检查显卡驱动兼容性

确保NVIDIA驱动版本支持CUDA 12.0及以上。通过NVIDIA控制面板或命令行工具nvidia-smi查看驱动版本。若驱动过旧，需到NVIDIA官网下载最新Game Ready或Studio驱动。

验证CUDA Toolkit安装

运行nvcc --version确认CUDA Toolkit版本。Stable Diffusion要求CUDA 11.8至12.x，若未安装或版本不符，需从NVIDIA开发者网站下载对应版本。安装时勾选"Visual Studio Integration"选项（Windows系统）。

配置PyTorch与CUDA匹配

在Python环境中执行以下命令验证PyTorch的CUDA支持：

import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

若输出为False或版本不匹配，需通过pip重新安装对应版本：

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

修改Stable Diffusion启动参数

在启动命令中添加显式计算架构参数：

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

对于Linux系统：

export COMMANDLINE_ARGS="--precision full --no-half --skip-torch-cuda-test"

检查计算能力兼容性

5070TI若为未发布型号，可能需手动指定计算能力。编辑webui-user.bat（Windows）或webui.sh（Linux），在调用Python前添加环境变量：

set TORCH_COMMAND=install torch==2.1.0+cu121 torchvision==0.16.0+cu121 --index-url https://download.pytorch.org/whl/cu121
set PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:128

清理并重建虚拟环境

删除venv文件夹后重新启动WebUI，系统会自动重建Python环境。此操作可解决因依赖冲突导致的sm_120报错。

检查硬件实际参数

若5070TI为笔误（实际应为4070 Ti或其他型号），需通过GPU-Z工具确认实际显卡的Compute Capability值。NVIDIA 40系显卡通常为sm_89，需相应调整启动参数。