同时堆 5 个。5. 硬件侧还能榨出多少余量功耗墙、显存频率与散热软件方法榨干之后硬盘玩家开心的地方就来了。显卡在设计时往往预留了超出默认标定功耗的能力只是被功耗墙和温度墙限制住了。5.1 先用监控工具记录基线数据在动手之前先把显卡在 SD 连续生成时的核心频率、显存频率、功耗、温度记录下来。这一步的目的是拿到“性能瓶颈在谁的墙上被卡住”的证据。例如有些卡核心频率高达 2400MHz但功耗已经顶到上限说明撞功耗墙有些卡频率在跑图时掉得厉害可以看是温度还是供电限制导致的。在 SD 这种持续高负载场景下很多显卡会在功耗墙限制下自动降频如果你能稳固地把功耗墙往上拉 10% 到 20%同时温度还是压得住的核心频率就能稳定在更高位置生成时间的缩短是实打实的。5.2 功耗墙到底该怎么调调整工具不是重点重点是你得知道调整的原理。以我常用的方式为参考打开显卡控制面板里的频率/功耗调节把功耗限制提高到最大值然后逐步调整核心频率偏移每次加 30 到 50MHz跑一轮 SD 测试直到出现不稳定或热节流。需要注意的是显存频率超频对 SD 的收益在某些卡上甚至比核心频率还明显因为前面提过 SD 是高数据搬运负载显存带宽很关键。显存频率提升 100 到 200MHz 对生成速度的改善有时候能比核心超频多出 5% 到 10%。5.3 温度与散热的底层逻辑超频不是白来的功耗提升后发热立刻增加。显卡在核心温度升高时会自动降频保护如果你把功耗墙拉高了却让温度撞到降频线反而得不偿失。实际测试中温度每降低 10 度显卡在高负载下的稳定频率能高出一档对应到 SD 这类长时负载就是整体生成时间减少。如果你的机箱风扇能调曲线建议把起转温度调低一些如果是笔记本尽量垫高散热口或者考虑外接散热底座。做好散热后超频空间往往还能再挤出来一点。5.4 超频的安全边界和我踩过的一些坑安全超频的边界其实很明确不要动核心电压的大幅范围不要一次性把频率拉超过 200MHz 以上显存频率提升也不要超过默认标称太多。我见过最典型的翻车方式是把功耗和频率一起拉满连测都不测直接生成一张图跑到一半出现花屏或者黑屏重启。这通常不是硬件损坏而是不稳定的信号但长期在这种不稳定状态下跑长任务对显存颗粒和供电模组都是一种折磨。我的建议是每调整一次参数就用 SD 生成一张 768 分辨率的图连续跑 5 到 10 次确认每次都不花屏不重启才算稳定。还有一个小技巧SD 并不是连续跑得越快越好如果你的显卡在跑图时温度很快就贴到 80 度以上可以把一次大批量任务拆开中间留几秒“喘息”时间让温度回落整体速度反而可能更快因为避免了持续降频。6. 一套完整的优化实测链路从慢到快的调参过程前面讲了很多理论这一节我用一台非常典型的中端配置来做演示8G 显存核心和显存性能中规中矩跑 SD 1.5 模型。整个链路包括软件调整、依赖更新、推理参数优化和适度的硬件调教。6.1 初始状态默认配置下的基准数据刚装好的环境下启动脚本什么都没有加采样器用默认的 Euler步数 30分辨率 512x512Batch Size 1。生成一张图耗时大概 52 秒显存占用大约 5.8G温度 72 度核心利用率偏低但偶尔有尖峰。这个数据一出来就能判断不是算力不够也不是显存不够是软件环境在拖后腿以及显存占用刚好卡在一个不算富裕的边界上导致调度器频繁做资源管理。6.2 第一步加上启动参数把环境漏点补上在启动脚本中加入--xformers --opt-sub-quad-attention重启后再次生成同一张图。耗时从 52 秒降到 33 秒显存占用反而降到 4.9G核心利用率能稳定在 80% 以上。这说明之前的性能其实被跨注意力计算浪费掉了用了优化模块后同样路径下算得更快、存得更省。这一步不花一分钱收益却是所有操作里最大的。很多人跑 SD 慢其实就是缺了这个启动项。6.3 第二步更新依赖吃底层库优化的红利第二步把 PyTorch 版本升级到当前主流的 2.x 组合并用 WebUI 或 ComfyUI 自带的更新机制刷新依赖库。更新后再次生成同一张图耗时从 33 秒降到 27 秒。底层库的算子调度优化在这台机器上带来了约 18% 的提升。这里提醒一句更新依赖有风险如果当前环境运行稳定可以先把配置备份好再更新。我的习惯是每次升级后先跑同一组测试提示词和种子对比耗时和显存确认没有退化。6.4 第三步把推理参数调到合理范围接下来是参数层。采样器从 Euler 换成 DPM 2M步数从 30 降到 22同时分辨率保持 512x512。此时出图耗时降到 16 秒左右画质和之前肉眼对比几乎没有差别。再把 Batch Size 原地设置为 1避免批量并发触发不必要的显存交换。这一阶段你会发现显存占用已经降到了 4.1G 左右温度降到 68 度风扇噪音小了很多。这是参数优化的好处不仅提高了吞吐还减少了硬件压力。6.5 第四步适度的硬件调教最后一步是把功耗墙拉高 10%显存频率提升大约 150MHz同时把风扇曲线调得更主动一些。再次生成同一张图耗时从 16 秒降到 13.5 秒。作为对比如果此时把分辨率提到 768显存占用立刻回到 6G 出头速度也回落到 26 秒左右但依然在同配置默认环境下跑了近 60 秒的对比下优势明显。这一步的收益没有软件层那么夸张胜在稳定白赚。需要注意的是超频之后务必按前面说的方法连续验证稳定性特别是长时间跑图不花屏不重启。6.6 整个链路的收益总结和复现清单从 52 秒到 13.5 秒整个链条下来大约提速 3.8 倍显存占用还下降了 1.7G温度更低噪音更小。这不是靠某一项“魔法参数”而是每一项都贡献了一部分提升。按收益从大到小排列启动参数优化加了优化后注意力计算模块收益最明显。推理参数合理化降步数、换高效采样器。依赖库更新吃版本红利。硬件频率和功耗调整属于锦上添花。每台机器的体质不一样我的建议是照这个顺序逐步试每一项调整后用同一张图和同一个种子做对比方便精确判断哪一步带来了多少提升。一个小提示不要盲目照抄别人的“优化参数”看到这里你可能发现一个问题网上很多人晒出来的“神级配置文件”并不完全通用。同一个启动参数在不同显存容量、不同显卡架构上表现可能相反显存充足时加--medvram会变慢显存紧张时不加又会 OOM。最靠谱的做法是理解每个参数背后的原理用固定的基准测试方法去验证而不是照搬一份配置就万事大吉。如果你不知道怎么建基准测试就把我 6.1 里的步骤复现一遍记录同一张图在同一提示词和种子下的耗时、显存占用、温度和利用率。任何时候改动环境或参数前先记录“当前状态”改完了再记录“新状态”这样所有优化是否有效都一目了然。最后再分享一个我经常用的经验真正影响 SD 体验的往往不是最高那一次生成速度而是连续出图时的稳定性。很多人只盯着跑一张图的时间忽略了跑十张之后显存会不会越占越多、温度会不会越拉越高。我建议你在调完所有参数后连续跑 20 张风格不同的图如果全程不爆显存、不花屏、不重启这套配置才算真正毕业。 
长河君 · 2026/10/17 7:10:08 · 阅读 1.2k Stable Diffusion性能优化实战：从CUDA爆显存到生成提速
满心欢喜把 Stable Diffusion 装好输入提示词点下生成结果风扇瞬间拉到起飞进度条一点点爬再等几秒直接弹出一行红字CUDA out of memory。这种场景我见过太多次尤其是显卡不是顶配的用户。每次聊起来大家第一反应都是“换卡”但说实话大部分“跑不动”根本不是显卡不行而是从软件配置到推理参数再到硬件设置处处都在漏性能。这篇文章就把我自己调 Stable Diffusion 性能的完整思路写出来分显存和算力、软件漏点、推理参数、模型选型、硬件超频、以及一整套实测优化链路几个部分。适合那种手里有 4G 到 12G 显存显卡、不想砸钱换硬件但又不甘心让 SD 卡到海枯石烂的朋友。1. 先搞清楚瓶颈在哪显存容量、算力还是带宽很多人以为“显卡性能不够”是一个笼统的问题其实 Stable Diffusion 和打游戏不一样它有三条完全不同的性能路径卡在哪一条症状完全不同。1.1 显存容量决定“能不能跑”SD 生成图片的过程简单说就是把随机噪声交给模型让 UNet 一步步去噪最后通过 VAE 解码成图像。这个过程中模型参数、中间特征图、噪声状态、各种缓冲数据全都要塞进显存里。显存不够最直接的结果就是 OOM程序直接罢工连结果都看不到。以 SD 1.5 模型为例模型权重加载到半精度大约占用 2G 显存生成一张 512x512 的图UNet 推理过程中的中间特征会占用大概 3G 到 4G 显存再加上 VAE 解码和临时缓存总占用很容易超过 6G。如果显存只有 4G默认配置下几乎跑不动 512 尺寸的图更不用说 SDXL 这种参数翻倍的模型。本来 4G 卡也未必全是死路这一章后面会讲启动参数里有很多“用时间换空间”的办法但前提是你得先知道自己是哪种瓶颈。看显存占用指标是最直接的如果生成时显存占用冲到 95% 以上然后报错那是容量瓶颈如果显存占用一直很低但速度很慢那是算力瓶颈。1.2 算力决定“快不快”同样一张 512x512 的图20 步采样一块主流中高端卡可能只要十几秒一块低端入门卡可能要一两分钟。这个差距就是算力决定的计算单元不够多每一轮去噪迭代花费的时间自然更长。在这里要注意SD 的算力消耗是显存容量和计算密度的两回事。显存多不代表算力强很多大显存显卡因为核心规模小跑起来照样很慢。反之显存少的卡算力反而可能不错比如某些 8G 显存的游戏卡核心性能很强只是容量卡住了 SDXL。判断算力瓶颈很简单生成过程中把显卡利用率监控打开如果利用率长期在 90% 以上说明算力被吃满这是正常的“计算瓶颈”如果利用率只有 40% 到 60%说明显卡在等数据或者被同步问题拖累这种时候就算换了更豪华的卡提升也可能有限。1.3 带宽决定“大批量时顺不顺”第三个容易被忽略的是显存带宽也就是显存和计算核心之间交换数据的速度。SD 推理过程中每完成一层计算就要把中间结果写回显存再读下一层数据搬运量非常大。小图单张可能感觉不明显但当你把分辨率拉高或者一次批量生成 4 张图带宽不足的卡会出现明显的性能下滑甚至生成速度远低于按照算力推测的数值。一般显存位宽窄的卡最容易中招这个信息在显卡规格里都能查到。判断带宽瓶颈的办法是监测显存控制器负载如果显存频率顶着 100% 占用但利用率只有 70%多半是带宽卡住了。这时候单纯调模型参数效果有限但可以像后面讲的那样减少批量并发、降低单次数据传输量。1.4 用最简单的方式定位当前瓶颈有一个很省事的判断方法连续生成两张一模一样的图第一张出现明显停顿和加载过程第二张如果明显更快说明第一次加载模型占了大量时间这通常不算瓶颈如果两张都慢且显存充足看利用率就能分清是算力还是带宽。我再提供一个经验参考表现象瓶颈方向优先手段显存溢出报错容量不足启动参数、VAE切块、模型压缩利用率高但速度慢算力限制优化采样步数、蒸馏模型、模型量化利用率低且显存频率占满带宽限制降低批量大小、降低分辨率生成正常但偶尔卡顿加载/内存瓶颈升级依赖、扩大虚拟内存2. 先别急着超频软件默认配置里的漏点先堵上很多人的性能问题不是硬件不够而是跑 SD 的软件环境根本没调过默认配置就是给“能跑就行”设计的根本不是给“跑得快”设计的。2.1 启动参数里的免费性能使用 WebUI 或 ComfyUI 的人启动脚本里加不加参数性能差距极其明显。我见过太多人装完就直接双击启动连xformers都没有开。从 SD 1.5 的官方推荐配置看关键启动项有这些--xformers启用优化过的跨注意力加速模块能显著降低显存占用并提升速度老显卡和一些特定架构卡上都有效。如果遇到兼容问题可以试试--opt-split-attention。--opt-sub-quad-attention进一步把注意力计算分块适合显存比较紧张的场景。--no-half-vae防止 VAE 解码时因为半精度问题生成黑图代码层面它把 VAE 部分保持高精度代价是稍微多点显存。--medvram或--lowvram按显存大小分配策略中等显存用 medvram小显存用 lowvram。原理是把模型一部分一部分地加载到显存、算完再换下一部分属于典型的时间换空间。--precision full或--autocast老卡没有原生支持 FP16 的时候才需要现代显卡基本不用动。我自己常用的 WebUI 启动脚本是类似这种格式python launch.py --xformers --no-half-vae --medvram如果你的卡是 8G 显存--medvram可能不需要加上之后反而会因为频繁切换模型导致绘图变慢。这里有个常见的误解lowvram不是万能的显存明明够用却强制用 lowvram速度会大幅下降因为它会不停把模块换进换出。2.2 半精度陷阱FP16 和 FP32 的真相SD 的模型权重默认是 FP16半精度加载这没什么问题但 VAE 解码的时候用 FP16 在某些显卡上会产生一种很经典的“黑图”现象生成的图片暗部全糊成一团看起来像是曝光失败。遇到这种问题很多人第一反应是换模型其实只要启动参数里加上--no-half-vae就能解决。反过来也有人为了“画质更好”强行用 FP32 加载全部模型结果显存翻倍、速度减半画质提升肉眼根本看不出来。除非你是在做极专业的输出否则这是个负优化。SD 的生成过程本来就是“对噪声做逼近”FP16 的精度损失在 512 分辨率下几乎可以忽略。2.3 依赖库版本PyTorch 和 CUDA 版本差距很大这是最容易被忽视的一环。Stable Diffusion 生态跑在 PyTorch 上而 PyTorch 的推理性能除了看模型本身很大程度取决于底层库的编译优化。新版本 PyTorch 对 GPU 的调度、显存分配、算子融合都做了大量优化有时候同一张卡从旧版换到新版性能能差 20% 到 30%。怎么做把你当前环境的 Python 包列出来看下 PyTorch、CUDA 工具包、以及图像处理相关库的版本。不要急着升级到最新先查一下当前社区主要使用的组合。我用过的最稳妥搭配是Python 3.10 或 3.11配 PyTorch 2.x 版本CUDA 对应 11.8 或 12.x。如果本来就在较新版本上就别乱动了。还有一个经常被问到的“为什么同样的显卡别人比我快一倍”的情况对方可能开启了编译优化模式。比如你在 WebUI 的启动参数里加上--opt-split-attention它会在推理前做一次算子融合首次运行稍慢后续每次生成都能吃到红利。2.4 容易被忽略的虚拟内存和电源模式有人显存不是瓶颈速度也不是瓶颈但生成一会儿就卡一下风扇忽高忽低。这种情况往往不是显卡问题而是系统内存不够SD 会在显存和内存之间交换数据内存吃紧时整个系统都在挣扎。我的建议是给系统盘留足空间把虚拟内存页面文件设置成自动管理或者手动调大至少 16G 以上。运行 SD 时尽量不要同时开着十几个浏览器标签页再挂着大型软件这听起来像废话但真的很多人因为后台程序把内存和显存挤占掉导致 SD 生成速度暴跌。笔记本用户还要注意电源计划许多笔记本默认的“平衡模式”会限制显卡功耗。直接调到“高性能”模式或者去显卡控制面板里把 SD 对应程序的电源策略改成“最高性能优先”。3. 推理参数里藏着几倍速度差距采样、分辨率与批处理软件层堵完之后就要看每次生成时的参数了。同一张显卡用不同的采样步数和调度器速度能差出两三倍而出图效果的差距却未必有想象中那么大。3.1 步数真的不是越多越好很多人习惯把采样步数拉到 50、60觉得画质能更精细实际上步数超过 30 以后画面细节提升微乎其微但耗时按比例增长。我在不少模型上测试过SD 1.5 的模型在 20 到 30 步之间基本已经收敛SDXL 需要稍多一点但也很少有人能从 40 步和 50 步之间看出实质区别。采样器和步数是联动的不同采样器收敛速度不同。比如 DPM 系列迭代效率高、画质也好常见搭配是 20 到 30 步Euler 是经典快采样器20 步左右效果就不错UniPC 是近几年很流行的加速器能在 10 到 15 步内达到接近 20 步的效果。我有一个常用的判断方法用你要跑的模型先设定一个步数生成一批图然后只把步数减半生成另一批对比看。当两张图肉眼无法明显区分时那个更低步数就是你的舒适区。3.2 分辨率对显存和耗时的非线性影响SD 的消耗不是随分辨率线性上涨的而是近似平方关系。512 的图需要约 620 万像素的计算量1080 的图则要到 1166 万左右几乎是翻倍再翻倍。所以你把分辨率从 512 拉到 768显存占用和生成时间都会暴涨一大截。这里有个原理很多人不清楚SD 的实际生成分辨率并不是你填的像素尺寸而是模型内部 latent space 的尺寸它大概是像素尺寸除以 8。也就是说 512 分辨率的图在 UNet 眼里是 64x64 的特征图768 是 96x96这每一格特征向量都参与注意力计算计算量指数上升。如果显存不够可以尝试把图片尺寸控制在显存能稳定容纳的范围宁可先生成较小的图再用放大功能处理也不要强行用大尺寸硬刚。这属于“流程优化”而不是“硬件不足”。3.3 批量生成 Batch Size 的甜蜜点很多人以为 Batch Size 设得越大越好因为一次生成多张图模型加载成本摊薄了。理论上没问题但实际受限于显存和带宽。Batch Size 翻倍显存占用几乎也翻倍带宽更是吃紧。在我测试过的中端卡上Batch Size 从 1 加到 2速度提升只有 30% 到 50%远没到两倍加到 4 时经常直接 OOM。如果你的卡不是旗舰级别Batch Size 设 1 到 2 就够了想多试几组图不如把流程拆开一张一张跑反而更灵活。3.4 负面提示词、CLIP skip 和 Seed 的原理与可测教训负面提示词本质是让模型在采样时避开某些特征但它并不会直接拖慢速度。真正影响速度的是“提示词过长导致编码阶段变长”不过编解码只占整个流程很小比例几乎可以忽略。CLIP skip 改变的是不同 CLIP 层的输出对速度影响微乎其微主要还是影响语义理解的风格新手不需要为了“性能”调它。如果非要从参数里要性能我的核心建议只有一个在画质可接受的前提下把步数压到最低把批量压到最低把尺寸压到最低然后靠放大和细节修复来补画面。这看起来是绕远路实际上是把算力花在刀刃上。4. 显存不够自救手册切块、压缩、模型选型这部分是给 4G 到 6G 显存用户准备的。显存不够不完全是死路SD 生态里有几种成熟的“降级方案”核心思路都是牺牲一些时间和灵活性来换容量。4.1 半精度、量化与权重压缩的取舍前面说过 FP16 比 FP32 省一半显存几乎不损失画质。除此之外还可以考虑 INT8 量化模型显存占用进一步减半。代价是纹理细节可能变得稍微生硬极远处的结构容易糊。实际操作中低显存用户与其找量化版大模型不如选择本身就小一号的模型分支。比如社区有很多压缩过的模型文件占空间更小加载更快只是生成画质的上限稍低。我的建议是显存紧张的时候优先用 2G 级别的模型权重配 FP16而不是硬啃 4G 多的大模型。4.2 VAE 切块机制为什么大图画到一半爆显存当你把分辨率拉到 1024 以上SD 默认的 VAE 解码会一次性处理整个图像显存不够就爆。解决方法是开启 VAE 切块模式有些启动器叫“VAE Tiling”它把一大张图切成小块分别解码再拼回去。效果上几乎看不出接缝代价是解码时间变长可能要从一两秒涨到十几秒。但对大尺寸出图来说这已经是“能不能出”和“出不出得来”的区别了。同样的原理也适用于注意力计算切块对应启动参数里的--opt-split-attention或子图注意力模式。4.3 SD 1.5、SDXL、Turbo 模型怎么选如果你还在 SD 1.5 和 SDXL 之间纠结先看显存SDXL 的参数规模大约是 SD 1.5 的 4 倍即使 FP16 加载显存占用也直接拉到 8G 左右推理时间更是翻倍。而 SD 1.5 虽然构图能力和细节不如 SDXL但在低显存环境下胜在轻量和稳定。还有一个高效率方向是蒸馏模型也就是社区里的“Turbo”系列或类似名称。这类模型支持极少的采样步数常常 1 到 4 步就出图生成速度比普通模型快得夸张。代价是图像风格趋向简单复杂场景和特定构图要求下容易失真。它们适合快速验证构图、批量实验不适合精修输出。4.4 LoRA 插件不会增加多少显存很多人担心加 LoRA 会让显存爆炸其实 LoRA 本身占用的额外显存非常小因为附加模型只包含极小的低秩差异矩阵。在使用上一个 LoRA 增加的显存通常只有几十到几百 MB对性能的影响主要是加载时多一步推理时几乎可以忽略。反过来有些复杂 LoRA 数量太多每个都加载到显存里有可能会把 4G 卡推上边缘。解决办法是用完一个再换一个不要同时堆 5 个。5. 硬件侧还能榨出多少余量功耗墙、显存频率与散热软件方法榨干之后硬盘玩家开心的地方就来了。显卡在设计时往往预留了超出默认标定功耗的能力只是被功耗墙和温度墙限制住了。5.1 先用监控工具记录基线数据在动手之前先把显卡在 SD 连续生成时的核心频率、显存频率、功耗、温度记录下来。这一步的目的是拿到“性能瓶颈在谁的墙上被卡住”的证据。例如有些卡核心频率高达 2400MHz但功耗已经顶到上限说明撞功耗墙有些卡频率在跑图时掉得厉害可以看是温度还是供电限制导致的。在 SD 这种持续高负载场景下很多显卡会在功耗墙限制下自动降频如果你能稳固地把功耗墙往上拉 10% 到 20%同时温度还是压得住的核心频率就能稳定在更高位置生成时间的缩短是实打实的。5.2 功耗墙到底该怎么调调整工具不是重点重点是你得知道调整的原理。以我常用的方式为参考打开显卡控制面板里的频率/功耗调节把功耗限制提高到最大值然后逐步调整核心频率偏移每次加 30 到 50MHz跑一轮 SD 测试直到出现不稳定或热节流。需要注意的是显存频率超频对 SD 的收益在某些卡上甚至比核心频率还明显因为前面提过 SD 是高数据搬运负载显存带宽很关键。显存频率提升 100 到 200MHz 对生成速度的改善有时候能比核心超频多出 5% 到 10%。5.3 温度与散热的底层逻辑超频不是白来的功耗提升后发热立刻增加。显卡在核心温度升高时会自动降频保护如果你把功耗墙拉高了却让温度撞到降频线反而得不偿失。实际测试中温度每降低 10 度显卡在高负载下的稳定频率能高出一档对应到 SD 这类长时负载就是整体生成时间减少。如果你的机箱风扇能调曲线建议把起转温度调低一些如果是笔记本尽量垫高散热口或者考虑外接散热底座。做好散热后超频空间往往还能再挤出来一点。5.4 超频的安全边界和我踩过的一些坑安全超频的边界其实很明确不要动核心电压的大幅范围不要一次性把频率拉超过 200MHz 以上显存频率提升也不要超过默认标称太多。我见过最典型的翻车方式是把功耗和频率一起拉满连测都不测直接生成一张图跑到一半出现花屏或者黑屏重启。这通常不是硬件损坏而是不稳定的信号但长期在这种不稳定状态下跑长任务对显存颗粒和供电模组都是一种折磨。我的建议是每调整一次参数就用 SD 生成一张 768 分辨率的图连续跑 5 到 10 次确认每次都不花屏不重启才算稳定。还有一个小技巧SD 并不是连续跑得越快越好如果你的显卡在跑图时温度很快就贴到 80 度以上可以把一次大批量任务拆开中间留几秒“喘息”时间让温度回落整体速度反而可能更快因为避免了持续降频。6. 一套完整的优化实测链路从慢到快的调参过程前面讲了很多理论这一节我用一台非常典型的中端配置来做演示8G 显存核心和显存性能中规中矩跑 SD 1.5 模型。整个链路包括软件调整、依赖更新、推理参数优化和适度的硬件调教。6.1 初始状态默认配置下的基准数据刚装好的环境下启动脚本什么都没有加采样器用默认的 Euler步数 30分辨率 512x512Batch Size 1。生成一张图耗时大概 52 秒显存占用大约 5.8G温度 72 度核心利用率偏低但偶尔有尖峰。这个数据一出来就能判断不是算力不够也不是显存不够是软件环境在拖后腿以及显存占用刚好卡在一个不算富裕的边界上导致调度器频繁做资源管理。6.2 第一步加上启动参数把环境漏点补上在启动脚本中加入--xformers --opt-sub-quad-attention重启后再次生成同一张图。耗时从 52 秒降到 33 秒显存占用反而降到 4.9G核心利用率能稳定在 80% 以上。这说明之前的性能其实被跨注意力计算浪费掉了用了优化模块后同样路径下算得更快、存得更省。这一步不花一分钱收益却是所有操作里最大的。很多人跑 SD 慢其实就是缺了这个启动项。6.3 第二步更新依赖吃底层库优化的红利第二步把 PyTorch 版本升级到当前主流的 2.x 组合并用 WebUI 或 ComfyUI 自带的更新机制刷新依赖库。更新后再次生成同一张图耗时从 33 秒降到 27 秒。底层库的算子调度优化在这台机器上带来了约 18% 的提升。这里提醒一句更新依赖有风险如果当前环境运行稳定可以先把配置备份好再更新。我的习惯是每次升级后先跑同一组测试提示词和种子对比耗时和显存确认没有退化。6.4 第三步把推理参数调到合理范围接下来是参数层。采样器从 Euler 换成 DPM 2M步数从 30 降到 22同时分辨率保持 512x512。此时出图耗时降到 16 秒左右画质和之前肉眼对比几乎没有差别。再把 Batch Size 原地设置为 1避免批量并发触发不必要的显存交换。这一阶段你会发现显存占用已经降到了 4.1G 左右温度降到 68 度风扇噪音小了很多。这是参数优化的好处不仅提高了吞吐还减少了硬件压力。6.5 第四步适度的硬件调教最后一步是把功耗墙拉高 10%显存频率提升大约 150MHz同时把风扇曲线调得更主动一些。再次生成同一张图耗时从 16 秒降到 13.5 秒。作为对比如果此时把分辨率提到 768显存占用立刻回到 6G 出头速度也回落到 26 秒左右但依然在同配置默认环境下跑了近 60 秒的对比下优势明显。这一步的收益没有软件层那么夸张胜在稳定白赚。需要注意的是超频之后务必按前面说的方法连续验证稳定性特别是长时间跑图不花屏不重启。6.6 整个链路的收益总结和复现清单从 52 秒到 13.5 秒整个链条下来大约提速 3.8 倍显存占用还下降了 1.7G温度更低噪音更小。这不是靠某一项“魔法参数”而是每一项都贡献了一部分提升。按收益从大到小排列启动参数优化加了优化后注意力计算模块收益最明显。推理参数合理化降步数、换高效采样器。依赖库更新吃版本红利。硬件频率和功耗调整属于锦上添花。每台机器的体质不一样我的建议是照这个顺序逐步试每一项调整后用同一张图和同一个种子做对比方便精确判断哪一步带来了多少提升。一个小提示不要盲目照抄别人的“优化参数”看到这里你可能发现一个问题网上很多人晒出来的“神级配置文件”并不完全通用。同一个启动参数在不同显存容量、不同显卡架构上表现可能相反显存充足时加--medvram会变慢显存紧张时不加又会 OOM。最靠谱的做法是理解每个参数背后的原理用固定的基准测试方法去验证而不是照搬一份配置就万事大吉。如果你不知道怎么建基准测试就把我 6.1 里的步骤复现一遍记录同一张图在同一提示词和种子下的耗时、显存占用、温度和利用率。任何时候改动环境或参数前先记录“当前状态”改完了再记录“新状态”这样所有优化是否有效都一目了然。最后再分享一个我经常用的经验真正影响 SD 体验的往往不是最高那一次生成速度而是连续出图时的稳定性。很多人只盯着跑一张图的时间忽略了跑十张之后显存会不会越占越多、温度会不会越拉越高。我建议你在调完所有参数后连续跑 20 张风格不同的图如果全程不爆显存、不花屏、不重启这套配置才算真正毕业。