华硕的CMP 40HX是基于Nvidia Turing架构的矿卡，相比P106/P104/P102系列基于Pascal架构的矿卡，CMP 40HX启用了Tensor核心，在AI运算方面的效率有了显示提升。
基于stable diffusion的webui开源界面，目前最流行的automatic1111算排名靠前的一个项目。大家用得应该比较多了。这个项目的更新速度也非常快。今天是2023年5月27日，现在仅就当下的版本的优化方案进行说明。相信过不了多久，项目就又要更新了。可能有些内容会不适用：
1. 当前pytorch版本是2.0.1, 所以你的版本不是最新的，可以把venv目录完全删了后，重新执行webui.bat (linux中启动 ./webui.sh)
2. pytorch 2.0.1版本的情况下，CMP 40HX对于--opt-sdp-attention的优化有问题，但是可以更新xformers到0.0.20版本，优化性能有明显提升。
win: venv/Scripts目录下执行activate后执行pip3 install xformers
linux: venv/bin目录下执行source activate后执行pip3 install xformers
3. 优化参数（仅对于CMP 40HX)
win: 改webui-user.bat中的COMMANDLINE_ARGS= 加上 --precision autocast --no-half --xformers
linux: 改webui-user.sh 中的参数，加上 --precision autocast --no-half --xformers，要注意的是linux版中这一行前的有个#号是注释符，去掉#号才生效，参数要加在引号内，启动还是用原来的webui.sh
4. 启动webui后，在扩展件中安装system info插件，可以用来检查生效情况，也可以做性能评估。
5. 目前我在truenas scale下的虚拟机ubuntu/win11中，512x512，采样器用Euler a，20步，3-4it/s，出图速度能在10秒内，如果用unipc采样器，10步，能跑进4秒内。linux的出图速度比win下快一些。
上述部份内容需要有一点点经验，小白就直接用懒人包吧。
图：是正向提示"1dog in park"; 负向提示无; 512x512; 采样器: unipc; 步数: 10, 出图时间: 3.59 秒
1 dog in park
Steps: 10, Sampler: UniPC, CFG scale: 7, Seed: 420305217, Size: 512x512, Model hash: fc2511737a, Model: chilloutmix_NiPrunedFp32Fix, Version: v1.2.1
Time taken: 3.59s
Torch active/reserved: 4870/5590 MiB, Sys VRAM: 5804/7977 MiB (72.76%)
更新内容：目前已经可以跑SDXL 1.0模型，1024 x 1024可以正常出图，平均在1分钟左右一张。实现方法可参考我的新贴 " 矿卡40HX上跑stable Diffusion XL 1.0模型的方法 " 。