1. AMD显卡运行Stable Diffusion的现状与挑战在AI绘画领域NVIDIA显卡凭借CUDA生态占据绝对优势这让AMD显卡用户常常陷入尴尬境地。我使用RX 6700 XT显卡折腾Stable Diffusion的经历可谓一波三折——官方版本直接报错各种依赖冲突不断直到发现了DirectML这个救命稻草。目前Windows平台主要有三种方案DirectML方案微软开发的通用机器学习接口兼容性最佳ROCm方案AMD官方计算平台但Windows支持有限ZLuda转换层将CUDA调用转为HIP但成熟度较低经过实测DirectML分支的稳定性最好虽然相比NVIDIA显卡会有20-30%的性能损失但至少能完整支持文生图、图生图、LoRA等核心功能。需要注意的是训练功能目前仍然不可用这是最大的局限性。2. 环境准备与依赖安装2.1 硬件与系统要求建议至少满足以下配置AMD显卡RX 5000系列及以上RDNA架构VRAM容量8GB以上4GB可运行但限制较多系统版本Windows 10 21H2或更高重要提示部分旧版驱动会导致模型加载失败务必通过AMD Adrenalin控制台更新到最新WHQL驱动2.2 基础软件安装按顺序完成这些准备工作安装Python 3.10.6必须勾选Add to PATH安装Git for Windows选择Use Git from Windows Command Prompt安装Visual Studio 2022勾选使用C的桌面开发工作负载特别要注意Python版本必须精确匹配3.10.6这是由PyTorch的二进制兼容性决定的。我曾尝试3.11版本结果在安装torch-directml时出现ABI不兼容错误。3. DirectML版WebUI部署详解3.1 代码库克隆与初始化执行以下命令完成仓库克隆git clone https://github.com/lshqqytiger/stable-diffusion-webui-directml cd stable-diffusion-webui-directml git submodule init git submodule update这个分支仓库的主要改动包括将PyTorch替换为torch-directml后端修改了CUDA相关操作的HIP实现添加了自动内存优化逻辑3.2 启动参数配置修改webui-user.bat文件根据显存容量添加参数6GB以下显存set COMMANDLINE_ARGS--opt-sub-quad-attention --lowvram --disable-nan-check8GB显存set COMMANDLINE_ARGS--medvram --disable-nan-check12GB以上显存set COMMANDLINE_ARGS--disable-nan-check--disable-nan-check参数对AMD显卡至关重要可以避免因精度问题导致的中断。4. 模型部署与性能优化4.1 基础模型放置将模型文件(.ckpt或.safetensors)放入stable-diffusion-webui-directml/models/Stable-diffusion实测兼容性较好的模型AnythingV5文件大小约7GBCounterfeitXL适合中低端显卡国风3GuoFeng3显存占用优化好4.2 性能调优技巧在config.json中添加这些参数可提升20%速度{ use_directml: true, enable_attention_slicing: true, channels_last_memory_format: false, enable_model_cpu_offload: false }如果遇到图像撕裂问题尝试关闭Adrenalin中的Radeon Image Sharpening在游戏配置文件中将Stable Diffusion进程设为省电模式5. 常见问题解决方案5.1 启动阶段问题报错Could not locate zlib.dll解决方法从官方仓库重新克隆不要使用第三方打包版本卡在Installing requirements按Enter键继续执行删除venv文件夹后重试5.2 运行阶段问题生成纯黑图像添加--precision full参数更换为fp32版本的模型显存不足报错添加--lowvram参数降低分辨率至512x512关闭ControlNet等扩展5.3 性能异常排查使用AMD Profiler工具检查运行命令./webui.sh --profile查看生成的timeline.json重点关注kernel_dispatch耗时典型性能瓶颈及解决内存拷贝耗时高 → 启用--opt-split-attention着色器编译卡顿 → 预编译kernel需修改launch.py6. 进阶使用技巧6.1 多实例并行运行修改webui-user.bat实现多开set COMMANDLINE_ARGS--port 7861 --medvram start webui.bat set COMMANDLINE_ARGS--port 7862 --medvram start webui.bat每个实例建议分配基础显存2GB每任务增量1.5GB6.2 自定义扩展安装以ControlNet为例的特殊安装步骤手动克隆扩展仓库到extensions目录编辑install.py注释掉CUDA检查单独安装requirements.txt中的非CUDA依赖6.3 模型量化部署使用这个脚本转换FP16模型from diffusers import StableDiffusionPipeline import torch_directml pipe StableDiffusionPipeline.from_single_file(model.safetensors) pipe.save_pretrained(output_dir, variantfp32)量化后模型特点显存占用减少40%生成速度降低15%更适合RX 6000系列显卡经过两周的实测RX 6700 XT在512x512分辨率下可以达到2.5it/s的速度虽然不及同级别N卡但已经足够日常使用。最关键的突破是终于能正常使用LoRA和ControlNet这些进阶功能了。