在使用 ComfyUI 的过程中，经常会碰到大名鼎鼎的 CUDA out memory 显存不够的的报错，如果你有仔细看报错信息中的说明，可以看到其实有解决方法：PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True。

参数解释

PYTORCH_CUDA_ALLOC_CONF: 是 PyTorch 用来设置 CUDA 内存分配器参数的环境变量，可以通过它来调整内存分配器的底层行为，以优化性能或解决特定问题。

expandable_segments:True: 是分配器的一个具体配置选项，expandable_segments 指的是内存分配器是否允许已分配的内存“段”（segments）进行扩展。

当设置为 True 时，意味着内存分配器会尝试在不移动现有数据的情况下，扩展已经分配给某个张量的内存块。这可以减少内存碎片，并可能避免因无法找到连续大块内存而导致的 out of memory 错误（即使总的可用显存是足够的），因为它不必为增长的需求寻找全新的、更大的连续内存块。

相反，如果设置为 False（默认值），那么当需要更多内存时，分配器必须分配一个新的、更大的内存块，然后将旧数据复制过去，最后释放旧的内存块。这个过程更耗时，并且更容易受到内存碎片的影响。

如何使用

这里以 ComfyUI 官方下载的手动安装版和 Windows 便携版为例，在命令行窗口里启动 ComfyUI 程序 Python 脚本前先开启动态显存优化，再启动 ComfyUI，环境变量的有效性仅限于当前的命令行窗口，也就是新建一个命令行窗口需要重新输入命令进行开启。

例如在 Linux 下

export PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python main.py

例如在 Windows 下

set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python main.py

如果你是 ComfyUI 官方的桌面版在设置选项中开启即可，无需通过命令设置。

请注意！此解决方法是有前提条件的，以运行 Wan2.2 文生视频 FP8 量化模型为例，显存要大等于 16G，其实也就是运行的模型与所需显存不能差距太大，如果显存小于 16G，就算开启 Pytorch 的显存动态分配优化也无济于事！

本次尝试为 Tesla V100 16G 版，如果未开启显存动态分配优化，是无法运行 Wan2.2 文生视频官方默认设置的工作流，开启后，显存占用 14.8G，生成速度 220 秒左右。