先确定操作系统与 CPU 架构,再看显卡后端——顺序反了最容易下错包。
| 平台 | 架构 | 可用形态 | 说明 | 支持度 |
|---|---|---|---|---|
| Windows 10 / 11 | x64 | 便携版(5 选 1)、桌面版、源码部署 | 最完整,官方直接提供整合包 | 完整 |
| Windows on ARM | ARM64 | nvidia_arm64 便携版、源码部署 | 需骁龙 X 等 ARM 设备,仅 NVIDIA 分支 | 可用 |
| macOS 11+ | Apple Silicon / Intel | 桌面版、源码部署 | Apple Silicon 走 MPS,无官方便携包 | 可用 |
| Linux | x64 / ARM64 | 源码部署、Docker | NVIDIA CUDA / AMD ROCm / Intel XPU 均可 | 完整 |
| CPU 模式 | x64 | 源码部署加 --cpu 参数 | 可用但速度显著下降,仅建议调试 | 受限 |
官方 Windows 便携包在 v0.40.0 之后固定提供 5 个:4 个 x64(NVIDIA 最新 / NVIDIA cu126 / AMD / Intel)与 1 个 ARM64(nvidia_arm64)。x64 包不能直接在 Windows on ARM 上按原生方式运行,ARM64 包也不能装到普通 x64 电脑上跑——两者内置的 Python、PyTorch 与 CUDA/ROCm 二进制是分别编译的。在「设置 → 系统 → 关于」里看「系统类型」,显示「基于 ARM 的处理器」就选 arm64 包。
| 判断依据 | 该选的包 | 典型设备 |
|---|---|---|
| 「基于 x64 的处理器」+ NVIDIA 显卡 | nvidia(驱动旧则 nvidia_cu126) | 绝大多数台式机 / 游戏本 |
| 「基于 x64 的处理器」+ AMD 显卡 | amd | AMD 独显台式机 |
| 「基于 x64 的处理器」+ Intel Arc | intel | Intel 独显 / 部分核显机型 |
| 「基于 ARM 的处理器」 | nvidia_arm64 | 骁龙 X Elite 等 Windows on ARM 设备 |
| Apple Silicon Mac | 桌面版 / 源码(MPS) | M 系列 Mac |
五个包的官方文件名、体积与 SHA-256 都列在下载页与校验页。 架构选错最常见的表现是启动即闪退或提示 torch / DLL 相关错误,排查表见安装页。
| 项目 | 建议 | 说明 |
|---|---|---|
| 操作系统 | Windows 10/11、macOS 11+、主流 Linux 发行版 | 官方发布页口径 |
| 显卡(NVIDIA) | 建议 6GB 显存起,8GB 跑 SDXL,12–24GB 跑 FLUX / 视频 | 按模型浮动 |
| 显卡(AMD / Intel) | AMD 走 ROCm(Windows 有专用便携包),Intel Arc 走 XPU | v0.45.0 均有对应包 |
| Apple Silicon | M 系列统一内存 16GB 起更从容 | 走 MPS 后端 |
| 内存 | 最低 8GB,推荐 16GB 及以上 | 模型加载与队列并发受影响 |
| 磁盘 | 整合包解压需预留 10–20GB,模型库另需 20GB 起 | 单个大模型常在 2–12GB |
| Python(仅源码部署) | 3.10 – 3.13,配 PyTorch 2.x | 便携版已内置,无需另装 |
| 浏览器 | Chrome / Edge 等现代浏览器访问 127.0.0.1:8188 | 前端在本地回环地址 |
显存是最硬的天花板,按模型分档大致是:SD1.5 约 4GB 可跑,SDXL 建议 8GB, FLUX 与视频模型建议 12–24GB。放大节点、多个 LoRA 串联、更大批量都会继续叠加占用。 内存与磁盘则影响模型加载速度和能存多少权重——单个大模型常在 2–12GB, 模型库准备 20GB 起比较从容。
先把 1024×1024 降到模型基准分辨率、批量改成 1, 多数爆显存问题当场解决;确认能出图后再逐步加回。
便携版与源码都支持 --lowvram,
纯 CPU 调试用 --cpu;代价是速度下降,但能让老设备先把流程跑通。
fp16 / fp8 量化版本能明显降低占用,代价是细节略损。 注意部分模型对精度敏感,出现全黑或噪点图要换回原版权重。
高清放大不要在采样时直接拉大分辨率,改为「先出基准图 → 再放大 + 二次采样」, tile 尺寸调小即可在小显存上完成。链路见工作流页。