Stable Diffusion WebUI DirectML 在 AMD GPU 上的常见问题与解决方案

问题背景

许多使用 AMD 显卡（如 Radeon RX 560 系列）的用户在尝试运行 Stable Diffusion WebUI DirectML 版本时，可能会遇到图像生成失败的问题。这类问题通常表现为生成过程中出现错误提示而非预期图像，特别是在使用非 NVIDIA 显卡的系统上。

错误现象

用户在尝试生成图像时会遇到"RuntimeError: Input type (float) and bias type (struct c10::Half) should be the same"的错误提示。这种类型错误通常与 GPU 计算精度设置或驱动配置不当有关。

根本原因分析

1. 错误的启动参数配置：用户可能使用了不适用于 AMD 显卡的启动参数，如--skip-torch-cuda-test，这会导致系统错误地尝试使用 CUDA 而非 DirectML 进行计算。

2. 缺少必要的 DirectML 支持：AMD 显卡需要通过 DirectML 后端来支持 PyTorch 计算，而不是默认的 CUDA 后端。

3. 计算精度不匹配：模型权重和输入数据之间的精度（float32 与 float16）不一致，导致计算错误。

解决方案

1. 修改启动参数

正确的做法是：

• 移除--skip-torch-cuda-test参数
• 添加--use-directml参数以启用 DirectML 支持

2. 清理并重建 Python 虚拟环境

为确保所有依赖正确安装：

1. 删除现有的venv文件夹
2. 重新运行启动脚本，让系统自动重建虚拟环境并安装正确版本的 PyTorch 与 DirectML 支持

3. 验证安装

安装完成后，可以通过以下方式验证：

• 检查控制台输出中是否显示 DirectML 后端已启用
• 确认没有与 CUDA 相关的错误提示

技术细节

AMD 显卡用户需要注意以下几点：

1. DirectML 是微软开发的跨厂商机器学习 API，支持 AMD、Intel 和 NVIDIA 显卡
2. PyTorch 通过 DirectML 插件提供对 AMD 显卡的支持
3. 计算精度问题通常可以通过强制使用 float32 或正确配置混合精度来解决

最佳实践

1. 对于 AMD 显卡用户，始终使用--use-directml参数
2. 避免使用专为 NVIDIA 显卡设计的优化参数
3. 定期更新显卡驱动以获得最佳 DirectML 性能
4. 对于性能较低的 AMD 显卡，可考虑添加--medvram或--lowvram参数

总结

通过正确配置启动参数和确保使用 DirectML 后端，AMD 显卡用户完全可以顺利运行 Stable Diffusion WebUI。遇到类似问题时，首先应检查启动参数是否正确，其次是确保 Python 环境和依赖库的完整性。记住，AMD 显卡需要特定的配置才能发挥最佳性能，这与 NVIDIA 显卡的设置有所不同。