Stable Diffusion WebUI Forge 实操完整指南从安装到第一次出图【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forgeStable Diffusion WebUI Forge 是基于 Stable Diffusion WebUI 分叉的网页前端针对本地生图最常见的两个痛点——显存不够和推理慢重写了资源管理与推理调度让消费级显卡也能更稳、更快地跑 SD 1.5、SDXL、Flux 等模型。WebUI Forge 是什么适合谁用分叉而非新产品基于 SD-WebUI 1.10.1 构建页面结构和扩展生态基本兼容你已有的 checkpoint 和大部分第三方扩展可以直接复用。重心在资源管理显存分配、模型卸载Offload即把暂时用不到的模型权重挪到内存里和任务队列都经过重写同样的显存能跑更大的模型同样的模型出图也更快。覆盖新模型格式与引擎原生支持 BitsandBytes NF4 量化模型NF4 是一种 4 位量化格式和 GGUF 模型内置 SD 1.5 / SDXL / SD 3.5 / Flux / Chroma / Kolors 等多个引擎。适用人群显存 12GB 以内、想在单台电脑上跑大模型的用户日常使用 LoRA 或 ControlNet 的用户以及想写自定义扩展的开发者。SD WebUI Forge 的硬件与软件要求项目要求说明操作系统Windows / Linux / macOSWindows 用一键安装包Linux/macOS 用 webui.sh 脚本Python3.10 及以上一键安装包已内置无需另装GPU推荐 NVIDIA显存 8GB 可运行12GB 以上更从容磁盘数十 GB 可用空间取决于你存放的模型数量其他Git 客户端仅 Git 克隆安装方式需要WebUI Forge 安装教程新手/开发者/进阶三档 新手一键安装包。到 Forge 项目的发布页下载一键安装包内含 Git 和 Python解压到任意目录先运行update.bat把代码更新到最新再运行run.bat启动。每次使用前都建议先跑一次update.bat否则可能停留在带已知 bug 的旧版本上。开发者Git 克隆。git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge python webui.py首次运行会自动下载并安装全部依赖。进阶虚拟环境。克隆后执行python -m venv venv创建独立环境激活后运行pip install -r requirements.txt装依赖再执行python webui.py。适合需要严格控制依赖版本、与本机其他项目隔离的用户。WebUI Forge 核心能力一览智能显存管理。通过「GPU Weight」滑块动态分配放在显存里的权重比例配合 Offload Location 决定模型卸载到哪里。对你的意义同样的显存能加载更大的模型生成过程不容易再因爆显存中断。多格式模型支持。原生支持 BNB NF4 与 GGUFQ8_0 到 Q4_1 多种精度量化格式内置引擎覆盖 SD 1.5 / SD 2 / SDXL / SD 3.5 / Flux / Chroma / Kolors实现位于 backend/diffusion_engine 目录。内置扩展生态。ControlNet、IP-Adapter、FreeU V2 及一系列预处理工具都在 extensions-builtin 目录里开箱即用不用逐个安装。LoRA 体系。兼容 WebUI 的 LoRA 生态支持低比特模型下的精确 LoRA 加载与「一次加载、反复使用」减少重复 patch 的开销。第一次运行从启动到出图的 4 步 下载一个基础模型checkpoint放进 models/Stable-diffusion/ 目录目录里有个占位 txt 说明了该放什么文件。启动程序Windows 运行 run.batLinux/macOS 运行bash webui.sh。终端显示启动完成后浏览器打开 http://127.0.0.1:7860。在 txt2img 页面选好模型、输入提示词点生成。首次出图需要加载模型等待时间比后续几次长属正常现象。遇到问题先看这里3 个高频报错与对策现象启动报 Connection errored out或页面打不开原因7860 端口被其他程序占用或防火墙拦截了本地访问。 解法关闭占用 7860 的进程或换一个端口启动并在防火墙中放行本地访问。现象生成速度慢或中途报显存错误原因「GPU Weight」调得过高超出了实际可用显存。 解法调低 GPU Weight同时调整 Offload Location 与 Offload Method按项目维护者的说法多数性能问题靠这一项就能解决。现象低比特模型上 LoRA 效果不如预期原因量化模型与全精度模型的 LoRA patch 方式不同。 解法参考 README 中 LoRA 相关章节开启精确 LoRA 加载并避免同一次生成中重复加载。装好之后建议先阅读 README.md 里的 Forge Status 表格它列出了各组件当前的支持状态最近的更新动态见 NEWS.md。需要下载配套的模型配置文件时可以用仓库根目录的 download_supported_configs.py 脚本。【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
