اجرای Stable Diffusion روی کامپیوترهای ضعیف

چالش‌های سیستم‌های ضعیف

اجرای Stable Diffusion روی سیستم‌های کم‌قدرت می‌تواند چالش‌برانگیز باشد، زیرا این مدل‌ها به حافظه GPU و منابع پردازشی قابل توجهی نیاز دارند.

با این حال، با استفاده از چند تکنیک بهینه‌سازی می‌توان حتی روی سیستم‌هایی با ۴ گیگابایت VRAM یا حتی بدون کارت گرافیک نیز تصویر تولید کرد.


مرحله ۱: انتخاب مدل مناسب

برای سیستم‌های ضعیف بهتر است از مدل‌های سبک‌تر استفاده کنید.

پیشنهادها:

  • Stable Diffusion 1.5 به جای SDXL
    (حدود ۲ گیگابایت به جای ۷ گیگابایت)

  • مدل‌های Pruned
    نسخه‌هایی از مدل که برای کاهش حجم بهینه شده‌اند

  • مدل‌های Anime مثل Anything V3
    این مدل‌ها معمولاً سبک‌تر هستند و سریع‌تر اجرا می‌شوند

انتخاب مدل مناسب می‌تواند تفاوت بزرگی در سرعت و مصرف حافظه ایجاد کند.


مرحله ۲: تنظیمات VRAM

در فایل webui-user می‌توانید پارامترهای زیر را برای کاهش مصرف حافظه اضافه کنید.

برای سیستم‌هایی با ۴ تا ۶ گیگابایت VRAM:

set COMMANDLINE_ARGS=--medvram --xformers

برای سیستم‌هایی با کمتر از ۴ گیگابایت VRAM:

set COMMANDLINE_ARGS=--lowvram --xformers

برای سیستم‌هایی که GPU ندارند:

set COMMANDLINE_ARGS=--skip-torch-cuda-test --no-half --use-cpu all

این تنظیمات کمک می‌کنند مدل با حافظه کمتر اجرا شود.


مرحله ۳: کاهش رزولوشن تصویر

رزولوشن بالا فشار زیادی به GPU وارد می‌کند.

بهتر است از رزولوشن‌های کوچک‌تر شروع کنید:

  • 384×384 برای تست سریع
  • 448×448 برای تعادل بین کیفیت و سرعت
  • 512×512 فقط برای خروجی نهایی

در صورت نیاز می‌توانید بعداً با ابزارهای Upscale کیفیت تصویر را افزایش دهید.

مثال:

  • Real‑ESRGAN
  • ESRGAN
  • Upscale داخلی WebUI

مرحله ۴: بهینه‌سازی پارامترها

برخی تنظیمات می‌توانند سرعت تولید تصویر را افزایش دهند.

تنظیمات پیشنهادی:

  • Sampling steps: بین 15 تا 20
  • Batch size: همیشه روی 1
  • Sampler:
    Euler a یا DPM++ 2M
  • CFG Scale: حدود 7

این تنظیمات تعادل خوبی بین سرعت و کیفیت ایجاد می‌کنند.


مرحله ۵: استفاده از TensorRT (پیشرفته)

اگر کارت گرافیک NVIDIA دارید، می‌توانید از TensorRT برای افزایش سرعت استفاده کنید.

cd extensions
git clone https://github.com/NVIDIA/Stable-Diffusion-WebUI-TensorRT.git

پس از نصب، مدل باید یک بار Compile شود که ممکن است ۱۰ تا ۱۵ دقیقه طول بکشد.

بعد از آن، سرعت تولید تصویر می‌تواند تا دو برابر افزایش یابد.


مرحله ۶: مدیریت حافظه سیستم

قبل از اجرای Stable Diffusion بهتر است منابع سیستم را آزاد کنید.

چند نکته ساده:

  • برنامه‌های غیرضروری را ببندید
  • در ویندوز Task Manager را بررسی کنید
  • حداقل ۲ گیگابایت RAM آزاد داشته باشید
  • مرورگرهایی با تب‌های زیاد را ببندید

این کارها می‌تواند به جلوگیری از خطاهای حافظه کمک کند.


استفاده از سرویس‌های ابری (جایگزین)

اگر سیستم شما واقعاً ضعیف است، می‌توانید از سرویس‌های ابری برای اجرای Stable Diffusion استفاده کنید.

چند گزینه محبوب:

  • Google Colab
    اجرای رایگان با محدودیت زمانی

  • Hugging Face Spaces
    مناسب برای تست سریع مدل‌ها

  • Kaggle Notebooks
    حدود ۳۰ ساعت GPU رایگان در هفته


نکات اضافی

برای سیستم‌های ضعیف بهتر است از موارد زیر اجتناب کنید:

  • استفاده از ControlNet
  • نصب افزونه‌های سنگین
  • اجرای چند مدل همزمان

همچنین:

  • فقط از VAE استاندارد استفاده کنید
  • تصاویر را با کیفیت متوسط ذخیره کنید
  • از فرمت PNG یا JPG با فشرده‌سازی مناسب استفاده کنید

انتظارات واقع‌بینانه

روی سیستم‌های ضعیف، تولید هر تصویر ممکن است ۲ تا ۱۰ دقیقه طول بکشد.

این کاملاً طبیعی است. مهم این است که با تنظیمات مناسب بتوانید بدون نیاز به سخت‌افزار بسیار قدرتمند، از Stable Diffusion استفاده کنید.

با کمی صبر و تنظیمات درست، حتی یک سیستم ساده هم می‌تواند نتایج قابل قبولی تولید کند.

اگر نمی‌خواهی وقتت را صرف نصب و تنظیمات سرور کنی، می‌توانی یک سرور کاملاً آماده و از قبل پیاده‌سازی‌شده تهیه کنی و بلافاصله کار با GPU را شروع کنی.