运行Stable Diffusion WebUI时出现“CUDA out of memory”错误，该怎么解决？

遇到“CUDA out of memory”错误，说明显卡显存（VRAM）不足以处理当前的生成任务。你可以通过以下方法尝试解决，建议按顺序尝试：

1. 立即降低显存占用（最有效）

• 减小图像尺寸：将生成分辨率（如512x512）降低，或使用更小的长宽比例。
• 减小批处理数量：在WebUI设置中，将“Batch size”和“Batch count”均设为1。
• 使用--medvram或--lowvram参数：在启动WebUI的命令行中添加这些参数（适用于Nvidia显卡）。
  • --medvram：为中等显存显卡（如6-8GB）优化。
  • --lowvram：为低显存显卡（如4GB）优化，但会显著降低生成速度。

2. 优化WebUI设置

• 在Settings > Stable Diffusion界面中：
  • 勾选“Enable quantization in K samplers”（降低采样器精度）。
  • 勾选“Always discard weights to VRAM”（及时释放权重）。
• 在Settings > System > Cross attention优化中，尝试选择“xFormers”（需已安装）或“scaled-dot-product”以提升效率。

3. 调整生成参数

• 降低采样步数（如从50步降至20-30步）。
• 避免使用过高分辨率的LoRA或Embedding模型。
• 生成高分辨率图片时，使用高清修复（Hires. fix） 的分步放大功能，而非直接生成大图。

4. 关闭其他占用显存的程序

• 确保没有其他游戏、深度学习任务或视频剪辑软件在后台运行。

5. 使用CPU卸载或模型优化

• 添加启动参数--cpu可将部分模型加载到系统内存，但速度会变慢。
• 考虑将模型转换为更节省显存的格式（如使用.safetensors格式的模型）。

6. 终极方案（硬件或替代方案）

• 升级显卡（显存≥8GB会更稳定）。
• 使用在线GPU租赁服务（如Google Colab、AutoDL）。
• 尝试本地优化的衍生版本（如Stable Diffusion WebUI Forge分支，显存管理更高效）。

操作建议：先从第1步开始，逐步尝试至第3步，通常可解决大部分中低端显卡的显存问题。如果仍无法解决，可结合日志文件（命令行窗口）中的显存占用数据进一步排查模型或扩展插件的兼容性问题。