Stable Diffusion WebUI DirectML 性能优化指南

前言

Stable Diffusion WebUI DirectML 是一个基于 DirectML 后端的 AI 图像生成工具，专为 Windows 平台优化。本文将深入探讨如何在该项目中实现最佳性能表现，特别是针对 AMD RX 7900 XTX 等高端显卡的优化配置。

性能瓶颈分析

在 DirectML 后端下，用户可能会遇到迭代速度(iterations per second, it/s)低于预期的问题。例如，RX 7900 XTX 显卡在默认配置下可能仅能达到 5-6 it/s，而理论上该硬件应具备更高的性能潜力。

优化方案

1. 基础配置优化

首先确保使用以下启动参数：

--use-directml

2. 关键性能设置

在系统设置(System Tab)中调整以下参数：

1. 精度设置：选择"fp16 (half)"模式，可显著提升计算效率
2. 自动转换(Autocast)：启用此选项可优化计算流程
3. 注意力机制：建议使用"scaled-dot product (sdp)"或"sub-quadratic"方法

3. 性能预期

经过上述优化后，DirectML 后端下 RX 7900 XTX 显卡可达到约 5 it/s 的性能表现。如需更高性能，可考虑以下替代方案：

1. ZLUDA 后端：理论性能可达 17-23 it/s

   • 首次启动需约20分钟进行GPU代码编译和缓存创建
   • 使用启动参数：--use-zluda

2. ONNX 优化：通过Olive工具转换后可达到27-28 it/s

   • 需要额外的模型转换步骤

常见问题解决

ZLUDA 启动缓慢

首次使用ZLUDA后端时，系统需要较长时间(约20分钟)进行初始化编译。这是正常现象，后续运行将恢复正常速度。

迭代计数异常

若遇到迭代计数停滞或显示异常，建议：

1. 清除venv虚拟环境
2. 重置所有设置
3. 确保使用最新版本

结论

通过合理的配置优化，Stable Diffusion WebUI DirectML 可以在AMD显卡上获得良好的性能表现。用户应根据自身硬件条件和需求，选择最适合的后端方案。对于追求极致性能的用户，ZLUDA或ONNX优化方案值得尝试，但需注意额外的配置复杂性和初始化时间。