从Stable Diffusion这一AI应用出现之后，在极短时间内就迅速走红，成为众多玩家口口相传的“最美小姐姐”生成工具。不过这一AI计算画图工具在Stable Diffusion官方推出之初，无论是WEB UI的部署还是模型的训练生成，都基本是基于NVIDIA CUDA加速的算法，因此A卡最初并不被Stable Diffusion官方支持。不过好在Stable Diffusion算是一个开源的产品，在众多社区聚集玩家的支持下，也出现了许多支持A卡GPU加速计算的分支，比如我们今天要测试的基于DirectML的部署，就能实现AMD Radeon显卡的Stable Diffusion AI计算硬件加速。
如果要自己在本地部署基于DirectML的Stable Diffusion话，相比便捷的基于CUDA的WEB UI部署要相对复杂一些，不过现在网上已经有比较成熟的整合包供玩家适用，玩家们只需要下载相应的整合包，就能一键实现在本地的傻瓜式安装部署，可以为大家节省相当多的时间。
▲我们选择用于测试的这个整合包安装完毕之后，自动进入AMD GPU加速计算模式，在本地开启http://127.0.0.1:7860即可打开本地Stable Diffusion的AI画图界面。
▲在本地WEB UI界面上可以自由设置相关的AI艺术图生成参数，点击“生成”即可开始画图。具体请参考线上相关教程，在此我们不赘述。
那么，基于DirectML的Stable Diffusion部署分支能不能实现对AMD显卡的硬件计算加速支持呢？它的效率到底如何？在此前A卡玩家经常只能在Linux系统下运行Stable Diffusion，通过ROCM(Radeon Open Compute)模拟CUDA加速，如今在Windows系统下直接实现A卡的AI加速计算，能否达到我们的预期目标呢？为此，我们选择了AMD Radeon RX 5000系、RX 6000系以及RX 7000系的数款显卡，进行了一番详细的体验。
体验平台
显卡：AMD Radeon RX 5500XT(8GB)、RX 5700(8GB)、RX 6500XT 4GB、RX 6600(8GB)、RX 6700XT(12GB)、RX 6750XT(12GB)、RX 6800(16GB)、RX 6900XT(16GB)、RX 7900 XT(20GB)、RX 7900 XTX(24GB)
CPU：英特尔酷睿i9-13900K
主板：英特尔Z790
内存：DDR5 6000 16GB×2
SSD：AORUS NVMe PCIe SSD 2TB
操作系统：Windows 11 Pro 22H2
驱动程序：AMD Software Adrenalin Edition 23.4.3
通过测试，我们想知道：
AMD Radeon 5000系、6000系和7000系之间，在Stable Diffusion的AI画图算力上有多大差别？
相比传统的CPU AI计算加速，AMD GPU加速性能到底如何？
▲我们所采用的网络开源共享的部署方案可以正确实现AMD显卡的硬件加速计算，可以看到在图片生成的过程中GPU的占用率一直保持在100%。
模型为Novel AI Final-runed(CKPT)
测试一：AI生成时尚美女
在第一部分的测试中，我们通过关键词生成一个大眼的时尚美女小姐姐，还要有一定的照片感。关键词设置如下(部分引用自网络开源共享关键词)：
lora:koreanDollLikeness_v15:0.6> , best quality, ultra high res, (photorealistic:1.4), 1woman, sleeveless white button shirt, black skirt, black choker, cute, (Kpop idol), (aegyo sal:1), (platinum blonde hair:1), ((puffy eyes)), looking at viewer, full body, facing front,fashion,premium
分辨率设置：512×512
采样步进：20
提示词引导系数：7
生成批次-每批数量：1-1、4-1
在测试中由于绝大部分显卡都拥有8GB以上的显存，因此我们在运行参数上基本设置了正常的高显存默认模式，只有4GB显存版的RX 6500XT运行时采用了添加了–lowvram的低显存运行模式(否则就无法运行)。从整体测试结果来看，AMD从Radeon RX 5000系到RX 7000系的显卡几乎都很好地实现了Stable Diffusion应用的AI计算加速性能，尤其是Radeon RX 7000系显卡性能相比RX 6000系显卡有了巨大的提升。比如RX 6900XT在该设置与模型算法下的图片生成率约为8.87张/秒，而RX 7900 XT则可以达到15.76张/秒，性能提升接近100%。
而相比CPU来说，全系AMD显卡都占有非常明显的优势，RX 7900 XT的性能达到了酷睿i9-13900K的30倍左右，即使前两代的入门级显卡RX 5500XT，性能上也几乎接近酷睿i9-13900K的5倍。
唯一有点异常的是RX 6500XT，按照核心规格来看，它应该是要强于RX 5500XT的，不过由于显存配置仅为4GB，因此在测试中开启了低显存运行模式之后，其图片上生成速度受到了极大影响，远低于GPU加速的正常表现，仅能达到略高于CPU计算的水准。
测试二：AI生成较为复杂的水边别墅风景照
在接下来的测试中，我们用一系列相对复杂的关键词来生成一座位于水边的别墅，同时还伴有阳光、波纹、倒影等效果要求。关键词如下：
‘beautiful render of a Tudor style house near the water at sunset, fantasy forest. photorealistic, cinematic composition, cinematic high detail, ultra realistic, cinematic lighting, Depth of Field, hyper-detailed, beautifully color-coded, 8k,’
分辨率设置：512×512
采样步进：50
提示词引导系数：7.5
生成批次-每批数量：1-1、2-1、4-1
这部分的测试结果与前一测试基本保持了一致性。仍然是RX 7000系显卡在性能上独占鳌头，相对于RX 6000系显卡的对位提升在100%左右，与CPU的计算性能相比，GPU加速计算的性能提升仍然非常显著，RX 7900 XT的性能达到了酷睿i9-13900K的30倍左右，入门级显卡RX 5500XT，性能上也几乎接近酷睿i9-13900K的5倍。
4GB显存配置RX 6500XT由于仅能在低显存模式下运行，因此图片上生成速度还是受到了极大影响，远低于GPU加速的正常表现，大致与酷睿i9-13900K相当。
写在最后
这是一次简单但却比较有趣的测试，通过这次体验，我们认为有几点参考意见可以总结给玩家们参考：
1.当前AMD显卡已经可以通过开源的部署方案实现在Windows系统下的Stable Diffusion AI计算加速，而且网上也有许多的傻瓜式整合包，感兴趣的玩家完全可以一试；
2.从测试结果来看，AMD显卡在Stable Diffusion的AI图片生成计算中能够发挥出远胜于CPU计算的性能增幅，使用GPU加速计算能带来事倍功半的效果；
3.从测试情况来看，测试中当渲染分辨率设置超过512时(如768×768)，就会出现爆显存的情况，这与部署方案和模型有一定关系，但也反映了在正常模式下运行时，8GB显存几乎是Stable Diffusion的硬性入门要求。如果显存低于8GB，即使在512×512分辨率下渲染，也会出现显存不足的情况，此时就不得不采用–lowvram的低显存运行方案，但会极大地拖累计算速度，如测试中的RX 6500XT 4GB。所以要想畅玩Stable Diffusion，我们建议显卡的显存为8GB或更高为佳；
4.从整体结果来看，我们认为AMD GPU还有极大的算法优化空间，凭不可靠经验判断，从RX 7900 XTX到酷睿i9-13900K的性能差距还不足够大。这和我们部署的算法方案以及模型都有一定关系，也希望各社区的程序员们能开发出更多更优秀的针对AMD显卡的计算加速方案。
不管如何，AMD显卡对Stable Diffusion的硬件加速计算性能已经得到了展现，效果也比较明显，对AMD显卡用户来说毫无疑问是利好的福音消息，剩下的就是玩家与AMD需要坚持的继续优化之路了。
关于AI绘画技术储备
学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！
👉[[CSDN大礼包：《StableDiffusion安装包&AI绘画入门学习资料》免费分享]]（安全链接，放心点击）
对于0基础小白入门：
如果你是零基础小白，想快速入门AI绘画是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以找到适合自己的学习方案
包括：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！
零基础AI绘画学习资源介绍
👉stable diffusion新手0基础入门PDF👈
（全套教程文末领取哈）
👉AI绘画必备工具👈
👉AI绘画基础+速成+进阶使用教程👈
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
👉大厂AIGC实战案例👈
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉12000+AI关键词大合集👈
这份完整版的学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
总结
**Stable Diffusion在AMD显卡上的运算加速体验总结**自Stable Diffusion进入公众视野以来，凭借其独特的AI绘图功能，迅速晋升为热门AI应用。起初，Stable Diffusion主要依赖NVIDIA CUDA加速算法，使得AMD显卡用户面临一定的部署挑战。通过开源社区的努力，现已出现了多款支持AMD显卡GPU加速的Stable Diffusion 分支，例如基于DirectML的部署方案，极大地扩展了AMD显卡的应用范围。
**一、部署简介**
基于DirectML的Stable Diffusion在本地部署相对复杂，但通过成熟的整合包，玩家可以便捷地完成安装。整合包安装完成后，系统将自动进入AMD GPU加速模式，通过简单的WEB UI界面，用户可以自由设置绘图参数并生成AI艺术图。
**二、性能体验**
通过测试AMD Radeon RX 5000系、RX 6000系、RX 7000系显卡，验证了基于DirectML的Stable Diffusion部署方案对AMD显卡硬件加速的支持。特别是RX 7000系显卡，在性能方面取得了显著的飞跃，如RX 7900 XT的图片生成速度可高达每秒15.76张，较RX 6000系提升近一倍。在对比测试中，即便是入门级别的AMD显卡性能也远远超过了传统CPU的计算速度。
但需要注意的是，某些显存容量较低（如RX 6500 XT）的显卡在开启低显存模式后，性能会受到较大影响。
**三、优化方向**
尽管AMD显卡已在Stable Diffusion应用中表现出了令人满意的硬件加速性能，但测试中仍显现出一定的优化空间。尤其是，从AMD最新旗舰显卡RX 7900 XTX与冠军级别CPU的性能差距来看，未来AMD显卡在算法与性能优化上还有较大潜力可挖。
**四、学习资源推荐**
文章最后，为渴望学习AI绘画技巧的朋友们提供了丰富的学习资源，包括Stable Diffusion安装包、从入门到进阶的学习教程与实战案例，以及关键词资源包。无论您是零基础的新手还是希望进一步提升自己实力的进阶者，这些资料都能助您一臂之力。
**总结**
Stable Diffusion为AI绘画爱好者打开了一个全新的世界，AMD显卡用户现在也能参与其中，感受到GPU加速带来的快速与高效。随着技术的不断进步，我们有理由相信，无论是硬件性能还是软件优化，都将会有更大的发展空间。