5090显卡安装与使用DiffSynth-Studio的经验分享(Windows 11环境)50系列通用

大家好！今天我想聊聊我在Windows 11系统上安装和使用DiffSynth-Studio的经历。我的电脑用的是5090显卡，所以特别关注了CUDA的支持。希望我的经验能给你们一些参考，尤其是花了很多钱买了50系列显卡的朋友！

环境设置

创建Conda环境

为了让依赖互不干扰，我先创建了一个独立的Conda环境，名字叫"AI"。操作很简单，直接上命令：

ini 复制代码

conda create -n AI python=3.12

我的环境装在e:\anaconda3\envs\AI，用的是Python 3.12.9。创建的时候，Conda会自动拉一些基础包，比如pip、setuptools之类的，总共大概36.4 MB。系统会问你确认安装，敲个y就行了。搞定后，用conda activate AI激活环境，马上就能用。

DiffSynth-Studio安装

导航到项目目录

安装之前，先确保"AI"环境已经激活：

复制代码

conda activate AI

然后切换到DiffSynth-Studio的项目文件夹。我的在E:\AI\DiffSynth-Studio，你们可以根据自己的路径改一下：

bash 复制代码

e:
cd AI\DiffSynth-Studio

安装项目

到了项目目录后，我用下面这条命令把DiffSynth-Studio装上了：

erlang 复制代码

pip install -e .

这个-e是可编辑模式，装完能直接改代码调试，挺方便的。安装过程会自动下载一堆依赖，比如torch、torchvision什么的。装完后，我用dir一看，多了个diffsynth.egg-info文件夹，说明没问题。

小提醒：装的时候可能会跳个警告，提可编辑安装的未来变化，建议看看官方文档，免得以后踩坑。

初次使用尝试

启动Python，导入模块

装好后，我直接在项目目录下开了Python：

复制代码

python

然后导入了几个核心模块：

python 复制代码

import torch
from diffsynth import ModelManager, SDImagePipeline, download_models

下载模型

接下来要下模型，我跑了这个命令：

python 复制代码

download_models(["AingDiffusion_v12"])

模型会存到E:\AI\DiffSynth-Studio\models\stable_diffusion，文件名是aingdiffusion_v12.safetensors，大概1.99 GB，下载还挺快的。

加载模型（第一次翻车）

我试着加载模型，想用GPU跑：

python 复制代码

model_manager = ModelManager(torch_dtype=torch.float16, device="cuda")
model_manager.load_models(["models/stable_diffusion/aingdiffusion_v12.safetensors"])

结果报错了：

vbnet 复制代码

AssertionError: Torch not compiled with CUDA enabled

一看就知道，默认装的PyTorch没带CUDA支持，GPU完全用不上。

解决CUDA问题

装支持CUDA的PyTorch

为了用上5090显卡，我决定装个支持CUDA的PyTorch。这次我选了nightly版，命令是：

css 复制代码

pip3 install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu128 -I

这条命令装的是支持CUDA 12.8的版本，装完后GPU就能跑了。装之前，记得确认下显卡驱动和CUDA版本对得上，我的5090跟12.8没问题。

装完后，我又进了Python，导入了torch，这次没报错，说明CUDA搞定了。

成功用起来

加载模型（成功）

有了CUDA支持，我重新加载模型：

python 复制代码

model_manager = ModelManager(torch_dtype=torch.float16, device="cuda")
model_manager.load_models(["models/stable_diffusion/aingdiffusion_v12.safetensors"])

这次顺利通过，控制台还显示了加载的模型名，太爽了！

生成图像

然后我建了个图像生成管道：

python 复制代码

pipe = SDImagePipeline.from_model_manager(model_manager)

为了让结果能复现，我设了个随机种子：

python 复制代码

torch.manual_seed(0)

接着就生成图像了：

python 复制代码

image = pipe(
    prompt="masterpiece, best quality, a girl with long silver hair",
    negative_prompt="worst quality, low quality, monochrome, zombie, interlocked fingers, Aissist, cleavage, nsfw",
    height=512, width=512, num_inference_steps=80,
)

80步推理，5090显卡跑下来也就4秒左右，效率真高！最后把图像存下来：

python 复制代码

image.save("image.jpg")

打开一看，效果还不错，银发少女很有感觉！

总结与建议

环境管理

用Conda弄个独立环境，省得依赖打架，干净又省心。
安装DiffSynth-Studio

可编辑模式装上，调试改代码都方便，推荐试试。
CUDA支持

默认PyTorch没CUDA，得自己装个支持的版本。我用的是nightly版，也可以用稳定版，命令在这：
perl 复制代码
```
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128
```
记得核对显卡和CUDA版本，别装错了。
实际使用

模型下载和加载很简单，装好管道就能生成图像。5090显卡加速效果很明显，生成速度快得飞起。

总之，这次折腾下来，感觉DiffSynth-Studio还是挺好用的。希望我的经验能帮到你们，有啥问题欢迎随时聊！