今年以来，PC业界最大的风口毫无疑问就是“AI”了，从年初的Stable Diffusion AI绘画到后来的ChatGPT，仿佛一夜之间PC里沉寂已久的庞大算力找到了出头之日，各路热点关注纷纷涌向AI计算，各厂商一夜之间纷纷推出自己的模型，显卡价格暴涨，随后迎来制裁......看似热闹非凡，但是距离普通用户还是太远太虚幻，网上各种乱七八糟的APP，都号称能让普通用户也能体验AI功能——话里话外还是充钱！充钱！充钱！
那么，有没有能在自己家里电脑上就能简单部署的AI应用呢？还真有！其实ChatGPT和Stable Diffusion都有开源版本，可以非常简单的在本地部署，不过ChatGPT对于机器的算力配置以及存储要求都比较高，门槛不低，而且模型小了体验很一般，而Stable Diffusion就灵活多了，虽然要想跑爽还是需要强一点的CPU、显卡和大内存、大显存的，但是最低只需要集成显卡就可以跑！
今天在这里我就给大家介绍一下最简单、最省事的AMD显卡AI跑图教程！
需要什么配置？目前AI绘画基本上都是基于Github上的Stable Diffusion模型进行的（还有个付费的Midjourney），可以进行“文生图”、“图生图”等等神奇的功能，完全开源且免费，各种网上教的“AI绘画班”以及收费的“AI绘画工具”，不能说全都是骗人吧，至少绝大多数都是智商税，最复杂的部署和模型训练部分已经有无数大神做好了工作，只要机器配置满足要求，按着教程走就可以玩起来了！
那么大概需要什么样的配置呢？在发布之初，Stable Diffusion的配置要求还比较高，至少需要16GB以上的内存、主流级的CPU、10GB以上显存的N卡，这个要求不说挡住了99%，至少也挡住了90%的用户，毕竟以老黄的抠门程度来看，当时只有3060和3080、3090这几张卡能运行，而且3060还是空有显存，算力残废，在那会跑图很是费劲。但是经过一年时间不断迭代升级，目前Stable Diffusion已经支持从N卡、A卡甚至I卡，独立显卡到集成显卡，Windows、Linux甚至MacOS各种操作系统，硬件要求也低了很多，大概配置如下：
CPU：主流平台，原则上性能越强越好（非必须，如果不用显卡CPU硬跑也可以，但是真的很慢一张1-10分钟不等）
内存：越大越好
显卡：显存越大越好，独立显卡需要4GB以上显存，集成显卡需要16GB以上内存（集成显卡最好是Radeon 680M/780M，性能强些）
硬盘：最好是SSD
操作系统：Windows 11/10 21H2及之后版本，显卡驱动越新越好
说白了，如今的Stable Diffusion对硬件的要求已经很低了，只要不是N年前的上古电脑，5年内的中高端电脑，甚至这两年的一些笔记本电脑，独显只要有4G显存（狂牛！），集显只要是6800H/7840HS集成的Radeon 680M/780M以上，都可以跑（老APU的Vega也行，但是慢），与高端显卡的区别主要还是速度方面，本身只是输出图片的话对GPU性能要求不是特别高，但是对显存要求比较高。
目前SD对显存的要求大致区分4档：4G、4-8G、8-12G以及12G以上，越大的显存跑图时间越短，毕竟模型体积不小，如果能一次加载进显存中，就能大大减小加载模型的时间，否则只能多次加载，出图很慢——当然，显卡性能太差也不行，比如Intel的核显，虽然Iris Xe核显最高可以划分8GB内存用作显存，但是性能实在是太弱鸡，跑图速度就不行，还不如用CPU硬跑，而AMD的集成显卡Radeon 680M/780M就轻松很多。
那么什么显卡合适呢？从跑图的角度出发，因为本身瓶颈主要还是在显存上，显卡核心的优先级不是那么重要（当然还是越快越好），主要还是优先选显存大的！
当然，最快的显卡无疑是RTX4090 24GB了，不论是核心性能还是显存容量，都是民用市场绝对最强的存在，以至于太强被禁了......（PS：虽然听说老黄要出 二次阉割的RTX4090D来绕过监管，但是今天又听说还要封禁......总之不要抱太大希望）
那么如今能买到的卡皇是谁呢？是Radeon RX7900XTX 24GB！从跑图和AI应用的角度来说，同样拥有24GB海量显存的RX7900XTX也是相当优秀的，尤其是双11时候RX7900XTX一度降到6000出头的价格，以显存/价格来计算的话相当超值！（当然由于最近的禁令风云，新任卡皇RX7900XTX也有被抢购+涨价的趋势，且买且珍惜）
除此之外，再低一档就是A卡的二哥Radeon RX7900XT了，20GB显存同样具有优秀的AI性能，双11时候价格一度降到5000出头，对比同价位的N卡只有12G显存的4070TI，那真是不论核心性能还是显存上都大大落后了。
再往下的选择就多了，16GB显存有3000多的RX7800XT，12GB显存有2000出头的RX6750GRE，都是同价位性价比最高的存在——不是N卡不给力，实在是老黄的显存给得太抠门了，如今打游戏都不太够，哪里还给你跑AI的空间？连RTX4080都涨回9000了！虽然RTX4080跑图速度确实也很快，但是这个价格已经完全失去性价比了！
怎么玩？这里我测试使用的是蓝宝石Sapphire Radeon RX7900XTX 24GB超白金，目前最好的RX7900XTX非公版之一，最近蓝宝石又重开了京东自营，这下买起来放心多了。
对于Stable Diffusion的本地部署，这里有三套方案，效率依次提高，先说说最简单的：
整合包一键启动！（最省事，效率也相对较低）
这里要首先感谢B站大佬，感谢大佬为大家带来了“绘世”一键整合包，直接下载适合A卡的整合包就可以轻松开始AI绘画了！
具体步骤如下：
①下载整合包，地址在；
②解压到英文目录位置，保险起见最好是放在某个盘根目录下；
③找到这个萌萌哒的图标：A启动器.exe，双击运行！
④启动器在联网状态下会自动更新，第一次启动还会提示启用Windows系统的长文件名支持，按照提示选择确定即可。另外还会需要安装微软.net 6.0运行库，如果是联网状态启动器会跳转相关网页自动下载，如果是离线状态的话可以在这里下载，拷到需要跑图的机器上安装即可。
⑤一切顺利的话就可以见到绘世启动器的主界面了！
⑥先不要着急点击右下角的“一键启动”，因为默认设置不一定能跑起来，先来到第二页“高级选项”中，针对自己机器的配置稍微调整下：
其中，生成引擎可以选CPU和GPU两种，CPU就是硬跑啦，真的很慢，一张512×512的图大约需要3-5分钟不等，当然如果CPU足够强的话也不算慢，比如用7950X跑一张只需要1分钟，然而这个水平连Radeon 780M集成显卡都不如......所以还是用显卡吧！
显存优化选项根据显卡的显存情况设置，Radeon 680M/780M集成显卡建议设置成“低显存”，4-8G显存建议选择“中等显存”，8-12G建议选择“仅SDXL中等显存”，12G以上就选“无优化”即可，压线的显存容量比如8G、12G建议向下选一档，例如8G显存就选“中显存”，不然爆显存的话会报错。
Cross-Attention优化方案建议保持默认或者选择“自动”。
其余选项可以不动，设置完成后就可以点击“一键启动”了！
⑦正常启动后就会自动打开Stable Diffusion的Automatic111 UI界面，看起来是不是有点复杂？其实只简单生成图片玩玩的话很简单，上面那个大输入框是正面提示词，尽量用英文，也就是想生成图片的关键词，大致上分为质量控制和内容要求两类，比如“best quality”之类的就是控制质量的，而“girl,long leg”之类的就是负责内容的，这里就可以尽量发挥自己的想象力填写了，如果默认的模型里有相关内容，UI会提示的；
第二个大框里就是反向关键词，就是不想在图里出现的内容了，这里有个万能的负向关键词：
lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry
（来自秋葉aaaki 大神的教程）
粘进反向提示词的框里，基本能满足90%的需要了。
填好关键词之后（其实不填也能出图，但是啥质量就不好说了），接下来点击旁边硕大的橙色“生成”按钮，稍等几秒~几十秒就会生成一张图啦！
关于关键词的选择，有很多教程，甚至还可以让ChatGPT帮你出，个人推荐，使用起来比较方便，直接选择合适的关键词复制即可。
默认是512×512大小精度，做个头像什么的足够用了，如果要大图需要改一下下面的大小参数，但是生成时间也是成倍增长的。
⑧想要生成其他风格的图片怎么办？默认的绘世启动器只带了基本的Stable Diffusion其中1套模型，只能满足基本的文生图需求，更多的需求就要增加不同的模型了：
绘世启动器里带了很多模型的链接，而且是国内镜像速度很快，关于额外的模型和其他参数怎么使用，这就说来话长了，有需要的可以自行搜教材和相关材料摸索。不过总体来说，如果只是尝试一下神奇的AI画图的话，前面①~⑦的步骤就足够了！
再进一步？需要说明的是，大佬制作的一键整合包主要是为了我等小白用户使用，兼容性上非常好，但是基于PyTorch的模型效率很一般，再加上Windows的各种拖后腿，完全无法发挥出显卡的真实性能，因此这里再提供剩余2套方案的大致素材供参考：
Microsoft Olive速度起飞！默认绘世启动器带的模型效率一般，因此微软与AMD合作推出了Olive工具，可以把市面上大量基于PyTorch训练的模型转换为ONNX，基于DirectML来运行，效率提升不少，基本上可以使A卡达到同价位N卡的AI画图效率，但是这种方法就不能用绘世启动器来一键部署了，需要单独安装Git、Python和Anaconda或者Miniconda，这些都是比较好找的开发工具，能够自己部署这些工具的人大概也不需要我这篇教程，因此我只提供个思路，具体可以看这篇文章。
经过Olive优化之后，RX7900XTX可以跑出大约18-20it/s的速度，生成一张标准512×512图从原来的10秒左右提升到2-3秒左右，提升了3-5倍，还是相当可观的！（原文里还是早一点版本的模型，如今绘世启动器里带的模型用RX7900XTX跑一张图大约在3-5it/s左右）
需要说明的是，之前在网上搜到的AMD显卡跑图效率，基本都是旧驱动跑的，效率很一般，而且没有区分度，最高端的独立显卡RX7900XTX和集成显卡RX780M速度差别不大，都在1.X it/s徘徊，这明显不符合常理，一方面是当时Stable Diffusion的DirectML支持还不够完善，另一方面是老驱动对AI画图优化不够，毕竟这个东西才出来刚满一年。不过在今年11月初，AMD放出了新版的23.11.1驱动，驱动里重点说明了对AI画图功能的优化，主要就是使用DirectML在Stable Diffusion以及Lightroom、DaVinci等生产力软件上的性能，涵盖RDNA2以来的所有6000、7000系列独立显卡以及600、700M集成显卡。因此前面也说了，驱动要越新越好，毕竟最近1年来AI技术迭代速度，已经有点目不暇接了。
即便是不使用olive优化，新驱动在Windows+DirectML环境下，依然使用绘世启动器，就可以获得大约2-3倍的提升，使用RX7900XTX 24GB显卡时，一张512×512的出图时间从原来的大约30-50秒提升到10-15秒左右，效果非常明显！当然，还是比不过使用Olive进行优化后的性能，此时性能直追同价位N卡！
但是如果我说，这还不是A卡跑AI的完整性能呢？要想彻底释放性能，后面还有一招！
ROCm+Linux，彻底释放！而想要彻底释放显卡的性能，就得抛弃效率低下的Windows，改用效率极高的Linux了。在Linux下，装好Python+Anaconda或者Miniconda，部署Stable Diffusion，抛弃效率低下的DirectML改用ROCm跑CUDA，可以完全释放显卡的性能！这块的部署就太复杂了，小弟也没能力尝试，这里提供大神的教程供参考。
根据文章中的说法，一张RX7900XT 20GB生成512×512的图大约需要1.4秒，相较于上面的Olive方案又大约快了1-2倍左右，如果把默认的绘世启动器DirectML效率看成1x的话，Olive方案效率大约是3~5x，ROCm效率大约是8~10x，还是相当可观的！不过从普通用户来说，一张图10秒还是一张图2秒，区别都不是太大！大概对集成显卡和低端显卡用户意义比较大吧，重点还是创意和模型的使用，毕竟电脑只是工具，最重要的还是如何使用它！
