stable diffusion篇——关于p106-90相关的测试及延申

对于stable diffusion这类ai绘画来说，N卡更能适应ai绘画的生态环境，

这是由于英伟达早在多年前就针对AI绘画进行了布局，再加上与诸多AI领域的厂商合作，使得N卡的架构更能兼容AI绘画，

这对于N卡用户来说，当然皆大欢喜，对于A卡用户就挺难受了，

虽然有ONNX模型提供相关的功能，但是功能太少，许多基于n卡的插件也不对A卡兼容，这就导致很尴尬的情况出现。

所以，为了能跑一下ai绘图，我选择买了一张p106-90 3g 的计算卡，

老实讲，这卡我买来做计算卡是有点小亏了。

本来就只支持x4的带宽,在加上我那个h81的主板只有一个x16插槽和两个x1插槽，就更尴尬了，索性买了一根x1转x16的转接线。

但是，如我所说，作为一张不是显卡的显卡，p106有着接近1060的性能，虽然只是声称。

在这样的情况下，p106的性能所剩无几。

当然，如果只是这样的话，其实也还好。

虽然只有x1的带宽，但是我既不拿来做显卡，也不拿来打游戏，

也够用，拿来跑图而已，够用就好。

为此，我直接上的官方驱动，至于魔改驱动，我也试了一下，发现在跑图上的性能会降低一点，

干脆就用官方的驱动了，反正又不追求打游戏。

在这里我顺带提一下，

很多人不知道显卡带宽x1，x4，x16是个什么概念，

这里我专门列了一个表，提供一个参考。

注： x2模式仅用于主板内部接口而非插槽模式

综上，

X1接口下，带宽所能发挥的性能肯定是远不如P106-3G的所带X4的，

不过实际上，速度还是可观的。

对比一下当前最常见的SATA3.0接口也就600MBps，即6Gbps，

x1带宽的3814.7 Mbps就相当于38.147Gbs，

实际上还算可观了，

市面上所说的什么PCIE固态转接卡，号称远超sata3.0，便是来源于此。

所以，我们买二手显卡的时候，人家说保x16的比那些声称保风扇的重要是这么来的。

当然了，我这张p106又不当显卡，传输速度慢点无所谓。

确认卡完好，不是坏的就行。

在上完机之后，直接让它自动转官方驱动就行，无需装那些魔改驱动，

只能说需求不一样，如果是要玩游戏的话，还是要装魔改驱动的，

这里就不多赘述了，如果想知道怎么通过装魔改驱动来玩游戏的，还是等我哪天专门出一片文章吧。

主要拾光我太懒了。

现在你们只要知道这张算不上显卡的显卡能用就行了。

在我们打开sd的启动器之后，

进入stable diffusion的本地网页之后，

随便输了几个描述词，也就是俗称的tag，

然后就点击生成，

但是只听见风扇突然转了一会然后就停了，

出现了几列字符：

RuntimeError:
 CUDA out of memory. Tried to allocate 4.10 GiB (GPU 0; 3.00 GiB total 
capacity; 2.46 GiB already allocated; 0 bytes free; 2.50 GiB reserved in
 total by PyTorch) If reserved memory is >> allocated memory try 
setting max_split_size_mb to avoid fragmentation.  See documentation for
 Memory Management and PYTORCH_CUDA_ALLOC_CONF
Time taken:21.76s
Torch active/reserved: 2619/2656 MiB,Sys VRAM: 3072/3072 MiB (100.0%)

大致的意思是什么呢？

意思就是说：

哎呀，你这卡，显存太低了，想要再用你4.1g的显存，但是你总共才3g显存，刚刚才只用了你2.46g的显存，你就被榨干了，

大概就这意思。

之后我在网上找了下解决方案，

方法很多，但是对于我现在情况有用的很少，

最实用的就是减小batch_size的大小

再就是降低torch的版本，

最好1.12.1版本。

这样设置之后，能在没有VAE模型的情况下跑了。