Как запустить Stable Diffusion на своём GPU

После выполнения инструкции вы получите воспроизводимый локальный запуск Stable Diffusion на своём GPU через PyTorch, Diffusers и модель SDXL base 1.0. Итогом будет тестовое изображение, сгенерированное на вашей машине, и понятный критерий проверки: PyTorch видит CUDA, а скрипт сохраняет файл с картинкой.

Практический вердикт: если вам нужен самый прямой и официально задокументированный путь, используйте Diffusers + SDXL base. Если нужен визуальный интерфейс без кода, смотрите ComfyUI, InvokeAI или AUTOMATIC1111, но их шаги сильнее зависят от ОС, релиза и типа GPU.

Сводка

• Время: 30–60 минут, если Python-окружение уже готово.
• Сложность: средний.
• Стоимость: в инструкции используется локальный запуск, а не hosted-сервис; текущие условия доступа к модели и лицензии проверяйте на официальной карточке.
• Что потребуется: рабочее Python-окружение, PyTorch с поддержкой CUDA, GPU, который виден PyTorch, доступ к карточке модели SDXL base на Hugging Face.
• Актуальная версия: SDXL base 1.0; ComfyUI Latest v0.33.1; InvokeAI Latest v6.13.8; AUTOMATIC1111 Latest 1.10.1. Для Diffusers и PyTorch точная версия в пакете источников не зафиксирована, поэтому сверяйте текущую документацию на 2026-08-16.

Какой способ запуска Stable Diffusion на своём GPU выбрать

Для первого успешного запуска важнее не самый красивый интерфейс, а самый воспроизводимый путь. В текущем пакете источников таких путей четыре.

В этой инструкции зафиксирован путь через SDXL base и Diffusers, потому что у него есть официальный минимальный пример локального запуска на CUDA: установка diffusers, transformers и accelerate, загрузка stabilityai/stable-diffusion-xl-base-1.0, перенос pipeline на GPU через pipe.to('cuda') или device_map='cuda' и вызов pipe(prompt).images[0]. Refiner для первого локального запуска не обязателен: на карточке модели SDXL base описана как standalone-модель.

Редакционное ограничение: в пакете источников нет одного универсального официального пошагового сценария для всех сочетаний AMD, Intel, Apple Silicon, Windows, Linux и macOS. Поэтому воспроизводимая пошаговая часть ниже фиксирует только CUDA-путь через PyTorch и Diffusers.

Пошагово: как запустить Stable Diffusion на своём GPU через Diffusers и CUDA

1. Установите PyTorch с поддержкой CUDA.

   Откройте официальную страницу PyTorch Start Locally и скопируйте локальную команду установки для вашей ОС, версии Python и CUDA-совместимой конфигурации. Здесь нельзя честно зафиксировать одну универсальную команду, потому что официальный инсталлятор PyTorch выдаёт её по выбранной платформе.

   Выполняйте установку в том же Python-окружении, где потом поставите Diffusers.

2. Проверьте, что PyTorch видит GPU.

   import torch
   print(torch.rand(5, 3))
   print(torch.cuda.is_available())

   Это базовый smoke-test, который опирается на официальную локальную проверку PyTorch: импорт, создание тензора и проверка CUDA-доступа.

   Ожидаемый результат: в консоли печатается тензор, а torch.cuda.is_available() возвращает True. Если видите False, дальше не переходите: модель не будет запущена на вашем GPU по этому сценарию.

3. Установите пакеты Diffusers для SDXL base.

   pip install diffusers transformers accelerate

   Именно этот набор указан на официальной карточке SDXL base как базовый путь локального запуска.

   Ожидаемый результат: пакеты устанавливаются без ошибок в то же окружение, где проверка PyTorch уже прошла успешно.

4. Сохраните минимальный скрипт генерации на GPU.

   from diffusers import DiffusionPipeline
   
   pipe = DiffusionPipeline.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0')
   pipe.to('cuda')
   
   prompt = 'A red fox in a forest, cinematic light, highly detailed'
   image = pipe(prompt).images[0]
   image.save('sdxl-output.png')

   Сохраните код, например, в файл generate_sdxl.py. На официальной карточке модели допустимы два способа переноса на GPU: pipe.to('cuda') или device_map='cuda'. Для краткости здесь использован первый.

   Ожидаемый результат: у вас есть локальный скрипт, который загружает SDXL base, переносит pipeline на CUDA и сохраняет результат в файл.

5. Запустите скрипт.

   python generate_sdxl.py

   Если на текущей карточке модели требуется вход в Hugging Face или принятие лицензии, выполните это перед запуском. Для Hugging Face-моделей такие условия нужно всегда сверять на актуальной странице модели, а не по старым гайдам.

   Ожидаемый результат: в рабочей папке появляется файл sdxl-output.png. Это и есть базовый локальный запуск Stable Diffusion на вашем GPU.

Как проверить, что всё работает

• Проверка 1: torch.cuda.is_available() возвращает True.
• Проверка 2: тест с torch.rand(5, 3) печатает тензор без ошибок импорта.
• Проверка 3: после запуска python generate_sdxl.py появляется файл sdxl-output.png.
• Проверка 4: в скрипте есть явный перенос pipeline на GPU через pipe.to('cuda') или официальный альтернативный вариант device_map='cuda'.
• Проверка 5: вы не обязаны подключать refiner. Для первого запуска SDXL base достаточно самой base-модели.

Частые ошибки и исправления

• Ошибка: torch.cuda.is_available() возвращает False.

  Решение: переустановите PyTorch через официальный локальный конфигуратор с поддержкой CUDA и проверьте команду именно в том окружении, где будете запускать Diffusers.

• Ошибка: скрипт запускается, но вы не уверены, что генерация идёт на GPU.

  Решение: проверьте, что в коде есть явный перенос pipeline на GPU: pipe.to('cuda') или device_map='cuda'. Без этого вы не фиксируете нужный путь исполнения.

• Ошибка: модель не загружается или запрашивает дополнительные действия доступа.

  Решение: откройте текущую карточку stabilityai/stable-diffusion-xl-base-1.0 и проверьте, требуется ли вход в аккаунт Hugging Face и принятие лицензии.

• Ошибка: вы пытаетесь повторить шаги для ComfyUI на Python 3.14 и сталкиваетесь с проблемами custom nodes.

  Решение: учитывайте замечание из README ComfyUI: Python 3.13 хорошо поддерживается, а на Python 3.14 часть custom nodes может работать хуже.

• Ошибка: шаги для AUTOMATIC1111 из старого видео не совпадают с текущими файлами запуска.

  Решение: сверяйтесь с текущим wiki-гайдом для NVIDIA GPU и страницей релизов AUTOMATIC1111, потому что команды и файлы запуска могут меняться между версиями.

Безопасность и ограничения

• В этой инструкции inference выполняется локально на вашем GPU, но условия лицензии и доступа к модели нужно проверять на текущей карточке SDXL base.
• Для Hugging Face-моделей может требоваться принятие лицензии и/или вход в аккаунт перед загрузкой.
• Универсального официального значения минимального VRAM в проверенных источниках нет: требования зависят от модели, precision, attention-настроек и offload-режима.
• Пошаговая часть статьи фиксирует только CUDA-путь. Для AMD, Intel и Apple Silicon сверяйте актуальные официальные инструкции конкретного инструмента; ComfyUI заявляет manual install для NVIDIA, AMD, Intel, Apple Silicon и Ascend.
• У AUTOMATIC1111 конкретные шаги зависят от ОС и релиза; для Windows и NVIDIA официальный wiki рекомендует путь через sd.webui.zip, распаковку архива и запуск update.bat, а для ручной установки упоминает Python 3.10.6 64-bit и git.

Практический вывод: сначала добейтесь базового результата через короткий CUDA-скрипт. Только после этого переходите в ComfyUI, InvokeAI или AUTOMATIC1111: так проще отличить проблему GPU-окружения от проблемы интерфейса.

Что делать дальше

• Если нужен привычный браузерный интерфейс и экосистема расширений, откройте инструкцию как установить и запустить Stable Diffusion WebUI.
• Если хотите более широкий сценарий локальной установки на разных ОС, посмотрите как установить Stable Diffusion локально (Windows/macOS).
• Если GPU недоступен или CUDA не работает, используйте отдельный путь как запустить модель на CPU (без GPU).
• После первого запуска улучшите управляемость генерации через негативные промпты в Stable Diffusion.

Источники

• CompVis/stable-diffusion · GitHub
• High-Resolution Image Synthesis with Latent Diffusion Models
• SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis

• stabilityai/stable-diffusion-xl-base-1.0 · Hugging Face
• Diffusers documentation: text-to-image pipeline
• Diffusers installation
• Start Locally | PyTorch
• Start via Cloud Partners | PyTorch
• ComfyUI · GitHub
• Releases · Comfy-Org/ComfyUI · GitHub
• InvokeAI · GitHub
• Releases · invoke-ai/InvokeAI · GitHub
• GitHub – AUTOMATIC1111/stable-diffusion-webui: Stable Diffusion web UI
• Install and Run on NVidia GPUs · AUTOMATIC1111/stable-diffusion-webui Wiki · GitHub
• Releases · AUTOMATIC1111/stable-diffusion-webui · GitHub

Вопросы и ответы

Можно ли запускать SDXL base без refiner?

Да. На официальной карточке SDXL base описана как standalone-модель, а refiner указан как опциональное дополнение, а не обязательный шаг.

Что выбрать для первого запуска: Diffusers или WebUI?

Для первого воспроизводимого результата лучше Diffusers + SDXL base, потому что у него есть короткий официальный пример локального CUDA-запуска. WebUI удобнее позже, когда вы уже подтвердили, что GPU и окружение работают.

Что делать, если torch.cuda.is_available() возвращает False?

Переустановите PyTorch через официальный путь Start Locally с поддержкой CUDA и убедитесь, что запускаете проверку в том же окружении, где будут стоять Diffusers и модель.

Подойдёт ли эта инструкция для AMD, Intel или Apple Silicon?

Нет, не полностью. Пошаговая часть статьи фиксирует только CUDA-сценарий. Из проверенных источников известно, что ComfyUI заявляет manual install для NVIDIA, AMD, Intel, Apple Silicon и Ascend, но это уже другой путь установки.

Нужен ли аккаунт Hugging Face для запуска?

Это нужно проверять на текущей карточке модели. Для Hugging Face-моделей может требоваться вход в аккаунт и/или принятие лицензии перед загрузкой.

Какие версии UI-инструментов актуальны в проверенных источниках?

На 2026-08-16 в релизах указаны ComfyUI v0.33.1, InvokeAI v6.13.8 и AUTOMATIC1111 stable-diffusion-webui 1.10.1.