问题背景

NVIDIA RTX 5070TI 显卡在运行 Stable Diffusion（SD）时，若配置不当可能触发 sm_120 兼容性报错。该错误通常与 CUDA 架构版本不匹配或驱动/框架版本冲突有关，需针对性调整环境配置。

关键排查点

1. 确认显卡计算能力
RTX 5070TI 的计算能力需匹配 CUDA 架构版本。通过以下命令检查显卡支持的架构：

nvidia-smi --query-gpu=compute_cap --format=csv

若输出显示不支持 sm_120（如仅支持 sm_86 或更高），需升级 CUDA 工具包或调整框架的架构兼容性设置。

2. 更新驱动与CUDA工具包

• 驱动版本：确保使用 NVIDIA 官方最新驱动（建议 550+ 版本）。
• CUDA工具包：安装与驱动兼容的 CUDA 12.x 版本，避免旧版 CUDA（如 11.x）对新型显卡支持不足。
• 验证安装：

  nvcc --version
  nvidia-smi
  

3. 调整Stable Diffusion的CUDA架构参数
在启动 SD 时显式指定支持的架构（如 sm_86），避免强制使用 sm_120：

export TORCH_CUDA_ARCH_LIST="8.6"  # 对应sm_86
python launch.py  # 启动SD

或在 webui-user.bat（Windows）中添加环境变量：

set COMMANDLINE_ARGS=--precision full --no-half --skip-torch-cuda-test

4. 检查PyTorch与CUDA的兼容性

• 安装与 CUDA 12.x 匹配的 PyTorch 版本：

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  

• 验证 PyTorch 是否能识别显卡：

  import torch
  print(torch.cuda.is_available())  # 应输出True
  print(torch.cuda.get_device_name(0))  # 应显示5070TI
  

常见问题解决

报错示例
RuntimeError: CUDA error: no kernel image is available for execution on the device (sm_120)

解决方案

• 检查 PyTorch 是否编译时包含对 sm_86 的支持（通过 torch.cuda.get_arch_list()）。
• 若问题持续，尝试从源码重新编译 PyTorch 或 SD 的依赖项，指定正确的架构：

  pip install -v --no-cache-dir --global-option="--nvccarg=--gpu-architecture=sm_86" .
  

优化建议

• 禁用半精度模式：通过 --no-half 参数避免低精度计算引发的兼容性问题。
• 使用最新SD分支：如 Automatic1111 或 ComfyUI，确保支持新显卡架构。
• 清理缓存：删除 ~/.cache/huggingface 和 venv 目录后重新安装依赖。

通过以上步骤可系统性解决 sm_120 报错问题，确保 RTX 5070TI 在 Stable Diffusion 中稳定运行。