SDWebUI-GPU for WIN10+簡要說明
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Install-and-Run-on-NVidia-GPUs
硬體運作
打開工作管理員，檢查GPU中的記憶體分別為專屬、共用。
GPU記憶體負荷滿載-RTX4060 8GB
專屬GPU記憶體：生成圖要快就靠GPU的專屬記憶體（98~100%）。
(Hint: 若硬體免強可生成圖卻很慢，推薦使用SDWebUI-Forge！）共用GPU記憶體：當專屬記憶體超過負荷，會向共用GPU記憶體調度資源。
（Hint: 共用GPU記憶體生成圖及機械學習(ML)的算力非常慢1。）
安裝擴充套件
https://github.com/space-nuko/a1111-stable-diffusion-webui-vram-estimator
以下說明轉至連結的翻譯。
穩定擴散 WebUI 的 VRAM 估算器
當使用 stable-diffusion-webui 時，如果您發現自己經常耗盡 VRAM 或擔心過度設定會破壞您的 webui，則此擴充功能可能會有用。它根據運行txt2img和img2img各種不同的設定收集一組統計數據，並使用外推法來估計您的設定將使用的 VRAM 量。
用法
首先，您需要透過執行一系列影像生成來收集一些數據，以供擴展使用（您只需執行一次此步驟）。
轉到VRAM Estimator選項卡並將Max Image Size和Max Batch Count參數設為系統在啟用和 Hires Fix 生成時可以處理的最大值（即使目標解析度相同，txt2imgHires Fix 也會比普通的 VRAM 佔用更多）。
txt2img大小 960 和批次數 8 的預設設定適用於 RTX 3090。
確保您已關閉任何其他可能佔用 VRAM 的程序，然後按一下Run Benchmark並觀察控制台的進度。基準測試將產生不同解析度的多個影像txt2img，並img2img保存每次運行所使用的 VRAM。
基準測試完成後，您可以轉到txt2img或img2img標籤並調整寬度/高度/Hires Fix 的滑桿以查看估計的 VRAM 使用情況。請注意，該估算值是基於您變更滑桿時系統上使用的 VRAM 量。
根據經驗法則，您應該預期您選擇的生成操作實際上會使用大約 1 GB 以上的 VRAM。
還要注意，此擴充功能沒有考慮由其他擴充功能（如 ControlNet）分配的 VRAM；它僅查看原始生成配置的寬度、高度和批次數。如果您更新 webui，並且發現估計值不再準確，則值得再次執行基準測試。
VRAM-Estmator效能評估測試
Operation及解析度會改變，讓它跑過一遍才有用。
VRAM評測結果
一張圖勝過千言萬語
GPU RAM超負荷，造成生成圖變慢
模型、解析度
- 解析度過大：專屬GPU記憶體過負荷，使用到共用GPU記憶體。
- 模型使用不當：主模型checkpoint與AnimatDiff Motion Module模型不匹配。
COMMANDLINE_ARGS設置
找到webui-user.bat批次檔，用記事本打開內容如下：
set COMMANDLINE_ARGS=^
--xformers --opt-sdp-attention --no-half-vae --medium --always-batch-cond-uncond ^
--deepdanbooru --autolaunch --theme dark --disable-safe-unpickle
以上參數設置經本篇實測，可以正常運作生成。
補充
- 老ＭacBook Pro（Only CPU）搭建ML系統環境訓練圖像辨識模型（*.h5）。
有興趣了解ML的格友，這裡找一篇分享VGG16訓練天氣圖類型判別。
以下是我遇到的問題：
svd介面消失：無法安裝（git連結關閉）
歡迎分享更多SDWebUI應用與交流。
