Fooocus项目在M1 MacBook Pro上的图像生成问题分析与解决方案

问题背景

在使用Fooocus 2.1.864版本在配备M1 Max芯片的MacBook Pro上进行AI图像生成时，用户遇到了两个主要问题：生成的图像突然变为全黑色，以及在不使用CPU模式时性能显著下降的问题。该问题在macOS Monterey 12.6.1系统上几乎100%可复现。

技术现象分析

当用户尝试生成图像时，系统最初表现正常，迭代速度约为5秒/次。但在几轮迭代后，预览图像突然变为全黑色，最终输出也是全黑图像。通过调试发现，在问题发生时，张量数据中出现了NaN（非数值）值。

核心错误信息显示：

RuntimeWarning: invalid value encountered in cast
x_sample = x_sample.cpu().numpy().clip(0, 255).astype(np.uint8)

问题根源

经过深入分析，这个问题与macOS Monterey系统下MPS（Metal Performance Shaders）后端对PyTorch运算的支持不完善有关。具体表现为：

1. 在图像生成过程中，某些运算产生了NaN值
2. 这些NaN值在后续处理中无法被正确转换
3. 最终导致图像数据损坏，呈现为全黑

解决方案探索

用户尝试了多种解决方案：

1. 使用--always-cpu参数：虽然可以避免黑图问题，但性能下降至30秒/次
2. 尝试不同的VAE精度设置（fp16/fp32/bf16）：均未能解决问题
3. 使用--all-in-fp32参数：同样无效
4. 更换不同预设模型（sai/realistic）：问题依旧

最终解决方案

用户将系统升级至macOS Sonoma 14.3后，问题得到彻底解决。升级后：

1. 图像生成稳定可靠
2. 无需使用--always-cpu参数
3. 保持高性能（约4秒/次）
4. GPU加速正常工作

技术建议

对于使用Apple Silicon芯片Mac设备的用户：

1. 确保系统版本为macOS Sonoma或更新版本
2. 如果遇到类似问题，优先考虑系统升级
3. 在Monterey及以下版本中，可临时使用--always-cpu作为权宜之计
4. 关注PyTorch对MPS后端的更新和改进

总结

这个案例展示了硬件、操作系统和深度学习框架之间复杂的兼容性问题。对于AI图像生成这类计算密集型应用，保持系统和驱动程序的更新至关重要。特别是对于Apple Silicon这类相对较新的架构，新版本操作系统往往能带来更好的兼容性和性能优化。