在运行 Linux Mint Wilma（基于 Ubuntu）的旧款 Nvidia 1080 Ti 电脑上测试 Forge（稳定扩散 Flux）

在旧款 Nvidia 1080 Ti PC 上测试 Forge（稳定扩散 Flux）

运行 Linux Mint Wilma（Ubuntu 24.04 LTS），使用 Python 3.12、Python 3.11、Python 3.10 和 Xformers。

Flux 模型和 SDXL 模型都是 AI 生成图像的重要创新，特别是在 稳定扩散 框架内。它们的差异和优势主要与模型的架构、效率和预期用途相关。让我们仔细看看：(与 ChatGPT4o 一起)

1. Flux 模型（稳定扩散 XL Flux）：

Flux 是开发图像生成模型的新趋势之一，经过某些增强优化，基于稳定扩散模型。

优势：

• 提高效率：Flux 模型设计为比 SDXL 模型计算更轻。这使得它们在需要更快性能或较低硬件要求的环境中非常有用。
• 较低资源消耗：当 GPU 资源有限或希望在不太强大的硬件上优化模型使用时，Flux 可以提供帮助。
• 简化的架构优化：Flux 模型可能利用某些优化，例如减少扩散步骤或增强精炼过程，从而在特定任务中实现更快的生成。
• 使用场景：Flux 模型非常适合快速原型设计、早期项目草图或需要更快响应时间的交互式实时应用。

2. SDXL 模型（稳定扩散 XL）：

SDXL 是稳定扩散模型的更大、更复杂的版本，专注于高分辨率图像生成和改善图像质量。

优势：

• 增强细节和质量：SDXL 模型显著更大，能够生成比传统模型更详细的图像。由于参数更多，它们可以创建更复杂和逼真的图像。
• 高分辨率输出：SDXL 特别适合生成大型和详细的图像，因为它处理更广泛的数据量，并更仔细地优化图像特征。
• 先进的多算法架构：该模型采用先进技术来提高图像细节的准确性，特别是在细节、光照和色彩管理等领域。
• 使用场景：SDXL 适合于高质量和详细图像至关重要的项目，例如商业项目、艺术制作以及任何需要高视觉保真度的地方。

比较与总结：

• 效率与质量：Flux 模型优化了效率和速度，而 SDXL 模型则专注于图像质量和细节精度。
• 硬件要求：SDXL 需要更多的计算能力和 GPU 内存，因此 Flux 模型可能更适合资源有限的设置。
• 预期用途：Flux 模型非常适合快速草图和轻量级图像生成需求，而 SDXL 则在追求高质量、详细图像时表现出色。

这两种模型各有其优势，适用于不同的优先事项（速度、质量、资源）。

评论：这个总结是由 ChatGPT 制作的，可能并不准确。请阅读 这篇文章 以获取更多信息。

如果你不想等待 Automatic1111 Flux 更新，可以使用 Forge，它非常相似。我想测试一下是否可以在我的旧测试 PC（Nvidia 1080 Ti）上运行 Forge，并验证 Flux 是否比 SDXL 更快。这个测试主要是一个学习经验，我在每个主题的末尾标记了关键的学习点。

与 Automatic1111 相比，Forge 的速度似乎更慢，即使使用 SDXL 模型，尽管可以使用 Xformers 来提升 Forge 的性能。

以下是我进行的测试，以及我设置虚拟环境、从 GitHub 克隆 Forge 并使其正常工作的步骤，首先使用不受支持的 Python 3.12，然后是 Python 3.11，最后是受支持的 Python 3.10。我还测试了 Xformers，但不幸的是，未能提高性能。

注意： 如果你有 Python 3.10 或 Python 3.11，可以使用命令 python3.10 -m venv venv 创建虚拟环境，并跳过下面的 Python 3.12 部分。

Python 3.12

让我们在 /opt/forge 创建虚拟环境：

sudo mkdir /opt/forge
sudo chown yourname:yourgroup /opt/forge
cd /opt/forge
python3 -m venv venv
source venv/bin/activate

git clone https://github.com/lllyasviel/stable-diffusion-webui-forge.git
cd stable-diffusion-forge
./webui.sh

由于 Ubuntu 24.04 LTS 和 Mint Wilma 自带 Python 3.12，我们看到这个提示：

不兼容的 Python 版本

该程序已在 3.10.6 Python 上测试，但你使用的是 3.12.3。如果你遇到 "RuntimeError: Couldn't install torch." 的错误消息，或任何其他与未成功安装包（库）相关的错误，请降级（或升级）到最新版本的 3.10 Python，并删除 WebUI 目录中的当前 Python 和 "venv" 文件夹。

如预期，使用 Python 3.12 安装最终导致错误：

为 Pillow 构建 wheel（pyproject.toml）：状态为 'error'

错误：无法为 Pillow 构建 wheels，这是安装基于 pyproject.toml 的项目所必需的。

让我们尝试通过更新 Pillow 来解决这个问题：

sudo apt-get install libjpeg-dev zlib1g-dev

Pillow 更新现在也导致错误：

RuntimeError: 无法导入 diffusers.pipelines.pipeline_utils，因为以下错误（查看上面的回溯）：无法导入 diffusers.models.autoencoders.autoencoder_kl，因为以下错误（查看上面的回溯）：没有名为 'distutils' 的模块。

主要问题：

1. 无效的转义序列 (：警告提到在文件 /opt/forge/stable-diffusion-webui-forge/modules/prompt_parser.py:387 中存在无效的转义序列。这可能是由于 Python 字符串字面量中的字符未正确转义造成的。要解决此问题，可以将 ( 替换为 \(，或通过在字符串前加上 r"..." 来使用原始字符串，以避免 Python 解释转义序列。

2. ModuleNotFoundError: 没有名为 'distutils' 的模块：

   • 这是导致失败的主要问题。distutils 模块在你的 Python 环境中缺失。它是一个用于实用函数的遗留模块，例如 strtobool 在 distutils.util 中。
   • Python 3.12 不再默认包含 distutils 作为标准库的一部分，因为它已被弃用并最终删除。

好的，distutils 不受支持，让我们通过更新 setuptools 到合适的版本来解决 distutils 问题：

python -m pip install --upgrade setuptools

然后再次启动 ./webui.sh，现在 Forge 似乎正常加载。

如果你遇到 insightface 问题，请执行以下操作：

pip install protobuf==3.20.0
pip install protobuf==4.25.3
pip install insightface

pytorch 版本：2.3.1+cu121 设备：cuda:0 NVIDIA GeForce GTX 1080 Ti： 本地 … [GPU 设置] 你将使用 90.82% 的 GPU 内存（10133.00 MB）来加载权重，并使用 9.18% 的 GPU 内存（1024.00 MB）进行矩阵计算。你没有任何模型！选择的模型： {'checkpoint_info': None, 'additional_modules': [], 'unet_storage_dtype': None} 使用在线 LoRAs 在 FP16：False

所以，现在 Forge 后端和前端似乎正常加载。

让我们看看能否用 Flux 创建一些图片。为此，我们需要下载一个 Flux 模型。从 HuggingFace 链接 下载最新的模型文件，今天是 flux1-dev-bnb-nf4-v2.safetensors（12GB），并将其保存到 /opt/forge/stable-diffusion-webui-forge/models/Stable-diffusion 文件夹中。

注意！使用 Nvidia 1080Ti NF4 不是选项，你必须下载 https://huggingface.co/lllyasviel/flux1_dev/blob/main/flux1-dev-fp8.safetensors！(我昨天不知道这一点)。

提示：NF4 指的是 4 位非浮点精度，BNB 代表 BitsandBytes，是一种低位加速器模型，而 GGUF 是一种优化用于快速加载和保存模型的二进制格式。

第一次生成非常慢。我使用默认启动参数，Euler（简单），20 步，3.5 CFG 和大小 896x1152。生成耗时 12:15 分钟，但没有错误：

所有加载到 GPU。总进度： 100%|████████████████████████████████████████████████████████████████████████████████████| 20/20 [12:15<00:00, 37.11s/it]

使用 Forge Flux 和 Python3.12 制作的第一张图片。

所以，Forge 在 Python3.12 上工作，但速度问题与 Python 版本有关吗？

学习到的经验：

1. Python3.12 可以工作，但使用旧版本可能更简单。
2. Nvidia 1080 Ti 不支持 NF4，因此，实际上我应该使用 https://huggingface.co/lllyasviel/flux1_dev/blob/main/flux1-dev-fp8.safetensors（17GB）。

Python 3.11 和 xformers

让我们删除 venv，使用 Python3.11，它在 Automatic1111 中运行良好，也应该适用于 Forge：

cd ..
deactivate
rm -rf venv
python3.11 -m venv venv
source venv/bin/activate
./webui.sh

安装没有错误结束。

后端启动没有 Python3.10 的要求通知，假设 Python3.11 是可以的，如预期。

让我们使用提示创建一些东西：“艾玛·史东穿着肚皮舞者的肖像，阿拉伯之夜，高质量，完全详细，4K，聚焦清晰的面部，细致的手部细节和解剖结构，灵感来自 YouTube 上的肚皮舞者夏奇拉，由 artgerm 和 greg rutkowski 以及阿尔丰斯·穆夏创作，杰作，惊艳，artstation”。

使用默认启动参数（Euler 简单，20 步）：

使用 Python3.11 的 Forge。

生成仍然很慢，12:08 分钟，可能与 Python 版本无关。

所有加载到 GPU。总进度： 100%|████████████████████████████████████████████████████████████████████████████████████| 20/20 [12:08<00:00, 36.44s/it]

使用 Forge Flux 和 Python3.11 制作的第二张图片。

也许安装 xformers 可以加快速度？让我们试试。

source venv/bin/activate
pip install xformers

安装卸载了 triton、cuda、torch，抱怨 protobuf 版本太新，然后尝试安装时出错：

错误：pip 的依赖解析器当前未考虑所有已安装的包。这种行为是以下依赖冲突的来源。 open-clip-torch 2.20.0 需要 protobuf<4，但你有 protobuf 4.25.5，这不兼容。 torchvision 0.18.1+cu121 需要 torch==2.3.1，但你有 torch 2.4.1，这不兼容。

pip check

xformers 0.0.28.post1 需要 torch==2.4.1，但你有 torch 2.3.1。

pip install torch==2.4.1
pip check

现在 torchvision 0.18.1+cu121 需要 torch==2.3.1，但你有 torch 2.4.1。

pip install torch==2.3.1

现在我遇到了 xformers 错误 :)

在 torch、torchvision 和 xformers 的版本之间存在循环依赖冲突。让我们进一步看看：

1. torchvision 需要 torch==2.3.1。
2. xformers 需要 torch==2.4.1。
3. 安装的 torch 版本可能不符合这些要求。

好的，让我们先卸载这两个：

pip uninstall torch torchvision xformers

然后启动 Forge，使用 ./webui.sh，这将再次安装所需的包，然后再次尝试安装 xformers。

Pip 显示了一些关于不兼容的提示，但成功安装了 nvidia-cudnn-cu12–9.1.0.70 torch-2.4.1 triton-3.0.0 xformers-0.0.28.post1。

让我们看看再次执行 ./webui.sh 会发生什么。

现在崩溃了：

WARNING:xformers:WARNING[XFORMERS]: xFormers 无法加载 C++/CUDA 扩展。xFormers 是为：PyTorch 2.4.1+cu121 和 CUDA 1201 构建的（你有 2.3.1+cu121）Python 3.11.10（你有 3.11.10）请重新安装 xformers（见 https://github.com/facebookresearch/xformers#installing-xformers）内存高效注意力、SwiGLU、稀疏等将不可用。设置 XFORMERS_MORE_DETAILS=1 以获取更多详细信息。

RuntimeError: 无法导入 diffusers.pipelines.pipeline_utils，因为以下错误（查看上面的回溯）：无法导入 diffusers.models.autoencoders.autoencoder_kl，因为以下错误（查看上面的回溯）：模块 'torch.library' 没有属性 'custom_op'。

好的，xformers 有问题，让我们卸载 xformers 并安装 cu124 版本：

pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu124

现在结果看起来更好：

成功安装 nvidia-cublas-cu12–12.4.2.65 nvidia-cuda-cupti-cu12–12.4.99 nvidia-cuda-nvrtc-cu12–12.4.99 nvidia-cuda-runtime-cu12–12.4.99 nvidia-cufft-cu12–11.2.0.44 nvidia-curand-cu12–10.3.5.119 nvidia-cusolver-cu12–11.6.0.99 nvidia-cusparse-cu12–12.3.0.142 nvidia-nvjitlink-cu12–12.4.99 nvidia-nvtx-cu12–12.4.99 torch-2.4.1+cu124 triton-3.0.0 xformers-0.0.28.post1。

让我们看看执行 ./webui.sh 的结果：

pytorch 版本：2.4.1+cu124 xformers 版本：0.0.28.post1 设置 vram 状态为：NORMAL_VRAM 设备：cuda:0 NVIDIA GeForce GTX 1080 Ti：本地 VAE dtype 偏好：[torch.float32] -> torch.float32 使用 xformers 交叉注意力 使用 xformers 注意力用于 VAE。

错误：AttributeError: 部分初始化的模块 'torchvision' 没有属性 'extension'（很可能是由于循环导入）。

pip check

mediapipe 0.10.15 需要 protobuf<5,>=4.25.3，但你有 protobuf 3.20.0。onnx 1.17.0 需要 protobuf>=3.20.2，但你有 protobuf 3.20.0。torchvision 0.18.1+cu121 需要 torch==2.3.1，但你有 torch 2.4.1+cu124。

pip install mediapipe --upgrade
pip install protobuf==3.20.2
pip install torchvision==0.19.0

成功安装 nvidia-cublas-cu12–12.1.3.1 nvidia-cuda-cupti-cu12–12.1.105 nvidia-cuda-nvrtc-cu12–12.1.105 nvidia-cuda-runtime-cu12–12.1.105 nvidia-cufft-cu12–11.0.2.54 nvidia-curand-cu12–10.3.2.106 nvidia-cusolver-cu12–11.4.5.107 nvidia-cusparse-cu12–12.1.0.106 nvidia-nvtx-cu12–12.1.105 torch-2.4.0 torchvision-0.19.0。

现在 pip check 报告 mediapipe 和 xformers 的问题：

mediapipe 0.10.15 需要 protobuf<5,>=4.25.3，但你有 protobuf 3.20.2。xformers 0.0.28.post1 需要 torch==2.4.1，但你有 torch 2.4.0。

但现在 Forge 可以正常启动并使用 xformers：

Python 3.11.10（主，2024年9月7日，18:35:41）[GCC 13.2.0] 版本： f2.0.1v1.10.1-previous-569-g6dc71b7e pytorch 版本：2.4.0+cu121 xformers 版本：0.0.28.post1 设备：cuda:0 NVIDIA GeForce GTX 1080 Ti：本地 使用 xformers 交叉注意力 使用 xformers 注意力用于 VAE。

让我们再次使用默认启动参数进行测试（Euler 简单）：

提示：中世纪的哈莉·奎因和小丑，肖像，顽皮，幻想，中世纪，美丽的面孔，鲜艳的色彩，优雅，概念艺术，清晰聚焦，数字艺术，超现实主义，4K，虚幻引擎，高度详细，高清，戏剧性照明，Brom，正在 Artstation 上流行。

使用 xformers 的生成仍然很慢。

所有加载到 GPU。… 总进度： 100%|████████████████████████████████████████████████████████████████████████████████████| 20/20 [12:03<00:00, 36.41s/it]

使用 Forge、Flux、Python 3.11 和 xformers 制作的第三张图片。

结果看起来不错，但生成速度很慢。也许我们真的需要 Python3.10，慢速与 Python 版本（xformers）有关。

学习到的经验：

1. Python3.11 可能有效，但 Xformers 仍然存在问题。

Python 3.10

让我们再次删除 venv，安装 python3.10，然后创建 venv：

rm -rf venv
sudo apt install python3.10 python3.10-venv python3.10-dev
python3.10 -m venv venv
source venv/bin/activate
pip install --upgrade pip
./webui.sh

安装顺利进行，没有错误。

让我们安装 xformers，首先尝试 cu124 版本，因为我的 nvidia-smi 显示 NVIDIA-SMI 550.107.02 驱动版本：550.107.02 CUDA 版本：12.4。你可以检查哪个 xformers 适合你：

GitHub - facebookresearch/xformers: 可构建和优化的 Transformers 构建块，支持…可构建和优化的 Transformers 构建块，支持…

pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu124

崩溃到 AttributeError：部分初始化的模块 'torchvision' 没有属性 'extension'（很可能是由于循环导入）。也许 Pytorch 的 124 版本太新了，所以，卸载 xformers 并尝试旧版本：

pip uninstall xformers
pip3 install -U xformers --index-url https://download.pytorch.org/whl/cu121

同样，崩溃到 AttributeError：部分初始化的模块 'torchvision' 没有属性 'extension'（很可能是由于循环导入）。看起来 Pytorch 现在太新了，我懒惰，重新删除 venv 并重新创建并安装所需的包：

rm -rf venv
python3.10 -m venv venv
source venv/bin/activate
pip install --upgrade pip
./webui.sh

pytorch 版本：2.3.1+cu121，所以 pip3 install -U xformers — index-url https://download.pytorch.org/whl/cu121 应该可以，但似乎更新太多。

成功安装 nvidia-cudnn-cu12–9.1.0.70 torch-2.4.1+cu121 triton-3.0.0 xformers-0.0.28.post1。

./webui.sh 正常加载后端：

pytorch 版本：2.4.1+cu121 xformers 版本：0.0.28.post1 设置 vram 状态为：NORMAL_VRAM 设备：cuda:0 NVIDIA GeForce GTX 1080 Ti：本地 VAE dtype 偏好：[torch.float32] -> torch.float32 使用 xformers 交叉注意力 使用 xformers 注意力用于 VAE。

所以，使用默认参数进行测试，如前所述（Euler 简单，20 步），同样的提示：

“中世纪的哈莉·奎因和小丑，肖像，顽皮，幻想，中世纪，美丽的面孔，鲜艳的色彩，优雅，概念艺术，清晰聚焦，数字艺术，超现实主义，4K，虚幻引擎，高度详细，高清，戏剧性照明，Brom，正在 Artstation 上流行。”

GPU 利用率不是 100%。

仍然很慢，生成时间 12:04。

使用 Python 3.10 和 pytorch 版本：2.4.1+cu121 xformers 版本：0.0.28.post1 制作的第四张图片。

学习到的经验：

1. 与 Xformers 一起工作的 Pytorch 版本并没有提高速度。

使用 Euler beta 采样器的 Python3.10 的 Forge

为了好玩，让我们尝试使用 Beta 设置的 Eurler，并将步骤减少到 10。生成时间是否应该是之前 20 步的一半？

是的，生成时间约为一半，05:50，35.03s/it，但结果有点怪异 :)

Flux，Euler beta，10 步。

机器人手持写有“2024 万圣节”的纸张。内部是冰球，火焰模式，燃烧的火焰，水从冰中滴落，火焰扭曲成烟雾，空气和地球元素。黄金比例，疯狂的细节，杰作，35mm 摄影，单反相机，柯达胶卷，8K，HDR，鲜艳而生动的色彩，反射。步骤：20，采样器：Euler，调度类型：简单，CFG 比例：1，蒸馏 CFG 比例：1.5，种子：97913728，大小：1024x1024，模型哈希：bea01d51bd，模型：flux1-dev-bnb-nf4-v2，版本： f2.0.1v1.10.1-previous-569-g6dc71b7e。耗时：10 分 42.7 秒。

同样的提示与 flux_1_dev_hyper_8steps_nf4.safetensors（这不应该与 Nvidia 1080 Ti 一起工作，但它工作了）。

机器人手持写有“2024 万圣节”的纸张。内部是冰球，火焰模式，燃烧的火焰，水从冰中滴落，火焰扭曲成烟雾，空气和地球元素。黄金比例，疯狂的细节，杰作，35mm 摄影，单反相机，柯达胶卷，8K，HDR，鲜艳而生动的色彩，反射。步骤：20，采样器：Euler，调度类型：Beta，CFG 比例：1，蒸馏 CFG 比例：7，种子：2365019855，大小：1024x1024，模型哈希：7e8c93b83c，模型：flux_1_dev_hyper_8steps_nf4，Beta 调度 alpha：0.6，Beta 调度 beta：0.6，版本： f2.0.1v1.10.1-previous-569-g6dc71b7e。耗时：10 分 40.5 秒。

机器人（金属生物）笑着，手持芬兰国旗（蓝十字，白色）。在图米奥基尔科（芬兰）屋顶上。黄金比例，疯狂的细节，杰作，35mm 摄影，单反相机，柯达胶卷，8K，HDR，鲜艳而生动的色彩，反射。步骤：10，采样器：Euler，调度类型：Beta，CFG 比例：1，蒸馏 CFG 比例：3.5，种子：3837994734，大小：896x1152，模型哈希：7e8c93b83c，模型：flux_1_dev_hyper_8steps_nf4，Beta 调度 alpha：0.6，Beta 调度 beta：0.6，版本： f2.0.1v1.10.1-previous-569-g6dc71b7e。耗时：6 分 26.7 秒。

使用 Python3.11 的 Automatic1111

让我们将速度与同一台计算机上的 Automatic1111 SDXL 进行比较，使用 xformers：

…

应用注意力优化：xformers… 完成。模型加载时间为 52.7 秒（从磁盘加载权重：1.7 秒，创建模型：0.5 秒，将权重应用于模型：48.4 秒，应用 half()：0.1 秒，计算空提示：1.9 秒）。 100%|█████████████████████████████████████████████| 7/7 [00:30<00:00, 4.36s/it] [Tiled VAE]: 输入大小很小，不需要切片。26<00:00, 4.17s/it] 总进度： 100%|█████████████████████████████| 7/7 [00:29<00:00, 4.23s/it] 总进度：100%|█████████████████████████████| 7/7 [00:29<00:00, 4.17s/it]

Automatic1111，步骤：7，采样器：DPM++ SDE，调度类型：Karras，CFG 比例：2，种子：2328055557，大小：1024x1024，模型哈希：4496b36d48，模型：dreamshaperXL_v21TurboDPMSDE，版本：v1.10.1，源标识符：稳定扩散 web UI

生成时间为 0:29 分钟，结果看起来不错。

学习到的经验：

1. 适配 torch 等以适应 CUDA 版本 12.4 需要工作，但也许没有理由从默认的 12.1（2.3.1+cu121）更新，因为它以类似的方式工作。
2. 不知何故，Automatic1111 比 Forge 更快。

使用 SDXL 模型的 Forge

请记住，如果你在同一台计算机上运行 Forge 和 Automatic1111，你可以在设置中设置路径，或使用软链接，例如 ln -s /opt/stable-diffusion-webui/models/Stable-diffusion/ /opt/forge/stable-diffusion-webui-forge/models/Stable-diffusion/ 等。

使用 Automatic1111 生成的前一张图片的时间为 0:29。让我们看看使用 Forge 和相同的 dreamshaperXL 模型的速度：

中世纪的哈莉·奎因和小丑，肖像，顽皮，幻想，中世纪，美丽的面孔，鲜艳的色彩，优雅，概念艺术，清晰聚焦，数字艺术，超现实主义，4K，虚幻引擎，高度详细，高清，戏剧性照明，Brom，正在 Artstation 上流行。步骤：8，采样器：DPM++ SDE，调度类型：Karras，CFG 比例：1.9，种子：4171555793，大小：896x1152，模型哈希：3d0e279924，模型：dreamshaperXL_v21TurboDPMSDE，版本： f2.0.1v1.10.1-previous-569-g6dc71b7e。

生成时间为 00:53，虽然不如 Automatic1111 快，但也足够快。

机器人手持写有“2024 万圣节”的纸张。内部是冰球，火焰模式，燃烧的火焰，水从冰中滴落，火焰扭曲成烟雾，空气和地球元素。黄金比例，疯狂的细节，杰作，35mm 摄影，单反相机，柯达胶卷，8K，HDR，鲜艳而生动的色彩，反射。步骤：10，采样器：DPM++ SDE，调度类型：Karras，CFG 比例：2，种子：1489079570，大小：1024x1024，模型哈希：7ac04a9474，模型：jibMixRealisticXL_v140CrystalClarity，版本： f2.0.1v1.10.1-previous-569-g6dc71b7e。耗时：2 分 13.4 秒。

使用 Flux dev-fp8 模型的 Forge（适用于 1080 Ti）

经过几次与 CUDA 12.4 及相关 torch 和 xformers 的测试，我无法将 Forge 的生成时间加快到与 Automatic1111 使用相同 SDXL 模型的速度。

对于旧款 NVIDIA 显卡，NF4 Flux 模型是错误的选择。NVIDIA 1080 Ti 不应支持 NF4，但正如你从之前的图片中看到的，我能够生成图片，但速度非常慢。

适合旧 GPU 的正确版本应为 https://huggingface.co/lllyasviel/flux1_dev/blob/main/flux1-dev-fp8.safetensors。

不要启用低位设置中的扩散或任何 NF4 相关设置，保持为自动！

这个例子是使用 flux1-dev-fp8.safetensors（=没有 NF4）生成的，生成时间为 11 分钟。

使用 15 步的 flux1-dev-fp8.safetensors，生成时间为 11 分钟。

因此，基于这些测试，你可以在相对较旧的计算机上运行 Forge 和 Flux 模型，但速度显著慢于使用 Automatic1111 和 SDXL 模型。

祝你测试愉快！