Ошибка Torch is not able to use GPU при первом запуске Stable Diffusion на Linux почти всегда означает одно: PyTorch установился в CPU-сборке или система не видит драйвер NVIDIA. Это самая частая точка отказа при установке, и в этой статье разберём весь путь — от подготовки системы до рабочего веб-интерфейса, который генерирует изображения на вашей видеокарте.
Stable Diffusion — локальная нейросеть для генерации изображений, и Linux считается одной из самых удобных платформ для её запуска: здесь проще управлять зависимостями, виртуальными окружениями и версиями CUDA. Ниже — инструкция для двух популярных интерфейсов: AUTOMATIC1111 WebUI и ComfyUI, а также разбор типичных проблем.
Системные требования и подготовка
Перед установкой проверьте, что оборудование соответствует минимальным требованиям. Критичный параметр — объём видеопамяти (VRAM): для комфортной работы с моделями SD 1.5 желательно от 6 ГБ, для SDXL — от 8 ГБ, хотя существуют режимы запуска и на более слабых картах с флагами оптимизации.
На диске потребуется заметный запас места: сам интерфейс, зависимости Python и хотя бы одна модель (чекпоинт обычно занимает от 2 до 7 ГБ). Рекомендуется иметь свободными минимум 20–30 ГБ, а лучше больше, если планируете коллекцию моделей.
- 🎮 Видеокарта NVIDIA с поддержкой CUDA — предпочтительный вариант; карты AMD работают через ROCm, но список поддерживаемых моделей ограничен
- 🐧 64-битный дистрибутив Linux: Ubuntu, Debian, Fedora, Arch или производные
- 💾 От 20 ГБ свободного места на диске и желательно 16 ГБ оперативной памяти
- 🌐 Стабильный интернет для загрузки зависимостей и моделей
Установка драйверов и зависимостей
Начните с проверки драйвера. Выполните в терминале nvidia-smi: если команда выводит таблицу с названием видеокарты и версией драйвера — всё в порядке. Если вы видите «command not found» или ошибку обращения к устройству, сначала установите проприетарный драйвер штатными средствами вашего дистрибутива (в Ubuntu это раздел «Программы и обновления» → «Дополнительные драйверы», либо пакетный менеджер).
Далее установите базовые пакеты. Для Debian/Ubuntu команда выглядит так:
sudo apt update
sudo apt install git python3 python3-venv python3-pip wget
Обратите внимание на версию Python. AUTOMATIC1111 исторически ориентирован на Python 3.10, и на системах с Python 3.11 или 3.12 могут возникать конфликты зависимостей. Проверить версию можно командой python3 --version. Если версия новее, рассмотрите установку Python 3.10 из репозиториев или использование менеджера версий вроде pyenv.
⚠️ Внимание: не устанавливайте Stable Diffusion и его зависимости в системный Python через sudo pip install. Это засоряет системные пакеты и приводит к конфликтам. Всегда используйте виртуальное окружение — скрипты запуска WebUI создают его автоматически.
Установка AUTOMATIC1111 WebUI
Это самый популярный интерфейс для Stable Diffusion. Клонируйте репозиторий в домашнюю папку:
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
Запуск выполняется скриптом ./webui.sh. При первом старте скрипт сам создаст виртуальное окружение, скачает PyTorch и остальные зависимости — процесс может занять продолжительное время в зависимости от скорости соединения. Не прерывайте его, даже если кажется, что загрузка «зависла» на больших пакетах.
☑️ Проверка перед первым запуском webui.sh
После завершения установки в терминале появится строка вида Running on local URL: http://127.0.0.1:7860. Откройте этот адрес в браузере — вы увидите интерфейс генерации. Осталось положить файл модели (например, скачанный чекпоинт в формате .safetensors) в папку models/Stable-diffusion и выбрать его в выпадающем списке сверху.
Установка ComfyUI как альтернатива
ComfyUI — узловой (node-based) интерфейс, который ценят за гибкость и экономию видеопамяти. Установка похожа: клонируем репозиторий, создаём окружение, ставим зависимости.
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
source venv/bin/activate
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt
Запуск — командой python main.py, интерфейс откроется на порту 8188. Модели размещаются в папке models/checkpoints. Если у вас уже стоит AUTOMATIC1111, модели можно не дублировать: ComfyUI поддерживает общий файл конфигурации extra_model_paths.yaml, где указываются пути к существующим каталогам моделей.
Сравнение вариантов запуска
Выбор зависит от ваших задач и железа. Таблица ниже поможет сориентироваться:
| Интерфейс | Сложность освоения | Расход VRAM | Кому подходит |
|---|---|---|---|
| AUTOMATIC1111 | Низкая | Средний | Новичкам, нужен привычный UI |
| ComfyUI | Средняя | Низкий | Опытным, слабым видеокартам |
| Fooocus | Минимальная | Средний | Тем, кто хочет результат без настроек |
| Запуск только на CPU | — | Не используется | Тестирование, очень медленно |
Типичные ошибки и их решение
Разберём проблемы, с которыми чаще всего сталкиваются при установке на Linux.
- 🔥 CUDA out of memory — видеокарте не хватает памяти; добавьте в
webui-user.shпараметры запуска--medvramили--lowvram - 🧩 Конфликт версий Python — скрипт не находит подходящий интерпретатор; укажите путь к Python 3.10 в переменной
python_cmdв файлеwebui-user.sh - 📦 Ошибки pip при установке зависимостей — удалите папку
venvи запустите скрипт заново, чтобы окружение пересоздалось чисто - 🖥️ Нет GPU в списке устройств — переустановите PyTorch с CUDA-сборкой и проверьте
nvidia-smi
⚠️ Внимание: не копируйте флаги запуска из чужих конфигураций вслепую. Параметры вроде--xformers,--medvramили--precision fullзависят от конкретной видеокарты и версии PyTorch — лишние флаги могут ухудшить производительность или вызвать новые ошибки.
Как запускать WebUI на картах AMD
Для карт AMD используется ROCm вместо CUDA. PyTorch ставится из репозитория ROCm-сборок (index-url с пометкой rocm), а WebUI обычно запускается с параметрами, отключающими CUDA-специфичные проверки. Поддержка зависит от конкретной модели GPU — актуальный список совместимых карт смотрите в официальной документации ROCm, так как он меняется от версии к версии.
Оптимизация и обновление
После успешного запуска имеет смысл настроить постоянные параметры в файле webui-user.sh (для AUTOMATIC1111) — там задаётся переменная COMMANDLINE_ARGS. Так вы избавитесь от необходимости каждый раз вводить флаги вручную.
Обновление WebUI выполняется стандартно для git-проектов: git pull в папке репозитория, затем перезапуск скрипта — он подтянет изменившиеся зависимости. Перед обновлением разумно сохранить копию папки models и ваших настроек, хотя сами модели обновление обычно не затрагивает.
Скорость генерации на Linux с NVIDIA-картой и CUDA-сборкой PyTorch, как правило, не уступает Windows, а при использовании xformers или оптимизированного внимания может быть заметно стабильнее на длинных сессиях.
Часто задаваемые вопросы
Можно ли запустить Stable Diffusion без видеокарты NVIDIA?
Да. Возможен запуск на CPU (очень медленно) и на картах AMD через ROCm — список поддерживаемых GPU ограничен, проверяйте совместимость в документации ROCm. Также существуют сборки с использованием других бэкендов, но NVIDIA остаётся самым беспроблемным вариантом.
Сколько места занимает Stable Diffusion на диске?
Сам интерфейс с зависимостями занимает несколько гигабайт, каждая модель — примерно от 2 до 7 ГБ. С коллекцией моделей, LoRA и VAE папка быстро вырастает, поэтому закладывайте минимум 20–30 ГБ свободного места.
Почему webui.sh выдаёт ошибку про версию Python?
AUTOMATIC1111 рассчитан на Python 3.10. Если в системе стоит более новая версия, установите Python 3.10 из репозиториев дистрибутива или через pyenv и укажите его в переменной python_cmd в файле webui-user.sh.
Как перенести модели из Windows-установки?
Файлы моделей кроссплатформенны: просто скопируйте .safetensors или .ckpt файлы в папку models/Stable-diffusion (AUTOMATIC1111) или models/checkpoints (ComfyUI). Для ComfyUI также можно указать внешние пути через extra_model_paths.yaml.
Нужен ли интернет после установки?
Нет, генерация выполняется полностью локально. Интернет нужен только для первоначальной установки, обновлений и скачивания новых моделей.