ITADN
Panchovix/stable-diffusion-webui-reForge
代码 动态 Issues234 合并请求70 版本
Panchovix/stable-diffusion-webui-reForge · 文件 下载 ZIP
文件最后提交记录最后更新时间
README.md
以下内容由 AI 翻译，如有问题请点此提交 issue 反馈

Stable Diffusion WebUI Forge/reForge

Stable Diffusion WebUI Forge/reForge 是一个基于 Stable Diffusion WebUI（基于 Gradio）之上的平台，旨在简化开发、优化资源管理、加速推理并研究实验性功能。

“Forge” 这一名称灵感来源于 “Minecraft Forge”。该项目旨在成为 SD WebUI 的 Forge。

为稳定性建议替代 reForge 的仓库

谢谢！

Forge2/reForge2

  • newmain_newforge: 基于最新的 forge2（gradio4、flux 等），并包含一些我计划非常缓慢地添加的小改动。目前它支持 python 3.12、sage/flash attention 支持、reForge (1) 中的所有采样器和调度器，以及最近支持的 CFG++ 采样器。

其他分支：

  • main：包含多项更改和更新的主分支。但不如 main-old 分支稳定。
  • dev：与 main 类似，但包含更多不稳定的更改。例如，对于 sd1.x 和 sdxl，使用 comfy/ldm_patched 后端而不是 A1111。
  • dev2：比 dev 更不稳定，目前与 dev 相同。
  • experimental：与 dev2 相同，但使用 gradio 4。
  • main-old：使用旧版 forge 后端的分支。可能是最稳定且较旧的分支（2025-03）

安装 Forge/reForge

（建议）全新安装。

为此，您需要 Python（Python 3.7 到 3.12 均可正常工作，3.13 仍存在一些兼容性问题） 如果您知道自己在做什么，可以使用与 SD-WebUI 相同的方法安装 Forge/reForge。（安装 Git、Python，Git Clone reForge 仓库 https://github.com/Panchovix/stable-diffusion-webui-reForge.git 然后运行 webui-user.bat）：

git clone https://github.com/Panchovix/stable-diffusion-webui-reForge.git
cd stable-diffusion-webui-reForge
git checkout main

然后运行 webui-user.bat（Windows）或 webui-user.sh（Linux，对于后者，请确保根据您的文件夹、路径和所需设置取消注释相应的行）。

当您想要更新时：

cd stable-diffusion-webui-reForge
git pull

如果使用 Windows 7 和/或 CUDA 11.x

为此，安装方式略有不同，因为它使用另一个 req 文件。我们将原始 req 文件重命名为备份，然后将旧版文件重命名为原始文件名，以保持更新功能正常工作。 对于 Windows CMD，操作如下：

git clone https://github.com/Panchovix/stable-diffusion-webui-reForge.git
cd stable-diffusion-webui-reForge
git checkout main
ren requirements_versions.txt requirements_versions_backup.txt
copy requirements_versions_legacy.txt requirements_versions.txt

Windows PS1

git clone https://github.com/Panchovix/stable-diffusion-webui-reForge.git
cd stable-diffusion-webui-reForge
git checkout main
Rename-Item requirements_versions.txt requirements_versions_backup.txt
Copy-Item requirements_versions_legacy.txt requirements_versions.txt

然后运行 webui-user.bat（Windows）。

你已有 A1111 且熟悉 Git

教程来自：https://github.com/continue-revolution/sd-webui-animatediff/blob/forge/master/docs/how-to-use.md#you-have-a1111-and-you-know-git 如果你已经拥有 OG A1111 并且熟悉 git，一个选项是前往 /path/to/stable-diffusion-webui 并

git remote add reForge https://github.com/Panchovix/stable-diffusion-webui-reForge
git branch Panchovix/main
git checkout Panchovix/main
git fetch reForge
git branch -u reForge/main
git stash
git pull

若要返回 OG A1111，只需执行 git checkout master 或 git checkout main。

如果你卡在合并以解决冲突，可以使用 git merge --abort 回退

预打包方案已规划，但我不确定如何实现。欢迎提交 PR 或提供相关帮助。

Forge/reForge 后端

Forge/reForge 后端移除了所有与资源管理相关的 WebUI 代码，并对所有功能进行了重构。所有之前的 CMD 标志，如 medvram, lowvram, medvram-sdxl, precision full, no half, no half vae, attention_xxx, upcast unet、... 均已移除。添加这些标志不会导致错误，但它们现在不会有任何作用。

在不使用任何 cmd 标志的情况下，Forge/reForge 可以使用 4GB 显存运行 SDXL，使用 2GB 显存运行 SD1.5。

一些您可能仍需注意的标志：

  1. --always-offload-from-vram（此标志会使操作变慢，但风险更低）。此选项将使 Forge/reForge 始终从 VRAM 中卸载模型。如果您同时使用多个软件，并希望 Forge/reForge 使用更少的 VRAM，将部分 VRAM 留给其他软件，或者当您使用某些会与 Forge/reForge 竞争 VRAM 的旧扩展时，或者（非常罕见地）当您遇到 OOM 时，此选项可能很有用。

  2. --cuda-malloc（此标志会使操作变快，但风险更高）。这将要求 pytorch 使用 cudaMallocAsync 进行张量内存分配。在某些性能分析器中，我可以观察到毫秒级的性能提升，但在大多数我的设备上，实际加速往往不明显（每张图像约 0.1 秒或更少）。由于许多用户报告异步内存分配会导致程序崩溃，因此不能将其设置为默认值。用户需自行承担风险启用此 cmd 标志。

  3. --cuda-stream（此标志会使速度更快，但风险更高）。这将使用 pytorch CUDA streams（GPU 上的一种特殊线程类型）来同时移动模型和计算张量。这几乎可以消除所有模型移动时间，并在使用小显存的 30XX/40XX 设备（例如，RTX 4050 6GB、RTX 3060 Laptop 6GB 等）上，将 SDXL 的速度提升约 15% 到 25%。然而，不幸的是，这无法被设置为默认值，因为我观察到在 2060 上出现纯黑图像（Nan 输出）的可能性更高，以及在 1080 和 2060 上出现 OOM 的几率更高。当分辨率较大时，单个 attention 层的计算时间有可能长于将整个模型移动到 GPU 的时间。当这种情况发生时，下一个 attention 层将会 OOM，因为 GPU 已被整个模型占满，没有剩余空间用于计算另一个 attention 层。大多数开销检测方法在旧设备上（在我的测试中）不够稳健，无法可靠工作。用户需要自行承担风险来启用此 cmd 标志。

  4. --pin-shared-memory（此标志会使速度更快，但风险更高）。仅在与 --cuda-stream 一起使用时有效。在卸载模型时，这将把模块卸载到共享 GPU 内存，而不是系统 RAM。在某些 VRAM 较小的 30XX/40XX 设备（例如，RTX 4050 6GB、RTX 3060 Laptop 6GB 等）上，我可以观察到 SDXL 有显著（至少 20%）的速度提升。然而，不幸的是，这不能设置为默认值，因为共享 GPU 内存的 OOM 比常见的 GPU 内存 OOM 是一个更严重的问题。Pytorch 没有提供任何稳健的方法来卸载或检测共享 GPU 内存。一旦共享 GPU 内存 OOM，整个程序将会崩溃（在 GTX 1060/1050/1066 上使用 SDXL 时观察到），并且没有动态方法来防止或从崩溃中恢复。用户需要自行承担风险启用此 cmd 标志。

一些额外的标志，可以根据你的需求帮助提升性能或节省 VRAM，或者更多。它们中的大多数可以在 ldm_patched/modules/args_parser.py 和正常的 A1111 路径（modules/cmd_args.py）中找到：

--disable-xformers 禁用 xformers，以使用其他注意力机制，如 SDP。 --use-sage-attention 使用 SAGE 注意力实现，来自 https://github.com/thu-ml/SageAttention。您需要单独安装该库，因为它需要 triton。 --attention-split 使用分割交叉注意力优化。当使用 xformers 时将被忽略。 --attention-quad 使用次二次交叉注意力优化。当使用 xformers 时将被忽略。 --attention-pytorch 使用新的 pytorch 2.0 交叉注意力函数。 --disable-attention-upcast 禁用所有注意力的上转换。除调试外，通常不需要。 --force-channels-last 在推理模型时强制使用 channels last 格式。 --disable-cuda-malloc 禁用 cudaMallocAsync。 --gpu-device-id 设置此实例将使用的 cuda 设备 ID。 --force-upcast-attention 强制启用注意力上转换。

(VRAM related)

--always-gpu 将所有内容（文本编码器/CLIP 模型等）存储并运行在 GPU 上。 --always-high-vram 默认情况下，模型在使用后会被卸载到 CPU 内存。此选项使它们保留在 GPU 内存中。 --always-normal-vram 用于在 lowvram 被自动启用时强制使用正常 vram。 --always-low-vram 将 unet 拆分为部分以减少 vram 使用。 --always-no-vram 当 lowvram 不够用时。 --always-cpu 使用 CPU 处理所有内容（速度慢）。

(float point type)

--all-in-fp32
--all-in-fp16
--unet-in-bf16
--unet-in-fp16
--unet-in-fp8-e4m3fn
--unet-in-fp8-e5m2
--vae-in-fp16
--vae-in-fp32
--vae-in-bf16
--clip-in-fp8-e4m3fn
--clip-in-fp8-e5m2
--clip-in-fp16
--clip-in-fp32

(rare platforms)

--directml
--disable-ipex-hijack
--pytorch-deterministic

Lora ctl (Control)

我添加了此仓库，已适配 reforge。

如果没有原版，这是不可能实现的！

非常感谢 cheald 的 Lora ctl (Control)。reforge 扩展的链接是：https://github.com/Panchovix/sd_webui_loractl_reforge_y.git

非常感谢 @1rre 为 lora control 的初步可用版本所做的工作！

您可以在各自的仓库中查看如何使用它们

https://github.com/cheald/sd-webui-loractl

将内置扩展移至独立仓库

由于内置扩展使 UI 变得非常杂乱，我移除了一些扩展并将其拆分为独立的仓库。你可以通过 UI 上的扩展安装器安装它们，或者在 extensions 文件夹中执行 git clone repo.git，将 repo.git 替换为以下链接。

forge2 之前的最后一个“旧” Forge 提交 (https://github.com/lllyasviel/stable-diffusion-webui-forge/commit/bfee03d8d9415a925616f40ede030fe7a51cbcfd)。

支持

有些人一直在询问如何捐赠或支持该项目，我对此真的非常感激！我根据一些建议创建了这条 buymeacoffe 链接！

"Buy Me A Coffee"