周三下午,一台笔记本跑本地图像生成,显卡是 RTX 4060,显存 8 GB,系统内存 16 GB。按直觉,8 GB 显存该是那条最紧的绳子。实际跑下来,更重的流程先被 16 GB 系统内存卡住了。

打开网易新闻 查看精彩图片

这不是说显存够用,而是说整台机器的内存池一起参与了限制。显存是 GPU 的专用内存,物理系统内存是另一个池子,和 Windows、其他应用共享。一张计算图可以在显存里跑完,但它周边的活儿——模型加载或卸载、CPU 侧预处理、图像缓冲、驱动、同时开着的其他程序——都会往系统内存上压。

这些环节各自贡献了多少,这次没有单独测量。GPU 利用率和可用显存这两项读数,看不出机器其余部分的内存够不够。

126 次生成,13 次报错

测试在 ComfyUI 里做,流程用 SDXL 配一个像素风 LoRA,部分流程还加了 IPAdapter 做参考引导,或用 ControlNet OpenPose 做姿态引导。一共记录了 126 次生成,其中 13 次带错误。这些错误并不全是内存失败。

报告把部分慢跑动和 Windows 分页联系起来,但同时说明,现有证据不足以认定分页就是延迟的原因。分页的识别方式、它是否造成了这些慢跑动,现有记录都还立不住。

有一条规则是从这台笔记本的具体实验里得出的:每张图最多用一个 ControlNet,给内存留余量,看显存的同时也看系统内存。用两个 ControlNet 的那张图直接崩了。两个 ControlNet 崩溃的原因和可复现性,仍待核查。

报告还提到,分页把一些跑动从大约 35 秒拉长到 10 分钟。这些是跨多次跑动观察到的时长,不是改动某一项设置后测出的加速比。

记录方式本身也有缺口

生成脚本会存一份清单,包含工作流标识和哈希、计算图、种子、模型信息、设置、时长和资源读数。采样器先取一个基线,然后在生成过程中每 0.5 秒采一次 GPU 全局显存和整机系统内存。这些读数包含机器上的其他活动,不是生成进程单独占用的内存;采样也可能漏掉短时峰值。

可复现性上有个缺口:所检查的实现里,清单的专用 ControlNet 列表是空的。计算图存下来了,但不能假定清单完整标识了每一个 ControlNet 模型,得去核对对应的计算图和注册表。对每个 ControlNet,该记的是模型文件名和哈希、有则记版本、预处理器设置、强度、起止百分比,以及相关节点配置。只给一个种子,复现不了一次生成——模型、计算图、设置、软件和执行条件都得一样。

排查笔记里还记了一次慢跑动,当时同时开着一个编辑器和一次下载。物理内存紧张时,Windows 会把不常用的内存页挪到页面文件;从存储里取回需要的数据,可能比读内存慢得多。硬错误和磁盘活动也可能另有原因。

下次会怎么测

如果重做这个测试,会先记录机器状态,区分冷跑和热跑,每个工作流重复多次,并明确记录 ControlNet 的模型身份。还会把可用物理内存、已提交内存、页面读取和磁盘活动,与进程内存一起记下来;把内存失败和其他错误分开,而不是把错误数当成内存指标。

眼下的操作规则很朴素:每张图最多一个 ControlNet;批量跑之前关掉吃内存的应用,留出余量。这是这台机器上得出的实用规则,不是说别的机器上两个 ControlNet 一定跑不了。

值得带走的问题是两个:这台机器能不能生成一张图,以及它能不能以可接受、可重复的速度跑这张特定的图。第一个问题的答案是能。第二个问题的答案取决于整台机器和具体负载,不是显卡上印的那个数字。