6G、8G 小显卡跑 SD 老爆显存崩掉?这套省显存设置先存下

　　玩 Stable Diffusion 的人,十个里有八个一开始都被”爆显存”教育过。出图出到一半,控制台啪一下红字 CUDA out of memory,图没了,人也麻了。尤其是手里只有 6G、8G 这种甜品卡的,跑 SD1.5 还凑合,一上 SDXL 基本就是开盲盒——能不能出全看运气。

　　其实显存不够不是绝症,绝大多数情况靠设置就能压下去。下面这套办法我按”先动哪个、再动哪个”的顺序排了一下,你照着来,别一上来就把所有开关全打开,那样反而容易顾此失彼。

第一步:启动参数先挂对

　　如果你用的是经典的 Automatic1111 WebUI,省显存最直接的就是改启动参数(就是那个 webui-user.bat 里的 COMMANDLINE_ARGS)。两条规律记住就行:

• 8G 到 12G 显存:挂 --xformers --no-half-vae --medvram-sdxl。--medvram 系列是把模型拆开、用的时候再搬进显存,代价是出图慢个 10%-15%,但能稳住不崩,值。
• 8G 以下、甚至 6G 4G:把 --medvram-sdxl 换成 --lowvram。这个更狠,几乎是显存和内存之间来回倒腾,慢是真慢(可能比平时慢一半还多),但它能让一张本来跑不动的图硬生生跑出来。

　　这里有个新手常踩的坑:--no-half(全精度)和 --xformers 是打架的,xformers 本身就要半精度才能跑,你俩一起挂等于互相拆台。还有 --lowvram 别跟 --batch-size 2 一起用,本来就紧张,你还一次出两张,那不是添乱嘛。--xformers 这一个开关单独就能省下大概两成显存,几乎是无脑该开的。

第二步:把分辨率和批量降下来

　　这一步最容易被忽略,但往往是真凶。SDXL 的原生分辨率是 1024×1024,显存吃得比 512 翻了一倍不止。显存吃紧的时候,先老老实实从 512×512 或者 640×640 起步,等出图满意了再用放大流程往上抬，别一上来就头铁拉 1024 出大图。

　　同理,一次只出一张(batch size = 1)。想要多张就让它排队慢慢出,别指望一把出四张,那显存扛不住。还有 Hires.fix 这种高清修复,它本质是先出小图再放大重绘,放大那一下显存是要翻番的——显存本来就紧的话,这一步先关掉,或者把放大倍数从 2 倍降到 1.5 倍。

第三步:大图交给 Tiled 类插件

　　如果你非得出大图、出超分图,显存又顶不住,那就上 Tiled Diffusion + Tiled VAE 这套插件。原理用大白话说就是:把一张大图切成一块块的”瓷砖”,一块一块地画、一块一块地解码,画完再拼回去。这样显存峰值就被压在单块瓷砖的大小上,而不是整张大图。很多人 8G 卡能出 4K 大图,靠的就是它。代价是接缝处偶尔会有点不自然,慢也是肯定的。

顺手提一句:换 Forge 可能更省心

　　如果上面这些参数你嫌烦,可以试试 Stable Diffusion WebUI Forge。它把老 WebUI 那套显存管理代码整个重写了,会自动在显存和内存之间调度模型。官方的说法是:不挂任何参数,Forge 就能用 4G 显存跑 SDXL、2G 跑 SD1.5。换句话说,--medvram、--lowvram 这些老参数在 Forge 里直接被废掉了,挂了也不执行。所以你要是搬到 Forge,反而是”什么都别加”最好,别把老习惯带过去。

最后再补两个小动作

　　跑图前把浏览器的多余标签页、其他吃显存的程序(尤其是另一个开着的 AI 工具)关掉,白白省出来的显存不要白不要。另外保证 PyTorch 和显卡驱动是新的,2.0 之后的编译优化对显存利用率是有实打实帮助的。

　　总结一条操作顺序:先挂对启动参数 → 降分辨率和批量 → 大图再上 Tiled 插件 → 还不行就考虑换 Forge。显存这东西,够用就行,没必要为了那点速度天天提心吊胆地爆红字。