IOPaint 低内存模式4GB 显存如何跑起 Stable Diffusion 修复【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint用 4GB 显存的笔记本跑 AI 修图几十秒就弹出 CUDA out of memory重启还是崩。IOPaint 的低内存模式就是为这种情况准备的打开开关SD 1.5 这类扩散模型就能在低配显卡上跑通修复流程。一句话说清这个功能低内存模式Low Memory Mode是 IOPaint 针对显存紧张设备的省内存开关面向在老显卡、集显或 Mac 上跑扩散模型的用户。它在底层做两件事把注意力计算切成小块分批执行attention slicing把 VAE 的整图解码改成分块执行VAE tiling。核心实现在 iopaint/model/utils.py 的enable_low_mem函数里效果是原本要吃满显存的 SD 1.5 修复模型压到 4GB 级显存就能跑。快速上手确认环境装好依赖参考requirements.txt模型会自动下载到models目录。用下面这条最短命令启动注意是start子命令加--low_mempython main.py start --model runwayml/stable-diffusion-inpainting --low_mem浏览器打开终端里给出的http://127.0.0.1:8080地址。上传一张带水印或多余物体的图用画笔涂出要修的区域。输入提示词比如a clean street点击生成。跑通这一步你就已经用上了低内存模式。完整用法推荐直接走命令行参数最直观图形界面方式同样可用——start启动后网页的设置页里就有对应的勾选框定义见 iopaint/web_config.py。参数在 iopaint/cli.py 中定义和内存相关的有 4 个按需组合参数作用大白话什么时候加--low_mem注意力分片 VAE 分块省显存默认首选--cpu_offload把模型权重挪到内存里用 CPU 内存换显存显存还是不够时--no_half关闭 FP16 半精度改用 FP32 全精度出图发黑或发绿时--cpu_textencoder把文字编码器放到 CPU 跑进一步腾显存最小组合示例python main.py start --model runwayml/stable-diffusion-inpainting \ --low_mem --cpu_textencoder参数含义的官方说明就写在 iopaint/const.py 里不确定时可以直接看原文。效果对比下面是 512×512 分辨率、SD 1.5 修复模型下的典型数据仓库未内置实测基准为典型估算仅供量级参考指标默认模式--low_mem说明显存占用约 6GB典型估算约 4GB典型估算分片分块后的量级差能否跑通4GB 卡大概率失败4GB 卡可跑通以不报 OOM 为准单图耗时基准 1x约 1.1~1.3x典型估算用一点速度换显存修复效果本身不受开关影响。仓库测试里用的样例图修复前后对比可参考水印修复这组素材自动化测试用例在 iopaint/tests/test_low_mem.py覆盖cuda、mps、cpu三种设备想验证自己的环境可以直接参考它的写法。进阶技巧叠加 CPU 卸载显存依然吃紧时加--cpu_offload权重整体挪进内存。代价是每张图耗时上升适合显存 2~4GB 的机器。LCM LoRA 加速测试用例里 LCM LoRA 只用了 5 步采样sd_steps5、sd_guidance_scale2。低内存模式和 LCM 不冲突步数少了分片带来的变慢感也更不明显。文本编码器上 CPU--cpu_textencoder把最占显存之一的文本编码器移出 GPU和--low_mem一起用是低显存机器的常规搭配。常见问题修复结果整张发黑或发绿加--no_half。这是 FP16 在某些显卡上的已知表现仓库参数说明里明确给了这个解法。加了--low_mem还是 OOM按--low_mem→ 加--cpu_textencoder→ 加--cpu_offload的顺序逐个叠加每加一个观察一次显存不要一次全开速度损失会叠加。感觉比平时慢了正常现象分片和分块本身就用时间换空间。想提速就用 LCM LoRA 把采样步数降到 5或换更小的 512×512 图。收尾低内存模式本质是一个省显存开关attention slicing VAE tiling再叠加 CPU 卸载和全精度两个备用件4GB 显存机器跑 SD 1.5 级修复模型就从看运气变成稳定可用。它适合显存不足的老机器和边跑模型边干别的日常使用不适合追求 1024×1024 以上大图批量生成的生产流程。小提示第一次启动会自动下载模型耐心等进度条走完之后同一模型就不用再下了仓库里的 iopaint/download.py 管理着这套下载逻辑。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 IOPaint 低内存模式：4GB 显存如何跑起 Stable Diffusion 修复
IOPaint 低内存模式4GB 显存如何跑起 Stable Diffusion 修复【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint用 4GB 显存的笔记本跑 AI 修图几十秒就弹出 CUDA out of memory重启还是崩。IOPaint 的低内存模式就是为这种情况准备的打开开关SD 1.5 这类扩散模型就能在低配显卡上跑通修复流程。一句话说清这个功能低内存模式Low Memory Mode是 IOPaint 针对显存紧张设备的省内存开关面向在老显卡、集显或 Mac 上跑扩散模型的用户。它在底层做两件事把注意力计算切成小块分批执行attention slicing把 VAE 的整图解码改成分块执行VAE tiling。核心实现在 iopaint/model/utils.py 的enable_low_mem函数里效果是原本要吃满显存的 SD 1.5 修复模型压到 4GB 级显存就能跑。快速上手确认环境装好依赖参考requirements.txt模型会自动下载到models目录。用下面这条最短命令启动注意是start子命令加--low_mempython main.py start --model runwayml/stable-diffusion-inpainting --low_mem浏览器打开终端里给出的http://127.0.0.1:8080地址。上传一张带水印或多余物体的图用画笔涂出要修的区域。输入提示词比如a clean street点击生成。跑通这一步你就已经用上了低内存模式。完整用法推荐直接走命令行参数最直观图形界面方式同样可用——start启动后网页的设置页里就有对应的勾选框定义见 iopaint/web_config.py。参数在 iopaint/cli.py 中定义和内存相关的有 4 个按需组合参数作用大白话什么时候加--low_mem注意力分片 VAE 分块省显存默认首选--cpu_offload把模型权重挪到内存里用 CPU 内存换显存显存还是不够时--no_half关闭 FP16 半精度改用 FP32 全精度出图发黑或发绿时--cpu_textencoder把文字编码器放到 CPU 跑进一步腾显存最小组合示例python main.py start --model runwayml/stable-diffusion-inpainting \ --low_mem --cpu_textencoder参数含义的官方说明就写在 iopaint/const.py 里不确定时可以直接看原文。效果对比下面是 512×512 分辨率、SD 1.5 修复模型下的典型数据仓库未内置实测基准为典型估算仅供量级参考指标默认模式--low_mem说明显存占用约 6GB典型估算约 4GB典型估算分片分块后的量级差能否跑通4GB 卡大概率失败4GB 卡可跑通以不报 OOM 为准单图耗时基准 1x约 1.1~1.3x典型估算用一点速度换显存修复效果本身不受开关影响。仓库测试里用的样例图修复前后对比可参考水印修复这组素材自动化测试用例在 iopaint/tests/test_low_mem.py覆盖cuda、mps、cpu三种设备想验证自己的环境可以直接参考它的写法。进阶技巧叠加 CPU 卸载显存依然吃紧时加--cpu_offload权重整体挪进内存。代价是每张图耗时上升适合显存 2~4GB 的机器。LCM LoRA 加速测试用例里 LCM LoRA 只用了 5 步采样sd_steps5、sd_guidance_scale2。低内存模式和 LCM 不冲突步数少了分片带来的变慢感也更不明显。文本编码器上 CPU--cpu_textencoder把最占显存之一的文本编码器移出 GPU和--low_mem一起用是低显存机器的常规搭配。常见问题修复结果整张发黑或发绿加--no_half。这是 FP16 在某些显卡上的已知表现仓库参数说明里明确给了这个解法。加了--low_mem还是 OOM按--low_mem→ 加--cpu_textencoder→ 加--cpu_offload的顺序逐个叠加每加一个观察一次显存不要一次全开速度损失会叠加。感觉比平时慢了正常现象分片和分块本身就用时间换空间。想提速就用 LCM LoRA 把采样步数降到 5或换更小的 512×512 图。收尾低内存模式本质是一个省显存开关attention slicing VAE tiling再叠加 CPU 卸载和全精度两个备用件4GB 显存机器跑 SD 1.5 级修复模型就从看运气变成稳定可用。它适合显存不足的老机器和边跑模型边干别的日常使用不适合追求 1024×1024 以上大图批量生成的生产流程。小提示第一次启动会自动下载模型耐心等进度条走完之后同一模型就不用再下了仓库里的 iopaint/download.py 管理着这套下载逻辑。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考