Генерация одного изображения в Stable Diffusion занимает несколько минут или завершается ошибкой CUDA out of memory — типичный признак того, что видеокарте не хватает видеопамяти под выбранные параметры. Чаще всего проблему решают не заменой железа, а правильными флагами запуска и настройками интерфейса: снижением разрешения, включением оптимизации внимания и режима низкого потребления VRAM.
В этом руководстве разберём практические методы оптимизации Stable Diffusion для локального запуска: от базовых настроек AUTOMATIC1111 WebUI и ComfyUI до работы с моделями в формате fp16 и тайлингом. Большинство приёмов применимы на видеокартах NVIDIA с 4–8 ГБ видеопамяти, а часть советов актуальна и для более мощных конфигураций.
Диагностика: что именно тормозит генерацию
Перед настройкой полезно понять, где узкое место. Откройте диспетчер задач Windows или утилиту nvidia-smi в командной строке во время генерации и посмотрите загрузку GPU и занятую видеопамять. Если VRAM заполнена почти полностью, а GPU простаивает — проблема в памяти, и оптимизировать нужно именно её расход.
Если видеопамяти хватает, но генерация всё равно медленная, причина может быть в отсутствии оптимизаций внимания, неподходящем сэмплере или слишком большом количестве шагов. Обратите внимание и на диск: загрузка модели с медленного HDD добавляет десятки секунд к каждому переключению чекпоинта.
- 🔍 Проверьте занятую VRAM через
nvidia-smiво время генерации - ⏱️ Замерьте время одной итерации — оно отображается в интерфейсе WebUI
- 💾 Убедитесь, что модели лежат на SSD, а не на внешнем HDD
- 🌡️ Следите за температурой GPU: троттлинг снижает скорость незаметно для пользователя
Флаги запуска и оптимизация внимания
Главный рычаг оптимизации в AUTOMATIC1111 — аргументы командной строки в файле webui-user.bat. Откройте его в текстовом редакторе и допишите нужные параметры в строку set COMMANDLINE_ARGS=. Для карт с 4–6 ГБ VRAM обычно используют флаг --medvram, а при совсем малом объёме памяти — --lowvram, который переносит часть вычислений в оперативную память ценой скорости.
Второй важный параметр — оптимизация механизма внимания. Флаг --xformers подключает библиотеку xFormers, которая заметно снижает расход VRAM и ускоряет генерацию на картах NVIDIA. Если установка xFormers вызывает трудности, в настройках WebUI доступны встроенные альтернативы — например, оптимизация scaled dot product attention, которая работает без дополнительных зависимостей.
set COMMANDLINE_ARGS=--xformers --medvram --autolaunch⚠️ Внимание: флаги--lowvramи--medvramнельзя использовать одновременно — выберите один. Режим lowvram существенно замедляет генерацию, поэтому начинайте с medvram и переходите к lowvram только при ошибках нехватки памяти.
Настройки генерации: разрешение, шаги, сэмплер
Разрешение изображения влияет на расход VRAM сильнее всего: нагрузка растёт квадратично. Модели семейства SD 1.5 обучены на 512×512, а SDXL — на 1024×1024, и генерация в «родном» разрешении даёт и лучшее качество, и предсказуемое потребление памяти. Если нужна картинка большего размера, используйте Hires. fix или апскейл вместо прямой генерации в огромном разрешении.
Количество шагов — второй фактор скорости. Для большинства современных сэмплеров типа DPM++ 2M Karras достаточно 20–30 шагов; дальнейшее увеличение почти не меняет результат, но пропорционально растягивает время. Проверьте это на практике: сгенерируйте одно и то же изображение с фиксированным seed при 20 и 50 шагах и сравните.
☑️ Базовая оптимизация генерации
| Параметр | Влияние на VRAM | Влияние на скорость | Рекомендация |
|---|---|---|---|
| Разрешение | Очень сильное | Сильное | Родное для модели |
| Количество шагов | Нет | Прямо пропорциональное | 20–30 шагов |
| Batch size | Сильное | Почти нет | 1, при нехватке памяти |
| xFormers | Снижает расход | Ускоряет | Включить на NVIDIA |
| Модель fp16 | Снижает вдвое | Ускоряет | Использовать вместо fp32 |
Отдельно стоит сказать про batch size и batch count: увеличивайте количество генераций через batch count, а не batch size. Пакетная генерация нескольких изображений за один проход (batch size) требует кратно больше VRAM, тогда как последовательные генерации (batch count) дают тот же результат без дополнительной нагрузки на память.
Работа с моделями: форматы и размер
Чекпоинты распространяются в двух вариантах точности: fp32 и fp16. Версия fp16 занимает примерно вдвое меньше места и видеопамяти при практически неотличимом качестве — для инференса (генерации) половинной точности достаточно. Если у вас скачана fp32-модель, поищите fp16-вариант на странице автора.
Дополнительные модели — LoRA, ControlNet, VAE — тоже расходуют память. Каждый активный блок ControlNet добавляет заметную нагрузку, поэтому на слабых картах имеет смысл снижать разрешение управляющего изображения и отключать неиспользуемые юниты. В WebUI проверьте, что в настройках не включена постоянная загрузка всех моделей в VRAM.
⚠️ Внимание: скачивайте чекпоинты только с проверенных площадок и предпочитайте формат.safetensors— в отличие от устаревшего.ckpt, он не допускает исполнения произвольного кода при загрузке модели.
Оптимизация ComfyUI и альтернативных интерфейсов
В ComfyUI управление памятью устроено иначе: интерфейс сам выгружает неиспользуемые модели и каскадно обрабатывает граф нод, что само по себе экономит VRAM. Для слабых карт предусмотрены флаги запуска --lowvram и --novram, а также ноды тайловой обработки для апскейла больших изображений по частям.
Если вы работаете с SDXL на карте с 6–8 ГБ, ComfyUI нередко оказывается эффективнее классического WebUI за счёт более грамотного планирования памяти. Переход между интерфейсами не требует переустановки моделей — достаточно указать путь к существующей папке чекпоинтов в файле конфигурации.
Как указать ComfyUI папку с моделями WebUI
Скопируйте файл extra_model_paths.yaml.example, переименуйте его в extra_model_paths.yaml и пропишите в нём путь к папке models вашей установки AUTOMATIC1111. После перезапуска ComfyUI подхватит все чекпоинты, LoRA и VAE без копирования файлов.
Типичные ошибки и их решение
Ошибка CUDA out of memory — самая частая. Порядок действий: снизьте разрешение, уменьшите batch size до единицы, включите --medvram и xFormers, закройте браузерные вкладки с видео и другие программы, потребляющие VRAM. Помогает и перезапуск WebUI — память иногда фрагментируется после долгой сессии с частой сменой моделей.
Чёрные квадраты вместо изображения обычно означают переполнение при вычислениях в fp16 на некоторых картах. В этом случае попробуйте флаг --no-half для проверки (генерация станет медленнее и прожорливее) или --precision full --no-half-vae — последний вариант отключает половинную точность только для VAE, что часто устраняет артефакты без большой потери скорости.
- 🖼️ Чёрное изображение — проверьте VAE и попробуйте
--no-half-vae - 💥 Вылет с OOM — снизьте разрешение и включите medvram
- 🐌 Резкое падение скорости — проверьте, не ушла ли карта в троттлинг от перегрева
- 🔄 Долгая смена модели — перенесите чекпоинты на SSD
FAQ: частые вопросы по оптимизации
Можно ли запустить Stable Diffusion на видеокарте с 4 ГБ VRAM?
Да, для моделей SD 1.5 это реально: используйте флаг --lowvram, разрешение 512×512, fp16-модель и batch size 1. Генерация будет медленнее, чем на старших картах, но вполне рабочая. SDXL на 4 ГБ запустить крайне сложно — лучше ориентироваться на облегчённые или квантованные варианты моделей, если они доступны для вашего интерфейса.
Ускоряет ли генерацию увеличение оперативной памяти?
Напрямую — нет, скорость определяется видеокартой. Однако при нехватке RAM система начинает использовать файл подкачки, что заметно тормозит загрузку моделей и работу интерфейса. Комфортный минимум для локальной работы — 16 ГБ оперативной памяти.
Что лучше для скорости: больше шагов или Hires. fix?
Это разные задачи. Шаги влияют на детализацию в пределах одного прохода, а Hires. fix повышает итоговое разрешение через второй проход с апскейлом. Для качественной картинки большого формата Hires. fix эффективнее, чем генерация сразу в высоком разрешении: и памяти требует меньше, и композиция получается стабильнее.
Работает ли оптимизация на видеокартах AMD?
На Windows поддержка AMD ограничена; чаще используют запуск через DirectML или Linux с ROCm. xFormers и часть флагов в этих конфигурациях могут быть недоступны, поэтому набор рабочих приёмов отличается — сверяйтесь с документацией вашего интерфейса под конкретную связку GPU и ОС.
Нужно ли обновлять драйверы NVIDIA для Stable Diffusion?
Да, свежий драйвер желателен: версии CUDA, с которыми собраны библиотеки PyTorch, требуют совместимого драйвера. Если после обновления WebUI или PyTorch генерация падает с ошибками CUDA, первым делом обновите драйвер видеокарты с официального сайта NVIDIA.