检查显卡驱动兼容性

确保NVIDIA驱动程序版本与CUDA Toolkit版本匹配。5070TI需要最新驱动支持，建议通过NVIDIA官网或GeForce Experience更新至最新版。旧版驱动可能无法识别sm_120架构。

验证CUDA Toolkit安装

运行nvcc --version确认CUDA版本。Stable Diffusion通常需要CUDA 11.x或更高版本。若未安装，需从NVIDIA开发者网站下载对应版本，并配置环境变量。

修改架构编译参数

在启动命令或配置文件中显式指定计算能力。例如添加--extra-network-args "cuda:0 -arch=sm_86"（假设5070TI为Ampere架构）。错误提示sm_120表示代码尝试编译不存在的计算能力版本。

调整虚拟环境设置

若使用conda或venv，检查Python环境是否冲突。重新创建虚拟环境并安装对应版本的torch与torchvision：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

检查硬件架构支持

通过nvidia-smi -q查询显卡详细参数。5070TI实际计算能力应为sm_86（Ampere架构），需确保框架版本支持该架构。部分旧版Stable Diffusion需升级至v1.5+。

强制重装依赖库

删除venv文件夹后重新运行启动脚本。部分情况下破损的缓存文件会导致架构检测错误。使用--reinstall-xformers参数可避免潜在兼容性问题。

修改WebUI启动脚本

编辑webui-user.bat文件，添加显式CUDA路径和架构参数：

set COMMANDLINE_ARGS=--skip-torch-cuda-test --precision full --no-half
set CUDA_VISIBLE_DEVICES=0

降级PyTorch版本

某些情况下PyTorch 2.0+存在兼容问题，可尝试指定版本安装：

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117