解决stable-diffusion-webui-directml项目中AMD显卡无法识别的问题
2025-07-04 05:26:57作者:胡唯隽
在stable-diffusion-webui-directml项目中,许多AMD显卡用户遇到了"Torch is not able to use GPU"的错误提示。这个问题主要出现在Windows系统下,特别是使用RX 7800 XT、RX 6800、RX 6600等较新AMD显卡的用户。本文将详细介绍问题的原因和多种解决方案。
问题现象
当用户尝试启动stable-diffusion-webui-directml时,系统会报错提示Torch无法使用GPU,并建议添加--skip-torch-cuda-test参数来跳过检查。这个问题的根源在于PyTorch无法正确识别AMD显卡的DirectML支持。
解决方案
方法一:添加DirectML支持参数
最简单的解决方案是在webui-user.bat文件中添加--use-directml参数:
- 打开webui-user.bat文件
- 找到COMMANDLINE_ARGS=这一行
- 修改为:
set COMMANDLINE_ARGS=--use-directml - 保存文件并重新启动
方法二:手动安装torch-directml
如果上述方法无效,可以尝试手动安装torch-directml:
- 编辑requirements_versions.txt文件
- 添加一行:
torch-directml - 打开命令提示符
- 导航到项目目录
- 运行:
.\venv\scripts\activate - 然后运行:
pip install -r requirements.txt
方法三:完整修复流程
对于更复杂的情况,可以尝试以下完整修复流程:
- 确保项目文件夹名称为"stable-diffusion-webui-directml"
- 按照方法二安装torch-directml
- 在webui-user.bat中添加--use-directml参数
- 可选的额外参数(适用于显存较小的显卡):
set COMMANDLINE_ARGS=--use-directml --medvram --no-half --precision full --no-half-vae --opt-sub-quad-attention --opt-split-attention-v1
常见问题排查
- 参数位置错误:确保--use-directml参数紧跟在COMMANDLINE_ARGS=后面,中间不要有其他内容
- 文件夹名称错误:确认项目文件夹名称包含"-directml"后缀
- 依赖冲突:如果遇到httpx冲突,可以尝试运行:
pip install httpx==0.24.1 - 参数变更:注意旧参数--backend=directml已改为--use-directml
性能优化建议
成功解决问题后,可以根据显卡性能调整参数:
- 大显存显卡(如RX 7800 XT):可以移除--medvram和--lowvram参数
- 中等显存显卡(如RX 6700 XT):保留--medvram
- 小显存显卡(如RX 6600):使用--lowvram
通过以上方法,大多数AMD显卡用户应该能够成功在Windows系统下运行stable-diffusion-webui-directml项目。如果问题仍然存在,建议检查显卡驱动是否为最新版本,并确认系统环境配置正确。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
691
1.36 K
Ascend Extension for PyTorch
Python
728
903
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
460
455
deepin linux kernel
C
32
16
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.92 K
198
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631