拓冰网站定制 
Stable Diffusion WebUI Forge3 个显存参数让低配显卡也跑得动 Flux【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forgeStable Diffusion WebUI Forge 是一个基于 Stable Diffusion WebUI 的图像生成平台主打显存精细管理、低比特大模型推理和一体化扩展生态。如果你正被模型装不进显存生成速度慢这两个问题卡住这篇文章会直接给你可落地的参数和命令。先说清楚它的定位Forge 继承自 a1111 WebUI以仓库最新说明为准但把重心放在三件事上——显存管理更细、大模型支持更全、扩展开箱即用。名字取自 Minecraft Forge目标是成为 SD WebUI 的模组加载器。显存不够先动这三个参数这是 Forge 最核心的差异点。在 txt2img / img2img 页面顶部你能找到一组只在 Forge 里才有的控件GPU Weights (MB)决定多少显存留给模型权重剩下的留给矩阵运算。官方社区的共识是出问题时把 GPU Weights 调低能解决绝大部分卡顿和 OOMSwap MethodQueue 或 Async权重在 CPU 和 GPU 之间来回搬运的方式Async 用异步流式传输换取速度Swap LocationCPU 或 Shared权重停放的位置Shared 会锁定共享内存换取更快的搬运。它的实现思路借鉴自 ComfyUI见 backend/memory_management.py按模块粒度统计每个子网络的占用装得下的留在 GPU装不下的放 CPU推理时按需换入换出。所以你不需要要么全开要么崩溃而是可以按 1MB 的步进精细调节。顺带一个容易踩的坑启动时如果页面左上角的 UI 预设选的是 sd显存相关控件会被隐藏。切换到 flux 或 all 预设就能看到它们——代码逻辑在 modules_forge/config.py预设同时会带出该模型族的默认分辨率、CFG 和采样器。Flux 和 GGUF 低比特模型放进文件夹就能用跑 Flux 这类大模型传统 WebUI 的方案往往需要额外扩展。Forge 的做法是把它做成了内置能力低比特 UNet模型选择区有一个 Diffusion in Low Bits 下拉框可选手动启用 bnb-nf4、bnb-fp4、float8 等量化格式部分选项还支持 fp16 LoRA见 modules_forge/config.pyGGUF 原生支持把 .gguf 文件丢进models/Stable-diffusion/即可识别Q8_0 到 Q4_1 多个精度档位都能加载LoRA 不断供NF4 和多数 GGUF 精度下 LoRA 仍然可用低比特模型跑 LoRA 的进阶技巧可以看仓库讨论区避免重复 patch 导致精度损失。对你来说这意味着12GB 左右的消费级显卡不用写脚本、不用换框架就能把 Flux 跑起来代价是速度——具体快慢以你的硬件实测为准。三种安装方式五分钟选一条路方式一一键包推荐新手。官方 release 提供打包好的 Windows 环境含 git 和 pythonCUDA/Torch 版本组合以仓库最新说明为准。流程只有三步下载解压 → 运行update.bat更新 → 运行run.bat启动。注意 update 这一步别省否则你可能跑在带已知 bug 的旧版本上。方式二git clone适合已有环境的人git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge cd stable-diffusion-webui-forge python webui.py方式三复用旧 WebUI进阶。如果你已经装过 a1111 WebUI 且熟悉 git可以把 Forge 作为它的一个分支装之前下载的 checkpoint 和扩展直接复用——仓库 README 的 Advanced Install 一节有说明前提是你清楚自己在做什么。启动成功后访问http://127.0.0.1:7860/即进入界面。内置扩展ControlNet 不用再单独装Forge 的extensions-builtin/目录预装了一批高频功能装完就能用不用再回扩展页手动搜索安装sd_forge_controlnetControlNet 一体化集成带 Photopea 抠图和 Openpose 编辑器sd_forge_ipadapterIP-Adapter 图像风格/主体参考sd_forge_freeuFreeU V2基于 Forge 自研的 UNet Patcherbackend/nn/unet.py实现四个滑杆直接调 B1/B2/S1/S2各类预处理工具Marigold 深度、Normal Bae 法线、Tile 平铺、重着色等喂给 ControlNet 用。对普通用户的好处很直接装好 Forge ≈ 装好一整套常用工作流省掉的是十几个扩展的安装和版本适配时间。高频问题三个答案生成慢或 OOM先查什么把 GPU Weights 调低官方口径能解决 99% 的 Flux 性能问题再考虑 Swap Method 换 Async。Connection errored out / 卡在 Press any key to continue先排查防火墙和 7860 端口占用其次确认 CUDA 环境与显卡驱动匹配具体步骤见 README 的 Quick List。ControlNet Union / Flux ControlNet 能用吗尚未实现属于计划中的功能OFT 类型 LoRA 目前也有已知问题。这些当前已知限制建议以仓库最新状态说明为准。下一步三步把 Forge 用起来先跑通 txt2img用一个 SD 1.5 或 SDXL 的 checkpoint确认基础链路没问题再碰 Flux 这类大模型读一次仓库说明README 的 Quick List 汇集了 Flux 调参、低比特 LoRA、连接故障等实战帖比翻 issue 高效得多只动一个参数出问题时优先调 GPU Weights每次改一个变量——显存问题大多是权重占太多而不是算得不够快。【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Stable Diffusion WebUI Forge：3 个显存参数，让低配显卡也跑得动 Flux
Stable Diffusion WebUI Forge3 个显存参数让低配显卡也跑得动 Flux【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forgeStable Diffusion WebUI Forge 是一个基于 Stable Diffusion WebUI 的图像生成平台主打显存精细管理、低比特大模型推理和一体化扩展生态。如果你正被模型装不进显存生成速度慢这两个问题卡住这篇文章会直接给你可落地的参数和命令。先说清楚它的定位Forge 继承自 a1111 WebUI以仓库最新说明为准但把重心放在三件事上——显存管理更细、大模型支持更全、扩展开箱即用。名字取自 Minecraft Forge目标是成为 SD WebUI 的模组加载器。显存不够先动这三个参数这是 Forge 最核心的差异点。在 txt2img / img2img 页面顶部你能找到一组只在 Forge 里才有的控件GPU Weights (MB)决定多少显存留给模型权重剩下的留给矩阵运算。官方社区的共识是出问题时把 GPU Weights 调低能解决绝大部分卡顿和 OOMSwap MethodQueue 或 Async权重在 CPU 和 GPU 之间来回搬运的方式Async 用异步流式传输换取速度Swap LocationCPU 或 Shared权重停放的位置Shared 会锁定共享内存换取更快的搬运。它的实现思路借鉴自 ComfyUI见 backend/memory_management.py按模块粒度统计每个子网络的占用装得下的留在 GPU装不下的放 CPU推理时按需换入换出。所以你不需要要么全开要么崩溃而是可以按 1MB 的步进精细调节。顺带一个容易踩的坑启动时如果页面左上角的 UI 预设选的是 sd显存相关控件会被隐藏。切换到 flux 或 all 预设就能看到它们——代码逻辑在 modules_forge/config.py预设同时会带出该模型族的默认分辨率、CFG 和采样器。Flux 和 GGUF 低比特模型放进文件夹就能用跑 Flux 这类大模型传统 WebUI 的方案往往需要额外扩展。Forge 的做法是把它做成了内置能力低比特 UNet模型选择区有一个 Diffusion in Low Bits 下拉框可选手动启用 bnb-nf4、bnb-fp4、float8 等量化格式部分选项还支持 fp16 LoRA见 modules_forge/config.pyGGUF 原生支持把 .gguf 文件丢进models/Stable-diffusion/即可识别Q8_0 到 Q4_1 多个精度档位都能加载LoRA 不断供NF4 和多数 GGUF 精度下 LoRA 仍然可用低比特模型跑 LoRA 的进阶技巧可以看仓库讨论区避免重复 patch 导致精度损失。对你来说这意味着12GB 左右的消费级显卡不用写脚本、不用换框架就能把 Flux 跑起来代价是速度——具体快慢以你的硬件实测为准。三种安装方式五分钟选一条路方式一一键包推荐新手。官方 release 提供打包好的 Windows 环境含 git 和 pythonCUDA/Torch 版本组合以仓库最新说明为准。流程只有三步下载解压 → 运行update.bat更新 → 运行run.bat启动。注意 update 这一步别省否则你可能跑在带已知 bug 的旧版本上。方式二git clone适合已有环境的人git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge cd stable-diffusion-webui-forge python webui.py方式三复用旧 WebUI进阶。如果你已经装过 a1111 WebUI 且熟悉 git可以把 Forge 作为它的一个分支装之前下载的 checkpoint 和扩展直接复用——仓库 README 的 Advanced Install 一节有说明前提是你清楚自己在做什么。启动成功后访问http://127.0.0.1:7860/即进入界面。内置扩展ControlNet 不用再单独装Forge 的extensions-builtin/目录预装了一批高频功能装完就能用不用再回扩展页手动搜索安装sd_forge_controlnetControlNet 一体化集成带 Photopea 抠图和 Openpose 编辑器sd_forge_ipadapterIP-Adapter 图像风格/主体参考sd_forge_freeuFreeU V2基于 Forge 自研的 UNet Patcherbackend/nn/unet.py实现四个滑杆直接调 B1/B2/S1/S2各类预处理工具Marigold 深度、Normal Bae 法线、Tile 平铺、重着色等喂给 ControlNet 用。对普通用户的好处很直接装好 Forge ≈ 装好一整套常用工作流省掉的是十几个扩展的安装和版本适配时间。高频问题三个答案生成慢或 OOM先查什么把 GPU Weights 调低官方口径能解决 99% 的 Flux 性能问题再考虑 Swap Method 换 Async。Connection errored out / 卡在 Press any key to continue先排查防火墙和 7860 端口占用其次确认 CUDA 环境与显卡驱动匹配具体步骤见 README 的 Quick List。ControlNet Union / Flux ControlNet 能用吗尚未实现属于计划中的功能OFT 类型 LoRA 目前也有已知问题。这些当前已知限制建议以仓库最新状态说明为准。下一步三步把 Forge 用起来先跑通 txt2img用一个 SD 1.5 或 SDXL 的 checkpoint确认基础链路没问题再碰 Flux 这类大模型读一次仓库说明README 的 Quick List 汇集了 Flux 调参、低比特 LoRA、连接故障等实战帖比翻 issue 高效得多只动一个参数出问题时优先调 GPU Weights每次改一个变量——显存问题大多是权重占太多而不是算得不够快。【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考