自建 Stable Diffusion / ComfyUI 出图慢到怀疑人生：先看是不是在用 CPU 跑

自建 Stable Diffusion WebUI / ComfyUI，出图一张要好几分钟甚至更久，网上的教程都是几秒一张，差距巨大。第一反应怪显卡不够好，但很多时候真相是：根本没在用 GPU 跑，在拿 CPU 硬算。SD 这种 diffusion 模型一张 512 图在 CPU 上算几十上百次迭代，慢是必然的。

先确认是不是 CPU 在跑。 启动日志里看用的是哪个设备：

# WebUI / ComfyUI 启动时通常会打印类似
Using device: cpu     ← 这就是问题
Using device: cuda    ← 正常用上了 GPU

也可以出图时看任务管理器/nvidia-smi 里 GPU 有没有占用：

nvidia-smi          # linux 看 GPU 利用率，出图时应该是高占用

如果 nvidia-smi 里 GPU 利用率接近 0 而 CPU 满载，就是没用上 GPU。

为什么没跑在 GPU 上，常见原因：

1. 环境没装 CUDA 版 PyTorch。 这是最常见的。装了 CPU 版 torch（pip 默认在某些平台会装 cpu 版），代码检测不到 cuda 就 fallback 到 cpu。检查：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

如果 torch.cuda.is_available() 返回 False，就是 torch 没装对。按官方装 cuda 版：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124   # 版本对应你的 CUDA

2. 显卡驱动/CUDA 版本不匹配。 nvidia-smi 能跑但 torch 认不到，多半驱动和 torch 要求的 CUDA 对不上。nvidia-smi 看的驱动支持的最高 CUDA 版本和 torch 实际用的要兼容。

3. 容器里跑但没把 GPU 传进去。 Docker 跑 SD 类应用，没加 --gpus all（或 compose 没配 gpu），容器里 nvidia-smi 都看不到卡。Docker 里要用 GPU 得装 nvidia-container-toolkit 并 --gpus all。

4. 本身就没有 NVIDIA GPU，只有核显/AMD 卡。核显别指望能跑 SD 出图（不是显存不够，是算力差太多），AMD 卡得走 ROCm（Linux）或 DirectML（Windows），也别指望和 N 卡一样顺。

出图慢但确实在用 GPU，再查这几项：

• 显存不够被切到 CPU 或疯狂换页：模型+中间激活超显存时，框架会 offload 到 CPU 内存，速度断崖。看 nvidia-smi 显存占用是否接近上限，是的话用更小模型/降低分辨率/开 xformers。
• 没开加速：WebUI 开 --xformers 或 --opt-split-attention，ComfyUI 用相应加速，能显著提速。
• 模型太大：用 fp16 权重，或换量化/蒸馏的小模型，比折腾半天参数快得多。

快速排查命令：

nvidia-smi                                    # 驱动在不在、GPU 利用率
python -c "import torch;print(torch.cuda.is_available())"   # torch 认不认 GPU

总结：出图慢到夸张，先 90% 确认是不是 CPU 在跑。装 CUDA 版 torch、确认 nvidia-smi 和 torch 都认 GPU、容器记得 --gpus all。用上 GPU 后还慢才去查显存/加速/模型大小。