從Stable Diffusion這一AI應用出現之后，在極短時間內就迅速走紅，成為眾多玩家口口相傳的“最美小姐姐”生成工具。不過這一AI計算畫圖工具在Stable Diffusion官方推出之初，無論是WEB UI的部署還是模型的訓練生成，都基本是基于NVIDIA CUDA加速的算法，因此A卡最初并不被Stable Diffusion官方支持。不過好在Stable Diffusion算是一個開源的產品，在眾多社區聚集玩家的支持下，也出現了許多支持A卡GPU加速計算的分支，比如我們今天要測試的基于DirectML的部署，就能實現AMD Radeon顯卡的Stable Diffusion AI計算硬件加速。

如果要自己在本地部署基于DirectML的Stable Diffusion話，相比便捷的基于CUDA的WEB UI部署要相對復雜一些，不過現在網上已經有比較成熟的整合包供玩家適用，玩家們只需要下載相應的整合包，就能一鍵實現在本地的傻瓜式安裝部署，可以為大家節省相當多的時間。

▲我們選擇用于測試的這個整合包安裝完畢之后，自動進入AMD GPU加速計算模式，在本地開啟http://127.0.0.1:7860即可打開本地Stable Diffusion的AI畫圖界面。

▲在本地WEB UI界面上可以自由設置相關的AI藝術圖生成參數，點擊“生成”即可開始畫圖。具體請參考線上相關教程，在此我們不贅述。

那么，基于DirectML的Stable Diffusion部署分支能不能實現對AMD顯卡的硬件計算加速支持呢？它的效率到底如何？在此前A卡玩家經常只能在Linux系統下運行Stable Diffusion，通過ROCM(Radeon Open Compute)模擬CUDA加速，如今在Windows系統下直接實現A卡的AI加速計算，能否達到我們的預期目標呢？為此，我們選擇了AMD Radeon RX 5000系、RX 6000系以及RX 7000系的數款顯卡，進行了一番詳細的體驗。

體驗平臺

顯卡：AMD Radeon RX 5500XT(8GB)、RX 5700(8GB)、RX 6500XT 4GB、RX 6600(8GB)、RX 6700XT(12GB)、RX 6750XT(12GB)、RX 6800(16GB)、RX 6900XT(16GB)、RX 7900 XT(20GB)、RX 7900 XTX(24GB)

CPU：英特爾酷睿i9-13900K

主板：英特爾Z790

內存：DDR5 6000 16GB×2

SSD：AORUS NVMe PCIe SSD 2TB

操作系統：Windows 11 Pro 22H2

驅動程序：AMD Software Adrenalin Edition 23.4.3

通過測試，我們想知道：

AMD Radeon 5000系、6000系和7000系之間，在Stable Diffusion的AI畫圖算力上有多大差別？

相比傳統的CPU AI計算加速，AMD GPU加速性能到底如何？

▲我們所采用的網絡開源共享的部署方案可以正確實現AMD顯卡的硬件加速計算，可以看到在圖片生成的過程中GPU的占用率一直保持在100%。

模型為Novel AI Final-runed(CKPT)

測試一：AI生成時尚美女

在第一部分的測試中，我們通過關鍵詞生成一個大眼的時尚美女小姐姐，還要有一定的照片感。關鍵詞設置如下(部分引用自網絡開源共享關鍵詞)：

lora0.6> , best quality, ultra high res, (photorealistic:1.4), 1woman, sleeveless white button shirt, black skirt, black choker, cute, (Kpop idol), (aegyo sal:1), (platinum blonde hair:1), ((puffy eyes)), looking at viewer, full body, facing front,fashion,premium

分辨率設置：512×512

采樣步進：20

提示詞引導系數：7

生成批次-每批數量：1-1、4-1

在測試中由于絕大部分顯卡都擁有8GB以上的顯存，因此我們在運行參數上基本設置了正常的高顯存默認模式，只有4GB顯存版的RX 6500XT運行時采用了添加了--lowvram的低顯存運行模式(否則就無法運行)。從整體測試結果來看，AMD從Radeon RX 5000系到RX 7000系的顯卡幾乎都很好地實現了Stable Diffusion應用的AI計算加速性能，尤其是Radeon RX 7000系顯卡性能相比RX 6000系顯卡有了巨大的提升。比如RX 6900XT在該設置與模型算法下的圖片生成率約為8.87張/秒，而RX 7900 XT則可以達到15.76張/秒，性能提升接近100%。

而相比CPU來說，全系AMD顯卡都占有非常明顯的優勢，RX 7900 XT的性能達到了酷睿i9-13900K的30倍左右，即使前兩代的入門級顯卡RX 5500XT，性能上也幾乎接近酷睿i9-13900K的5倍。

唯一有點異常的是RX 6500XT，按照核心規格來看，它應該是要強于RX 5500XT的，不過由于顯存配置僅為4GB，因此在測試中開啟了低顯存運行模式之后，其圖片上生成速度受到了極大影響，遠低于GPU加速的正常表現，僅能達到略高于CPU計算的水準。

測試二：AI生成較為復雜的水邊別墅風景照

在接下來的測試中，我們用一系列相對復雜的關鍵詞來生成一座位于水邊的別墅，同時還伴有陽光、波紋、倒影等效果要求。關鍵詞如下：

‘beautiful render of a Tudor style house near the water at sunset, fantasy forest. photorealistic, cinematic composition, cinematic high detail, ultra realistic, cinematic lighting, Depth of Field, hyper-detailed, beautifully color-coded, 8k,’

分辨率設置：512×512

采樣步進：50

提示詞引導系數：7.5

生成批次-每批數量：1-1、2-1、4-1

這部分的測試結果與前一測試基本保持了一致性。仍然是RX 7000系顯卡在性能上獨占鰲頭，相對于RX 6000系顯卡的對位提升在100%左右，與CPU的計算性能相比，GPU加速計算的性能提升仍然非常顯著，RX 7900 XT的性能達到了酷睿i9-13900K的30倍左右，入門級顯卡RX 5500XT，性能上也幾乎接近酷睿i9-13900K的5倍。

4GB顯存配置RX 6500XT由于僅能在低顯存模式下運行，因此圖片上生成速度還是受到了極大影響，遠低于GPU加速的正常表現，大致與酷睿i9-13900K相當。

寫在最后

這是一次簡單但卻比較有趣的測試，通過這次體驗，我們認為有幾點參考意見可以總結給玩家們參考：

1.當前AMD顯卡已經可以通過開源的部署方案實現在Windows系統下的Stable Diffusion AI計算加速，而且網上也有許多的傻瓜式整合包，感興趣的玩家完全可以一試；

2.從測試結果來看，AMD顯卡在Stable Diffusion的AI圖片生成計算中能夠發揮出遠勝于CPU計算的性能增幅，使用GPU加速計算能帶來事倍功半的效果；

3.從測試情況來看，測試中當渲染分辨率設置超過512時(如768×768)，就會出現爆顯存的情況，這與部署方案和模型有一定關系，但也反映了在正常模式下運行時，8GB顯存幾乎是Stable Diffusion的硬性入門要求。如果顯存低于8GB，即使在512×512分辨率下渲染，也會出現顯存不足的情況，此時就不得不采用--lowvram的低顯存運行方案，但會極大地拖累計算速度，如測試中的RX 6500XT 4GB。所以要想暢玩Stable Diffusion，我們建議顯卡的顯存為8GB或更高為佳；

4.從整體結果來看，我們認為AMD GPU還有極大的算法優化空間，憑不可靠經驗判斷，從RX 7900 XTX到酷睿i9-13900K的性能差距還不足夠大。這和我們部署的算法方案以及模型都有一定關系，也希望各社區的程序員們能開發出更多更優秀的針對AMD顯卡的計算加速方案。

不管如何，AMD顯卡對Stable Diffusion的硬件加速計算性能已經得到了展現，效果也比較明顯，對AMD顯卡用戶來說毫無疑問是利好的福音消息，剩下的就是玩家與AMD需要堅持的繼續優化之路了。

審核編輯 ：李倩