Stable Diffusion与PyTorch版本的关系

最近，AUTOMATIC1111的stable-diffusion-webui更新到了1.2.1版本，新版本增加了对torch2.0的支持。使用PyTorch进行深度学习开发时，确保CUDA和PyTorch的版本兼容性非常重要。
首先(以管理员身份运行)打开启动器，我们来到版本管理页面，点击刷新列表、一键更新，我们在版本ID为5ab7f21的版本右侧打勾，点击切换便可以升级到最新版本。此版本为AUTOMATIC1111的stable diffusion的1.1.0版本。
环境维护 接着来到“高级选项”-“环境维护”页面，在这里我们可以选择torch和xformers的版本，这里我们选择Torch 2.0+xformer0.0.17版本（最新的2.0.1版本也可以更新）。 点击安装。 这时候进入dos界面，开始下载2.6G大小的torch2.0。
安装完成测试 经过一段时间的安装，会提示安装完成。 我们点击启动器的一键启动进入web UI界面，在界面最下方我们可以看到版本信息。 这里我们发现已经升级成功了！ 我们再随便生成一些图片测试一下速度。发现速度达到5.5it/s，比以前的速度提升了快一倍。
总的来说，秋叶整合包的更新相较于原始版本还是方便了不少。更多Stable Diffusion Ai绘画教程请看本人主页 或者头条@好奇漫步,持续更新更多Ai相关学习教程,保持关注哦～
在PyTorch中,可以使用torch.version属性来查看当前安装的PyTorch版本。以下是一个示例代码:
import torch
print(torch.version)
执行上述代码后,将会输出类似以下结果: 1.8.1
检查CUDA和PyTorch的兼容性 在使用PyTorch进行深度学习开发时,确保CUDA和PyTorch的版本兼容性非常重要。 PyTorch提供了一个函数torch.cuda.is_available()来检查CUDA是否可用。