Windows 本地部署 Stable Diffusion 全步骤与低配电脑显存不足优化

低配电脑装SD：最怕的不是显卡差，是不会设置

Stable Diffusion本地部署对显存有最低要求，但很多4-6GB显卡的用户通过合理配置也能流畅出图。本文从零开始，解决低配电脑部署SD遇到的所有坑。

第一步：Python环境配置

1.1 版本选择

SD WebUI要求Python 3.10.6（精确到小版本），不要用3.11或3.12。从python.org下载3.10.6安装时，勾选「Add Python to PATH」。安装后在PowerShell中运行python --version确认版本正确。如果系统已装3.11/3.12，需要卸载或使用py -3.10命令指定版本。

1.2 Git安装

从git-scm.com下载Git安装包，一路默认安装。运行git --version确认可用。Git用于克隆SD WebUI代码仓库。

第二步：克隆并启动SD WebUI

2.1 克隆仓库

打开PowerShell，cd到一个有足够磁盘空间的目录（建议50GB以上空闲）。运行git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git。国内用户配置Git代理或使用Gitee镜像。克隆后进入stable-diffusion-webui目录。

2.2 低显存启动参数设置（关键）

找到webui-user.bat，用记事本打开，找到set COMMANDLINE_ARGS=这一行。4-6GB显存：set COMMANDLINE_ARGS=--medvram --opt-split-attention --no-half-vae。2-4GB显存：set COMMANDLINE_ARGS=--lowvram --opt-split-attention --no-half-vae --always-batch-cond-uncond。纯CPU模式（无独显）：set COMMANDLINE_ARGS=--use-cpu all --precision full --no-half。保存后双击webui-user.bat运行。首次启动会下载依赖库和基础模型（约20分钟到1小时）。

2.3 启动后基础设置

打开浏览器访问http://127.0.0.1:7860。进入Settings→Stable Diffusion选项卡，开启Tiled VAE（分块VAE，大幅降低显存占用），勾选「Move VAE and CLIP to RAM when using upscalers」。在Optimizations选项卡中勾选opt-split-attention。点击Apply settings保存。

第三步：模型下载与选择

3.1 适合低显存的模型

推荐对显存友好的模型：SDXL-Turbo（1-4步出图，约3GB显存）、LCM-LoRA（配合SD 1.5模型，4步出图）、DreamShaper 8（SD 1.5，约4GB）。从LiblibAI或Civitai下载.safetensors文件放入models/Stable-diffusion目录。

3.2 硬盘空间管理

每个模型2-7GB，硬盘有限的话优先保留SDXL-Turbo（最小约1.5GB）。建议只保留2-3个主力模型。

第四步：生图参数调优

低显存最怕高分辨率。起步设为384x384（4GB显卡）或448x448/512x640（6GB显卡）。Batch Size始终为1，Batch Count可以调大（排队生成不增加单次显存）。出图后在img2img用SD Upscale逐步放大，每次不超1.5倍。采样器推荐Euler a或DPM++ 2M Karras，LCM模型只需4-8步。CFG Scale设为7，LCM降低到1-2。

总结

低配跑SD口诀：小模型+低分辨率+medvram+Tiled VAE+单Batch。不追求一步到位大图，低分辨率先构图满意后再放大。