Ошибка CUDA out of memory при первой генерации изображения в Stable Diffusion на GTX 1660 — самая частая проблема владельцев этой карты: у неё всего 6 ГБ видеопамяти, а модель SD 1.5 при стандартных настройках пытается занять больше. Хорошая новость в том, что карта полностью совместима с Stable Diffusion — она поддерживает CUDA и имеет достаточную вычислительную мощность, нужно лишь правильно подобрать параметры запуска.
В этом руководстве разберём, какую сборку интерфейса выбрать, какие флаги оптимизации включить, какого разрешения и скорости генерации реально ожидать, а также как решать типичные ошибки. Материал ориентирован на Windows 10/11, поскольку именно эта платформа чаще всего используется для локальной генерации изображений.
Подойдёт ли GTX 1660 для Stable Diffusion
Короткий ответ — да, но с оговорками. Линейка GTX 1660 включает несколько модификаций: обычную GTX 1660, GTX 1660 Super и GTX 1660 Ti. Все они оснащены 6 ГБ видеопамяти GDDR5 или GDDR6 и построены на архитектуре Turing. Главное отличие от старших карт RTX — отсутствие тензорных ядер, из-за чего генерация идёт медленнее, чем на RTX 2060 и выше, но сама возможность работы никуда не исчезает.
Ключевое ограничение — объём VRAM. Базовая модель Stable Diffusion 1.5 вполне умещается в 6 ГБ при использовании оптимизированного внимания и половинной точности. А вот SDXL и крупные модели требуют заметно больше памяти: на GTX 1660 они либо не запустятся, либо будут работать крайне медленно через выгрузку части модели в оперативную память.
- 🟢 SD 1.5 и её кастомные чекпоинты — полноценно работают с оптимизациями
- 🟡 SD 2.x — запускается, но практического смысла мало из-за популярности SD 1.5
- 🔴 SDXL — формально возможен с
--lowvram, но скорость делает режим малопригодным - 🟢 Обучение LoRA — возможно в минимальных конфигурациях, но требует терпения
Выбор интерфейса: AUTOMATIC1111, ComfyUI или Fooocus
От выбора веб-интерфейса зависит и расход видеопамяти, и удобство работы. Для слабых карт выбор особенно важен — разные сборки по-разному управляют памятью.
AUTOMATIC1111 WebUI — самый популярный вариант с огромной базой расширений. Именно для него написано больше всего гайдов, и он поддерживает все ключевые флаги оптимизации памяти. ComfyUI — узловой интерфейс, который экономнее расходует VRAM и часто быстрее на слабых картах, но требует привыкания. Fooocus — максимально простая программа с автоматическими оптимизациями, подходит новичкам, которые хотят результат без погружения в настройки.
| Интерфейс | Расход VRAM | Сложность освоения | Кому подходит |
|---|---|---|---|
| AUTOMATIC1111 | Средний, гибко настраивается | Средняя | Тем, кто хочет расширения и гайды |
| ComfyUI | Низкий | Высокая | Опытным пользователям |
| Fooocus | Низкий, автооптимизация | Минимальная | Новичкам |
| SD.Next | Средний | Средняя | Экспериментаторам |
Если сомневаетесь — начните с AUTOMATIC1111: под него проще найти решение любой возникшей ошибки, а сообщество уже много лет тестирует его именно на 6-гигабайтных картах.
Установка и флаги оптимизации
Перед установкой убедитесь, что у вас свежий драйвер NVIDIA, установлены Python 3.10.x (для AUTOMATIC1111 рекомендуется именно эта ветка) и Git. Затем клонируйте репозиторий или скачайте готовую сборку и поместите файл модели с расширением .safetensors в папку models/Stable-diffusion.
Главный шаг для владельцев GTX 1660 — прописать параметры запуска. Откройте файл webui-user.bat в текстовом редакторе и найдите строку COMMANDLINE_ARGS. Для 6 ГБ VRAM базовый набор выглядит так:
set COMMANDLINE_ARGS=--xformers --medvram --opt-split-attentionРазберём каждый флаг. --xformers подключает оптимизированный механизм внимания, который заметно снижает потребление памяти и ускоряет генерацию. --medvram разбивает модель на части и подгружает их по очереди — это почти не влияет на скорость, но существенно экономит VRAM. Если памяти всё равно не хватает, замените его на --lowvram, но будьте готовы к падению скорости.
☑️ Подготовка GTX 1660 к запуску Stable Diffusion
⚠️ Внимание: флаг--lowvramсильно замедляет генерацию, иногда в несколько раз. Используйте его только если с--medvramпоявляется ошибка нехватки памяти — это крайняя мера, а не настройка по умолчанию.
Оптимальные настройки генерации
После запуска интерфейса важно не перемудрить с параметрами. Для 6 ГБ видеопамяти комфортное базовое разрешение — 512×512. Вертикальные кадры 512×768 тоже работают, особенно с включённым --medvram. Попытка сразу генерировать 1024×1024 почти гарантированно приведёт к ошибке памяти или артефактам вроде дублирующихся объектов.
Для увеличения итогового разрешения используйте Hires. fix или апскейлеры — они сначала генерируют маленькое изображение, а затем повышают его детализацию. Это стандартный и безопасный для памяти путь. Число шагов (steps) держите в диапазоне 20–30: большее количество почти не улучшает картинку, но пропорционально растягивает время ожидания.
- ⚙️ Sampler: Euler a или DPM++ 2M Karras — быстрые и стабильные
- ⚙️ Steps: 20–30 для большинства задач
- ⚙️ CFG Scale: стандартные 7–8, завышение даёт пересвеченные цвета
- ⚙️ Batch size: 1 — пакетная генерация резко повышает расход VRAM
По скорости ориентируйтесь примерно так: изображение 512×512 на 20–25 шагах на GTX 1660 обычно занимает от десятка секунд до минуты в зависимости от сэмплера и включённых оптимизаций. Точные цифры зависят от конкретной модификации карты, драйвера и настроек, поэтому воспринимайте их как порядок величин, а не гарантию.
Решение типичных ошибок
Самая частая ошибка — CUDA out of memory. Она означает, что под генерацию не хватило видеопамяти. Порядок действий: уменьшите разрешение до 512×512, убедитесь, что активны --xformers и --medvram, закройте сторонние программы и перезапустите интерфейс. Если не помогло — переключитесь на --lowvram.
Вторая распространённая ситуация — генерация идёт, но задействуется процессор вместо видеокарты, и скорость падает до нескольких минут на кадр. Проверьте, что установлена версия PyTorch с поддержкой CUDA, а не CPU-сборка. Обычно установщик AUTOMATIC1111 ставит нужный вариант автоматически, но при ручной установке зависимостей легко ошибиться. Также убедитесь, что драйвер NVIDIA не устарел настолько, что не поддерживает требуемую версию CUDA.
⚠️ Внимание: не скачивайте «оптимизированные» сборки Stable Diffusion с непроверенных сайтов — под видом готовых пакетов нередко распространяется вредоносное ПО. Используйте официальные репозитории проектов на GitHub и модели с известных площадок, проверяя файлы антивирусом.
Если интерфейс вылетает без видимой ошибки, откройте консольное окно, из которого запускался WebUI, — там почти всегда есть текстовый лог с причиной. Поиск точного текста ошибки в сети даёт решение значительно быстрее, чем перебор настроек вслепую.
Почему на GTX 1660 нет ускорения как на RTX
У видеокарт серии GTX 16 отсутствуют тензорные ядра, которые в картах RTX ускоряют операции с пониженной точностью, активно используемые нейросетями. Поэтому даже при схожем объёме памяти RTX 2060 генерирует изображения заметно быстрее GTX 1660. Это аппаратное ограничение, и никакие настройки его не компенсируют полностью — но на итоговое качество картинки оно не влияет, только на скорость.
ControlNet, LoRA и другие расширения
Расширения заметно повышают расход видеопамяти, поэтому на GTX 1660 к ним нужен взвешенный подход. LoRA — небольшие дополнения к модели — работают практически без накладных расходов и смело используются. А вот ControlNet загружает дополнительную нейросеть, и одновременное применение нескольких юнитов ControlNet на 6 ГБ обычно заканчивается ошибкой памяти.
Практический подход: используйте один юнит ControlNet за раз, уменьшайте разрешение контрольного изображения и при необходимости включайте режим низкого расхода VRAM в настройках расширения, если он предусмотрен вашей версией. Точные названия переключателей зависят от версии расширения — сверяйтесь с его документацией.
Альтернативы, если скорость не устраивает
Если локальная генерация кажется слишком медленной, есть обходные пути. Один из них — облегчённые модели вроде SD 1.5 Turbo или LCM-LoRA, которые генерируют приемлемый результат за 4–8 шагов вместо 25, что кратно ускоряет работу даже на слабой карте.
Другой вариант — облачные сервисы и Google Colab, где вычисления выполняются на удалённом GPU, а ваша карта лишь отображает интерфейс. У этого подхода есть ограничения: бесплатные тарифы ограничивают время сессий, а часть сервисов модерирует контент. Зато он позволяет запускать даже SDXL, недоступный локально.
Часто задаваемые вопросы
Потянет ли GTX 1660 модели SDXL?
Формально запуск возможен с флагом --lowvram и сниженным разрешением, но скорость будет очень низкой из-за постоянной выгрузки частей модели в оперативную память. Для комфортной работы с SDXL желательно 8 ГБ VRAM и более. На GTX 1660 разумнее оставаться на моделях семейства SD 1.5.
Сколько времени занимает генерация одного изображения?
Для 512×512 при 20–25 шагах с включённым xformers — ориентировочно от десятка секунд до минуты. Точное время зависит от модификации карты (обычная, Super или Ti), сэмплера и фоновой нагрузки на систему.
Что лучше для GTX 1660: --medvram или --lowvram?
Начинайте с --medvram: он экономит память почти без потери скорости. Переходите на --lowvram только если ошибки нехватки памяти сохраняются — этот режим заметно медленнее.
Можно ли обучать собственные модели на GTX 1660?
Полноценный файнтюн модели на 6 ГБ практически нереален, но обучение небольших LoRA возможно в минимальных конфигурациях с низким разрешением и маленьким батчем. Процесс будет долгим, и для серьёзных экспериментов лучше рассмотреть облачные мощности.
Работает ли Stable Diffusion на GTX 1660 в Linux?
Да, при установленных проприетарных драйверах NVIDIA и CUDA-совместимой версии PyTorch карта работает и в Linux. Владельцы Linux-систем иногда отмечают чуть более эффективное использование памяти, но принципиальной разницы в возможностях нет — те же флаги оптимизации применимы в обеих системах.