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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
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++
894
680
暂无简介
Dart
804
198
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
353
210
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781