Stable Diffusion Forge 从零到首图：低显存生图实战指南
【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge
装好原版 WebUI 却发现 Flux 模型根本塞不进显存，换机升级的报价单比学费还贵。Stable Diffusion Forge 把这件事变成了滑块操作。
Stable Diffusion Forge 是构建在 Stable Diffusion WebUI 之上的开源图形界面，主打显存调度优化与功能集成：8GB 显存也能跑 Flux，ControlNet、LoRA、量化模型全部内置。模型放本地、生图在本机完成，创作数据不离开你的电脑。
🚀 拿到项目：5分钟跑通首次生图
克隆仓库并启动
git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forgeWindows 用户建议直接下载带 CUDA 和 PyTorch 的 7z 一键包，解压后先跑update.bat再跑run.bat，省掉环境配置；Linux/macOS 用户执行启动脚本即可：
./webui-user.sh首次运行会自动装依赖，等待时间较长属正常。日志出现Running on local URL后，浏览器打开http://localhost:7860。
放对模型再点生成
模型按类型放入models/下对应子目录：基础检查点在models/Stable-diffusion/，编码器在models/VAE/，放大模型在models/ESRGAN/。放错目录不会报错，只会让你以为"没有模型"。选模型、写提示词、点 Generate，看到第一张图即完成部署。
⚙️ 显存管理：GPU Weight 滑块是核心
Flux 这类大模型在原版 WebUI 上要 24GB 级显存，Forge 的解法不是让你换显卡，而是把模型权重拆成两段：显存里留一部分，剩下的放内存甚至硬盘，调度器按需搬运。
GPU Weight：权重留在显存的比例。调得越高出图越快，也越容易爆显存。中端显卡起步建议压到 0.3 附近，再逐步上调Queue/Async：两种异步调度模式，Queue更稳、Async更快但吃内存，默认选Queue- 相关开关在"设置"→"Forge" 分区，源码见
modules_forge/shared_options.py，每个开关都查得到
🧩 内置功能：ControlNet、LoRA 与量化模型
原版 WebUI 要靠扩展拼凑的能力，Forge 直接焊进了核心，extensions-builtin/目录就是证据。
ControlNet 开箱即用
预处理器（Canny、深度图、线稿等）随仓库内置，选一个 ControlNet 模型、挑一个预处理器、拖入参考图即可约束构图，无需单独安装 ControlNet 扩展。
低比特模型与 LoRA 原生共存
NF4、GGUF 量化检查点直接可用，且低比特模型上的 LoRA 也做了精度适配，不需要"先放弃量化"来换 LoRA 效果。
⚠️ 常见坑：三个错误与正确做法
GPU Weight拉太高：Flux 用户最常见的 OOM 根源。官方社区的明确结论是"把 GPU Weight 调低"，而不是升硬件- 看到 "Connection errored out" 就慌：多半是界面进程崩了，重启启动脚本通常就好；反复崩溃才考虑全新重装
- CUDA 版本不匹配：一键包按 CUDA 版本区分，PyTorch 与驱动对不上时启动就会失败，先核对版本再排查其他
🧪 进阶玩法：FreeU、ForgeCanvas 与扩展甄别
- FreeU V2 内置：四个滑块调节细节与对比度，适合出图"糊"的时候微调
- ForgeCanvas 画布：替代原生画布，笔刷更顺手，右键移动视图，inpaint 与 ControlNet 涂鸦更舒服
- 扩展按需装：第三方扩展放入
extensions/目录，安装前确认来源可靠，并对照社区维护的扩展替代列表，避免重复安装功能相同的扩展
✅ 部署完成自检清单
- 模型文件已放入
models/对应子目录 GPU Weight已从低值起步，出图稳定后再逐步上调- 7860 端口仅监听本机；确需局域网访问时再开
--listen并配--gradio-auth认证 - "设置"→"生成"中已关闭 PNG 参数元数据（提示词、种子）写入
- 扩展均来自可信来源，且核对过替代列表
- 更新习惯已养成：
git pull后重启（一键包则先跑update.bat） models/与outputs/目录权限仅限当前用户
Forge 把显存调度、ControlNet、量化模型和画布全部做成了内置件，而不是外挂。它每 90 天同步一次上游、每次更新逐组件回归测试，源码完全开放、随时可审计——省心的部分在核心里，放心的部分在代码里。
【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
