硬件要求#
内存#
建议使用不少于 16 GB 内存。在一些情况下，可能需要调高虚拟内存，以容纳模型文件。
存储#
建议准备 40 GB 以上的可用硬盘空间。
显卡#
WARNING
注意显卡温度，有报道称显卡太热炸了。
显卡型号#
首先，很不幸地，因为需要用到 CUDA 加速，所以只有 英伟达显卡 支持良好。（AMD 可以用但速度明显慢于英伟达显卡，当然没显卡也可以用 CPU 花几百倍时间生成）
对于 Linux 系统 + AMD 显卡 请读 AMD 安装指南 和 AMD 安装 WebUI 指北
对于支持 AMD GPU 方案相关讨论
显卡保修
显卡厂家对于深度学习卡的保修政策等同于矿卡
过度玩耍(比如连续 3 天出图)，显卡会有坏掉的风险
各种显卡的稳定扩散性能测试报告
检查配置#
检查显卡驱动#
通过
bash
nvidia-smi
判断 CUDA 是否可用。
检查 PyTorch 是否成功载入 CUDA#
打开命令窗，输入 python 进入，分行输入
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
如果出现 True 字样则正常。
查看 torch 对应的 CUDA 版本#
python
import torch
torch.version.cuda
输入 Ctrl + Z 退出
如果出现了任何错误，请询问他人或使用搜索引擎解决。
多 GPU 支持#
最简单的模式就是实现一个多数据并行处理的方法，通过 --device-id 参数启动多个实例。每个 GPU 加载一个模型，然后给它们分配工作。
考虑到这个项目所提供的功能众多，我（作者）认为可能需要一段时间才能在并行的情况下使用所有的功能。
作者的回应
Using memory from between two GPUs is not simple. I only have one so I can't research/develop this.
16xx 系显卡使用半精度生成图片#
16xx 系显卡可以使用半精度生成图片的方式
方案来自 这个讨论
激活 webui 使用的 venv，要在正确的虚拟环境里运行 卸载掉现在所用的 torch 和 torchvision：bash
pip uninstall torch torchvision
CUDA 11.6 编译的 torch 和 torchvision。
bash
pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu116
CUDNN_8.5 备用。
使用下载工具下载，直接下载会跳转到 NVIDIA 的开发者注册界面
Windows:
Log in | NVIDIA Developer
其他版本：
cuDNN Archive | NVIDIA Developer
将 CUDNN 8.5 压缩包里的 bin 和 lib 文件夹里的所有文件复制到venv\Lib\site-packages\torch\lib 里，覆盖所有文件。
然后 16xx 系显卡也可以愉快地使用半精度生成图片了！大幅降低显存占用，6G 加载 Full 模型可以生成 1024x640 的图片。
但是，依然不能使用 DDIM Sampling ，但可以使用 Euler a
网络#
安装时涉及到的大部分内容在国内的可访问性均不佳，建议自备加速手段。