检查显卡架构兼容性

NVIDIA GeForce RTX 5070Ti 的架构需与 Stable Diffusion 的 CUDA 要求匹配。通过以下命令验证显卡支持的 CUDA 计算能力（sm_xx）：

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

若输出显示 sm_86 或更高，需调整 Stable Diffusion 的 CUDA 配置以兼容。

修改 CUDA 环境配置

编辑 Stable Diffusion 的启动脚本或环境变量文件（如 webui-user.bat 或 launch.py），强制指定兼容的计算能力版本。添加以下参数：

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

对于 Linux 用户，在启动命令前添加：

export TORCH_CUDA_ARCH_LIST="8.6"

更新驱动与 CUDA 工具包

确保安装最新版 NVIDIA 驱动和与 PyTorch 匹配的 CUDA 版本。运行以下命令检查 CUDA 版本：

nvcc --version

若版本低于 11.8，需升级至 Stable Diffusion 推荐的 CUDA 11.8 或更高。

重新编译依赖库

若报错涉及 xformers 或其他库，需针对 sm_86 架构重新编译。使用以下命令强制重装：

pip install --force-reinstall xformers --no-deps

或从源码编译：

git clone https://github.com/facebookresearch/xformers
cd xformers && pip install -e .

替代解决方案：使用 CPU 模式

临时绕过 GPU 兼容性问题，通过添加 --use-cpu all 参数强制使用 CPU 运行（性能显著下降）：

set COMMANDLINE_ARGS=--use-cpu all

验证修复结果

启动 Stable Diffusion 后，观察日志是否出现 CUDA out of memory 或架构报错。成功加载模型且无报错即表示配置生效。

参考文档

• NVIDIA 官方计算能力表：核对显卡架构对应的 sm_xx 版本
• PyTorch 版本匹配表：确保 CUDA 与 PyTorch 版本兼容
• Stable Diffusion GitHub Issues：查阅类似问题的解决方案