outofmemoryerror错误stable diffusion

### 解决 Stable Diffusion 中遇到的 OutOfMemoryError 错误

当运行 Stable Diffusion 时，如果 GPU 显存不足会触发 `torch.cuda.OutOfMemoryError` 错误。这通常是因为尝试分配超出可用显存量的内存所致。

#### 调整批处理大小和图像分辨率
减少批量大小（batch size）可以显著降低每次迭代所需的显存量。同样地，减小输入图像尺寸也会有效缓解这一问题。对于大多数模型，默认设置可能过高，适当调整这些参数能够提高稳定性[^1]。

# Example of reducing batch size from default value
model.batch_size = 1  

#### 设置环境变量优化内存管理
通过配置特定于 PyTorch 的环境变量来改进 CUDA 内存分配策略，比如使用 `PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:<value>` 来防止碎片化并更高效利用现有资源：

export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512

#### 使用扩展插件释放未使用的缓存
安装专门设计用于自动清理不再需要的数据结构从而腾出更多空间给新请求的应用程序或脚本，例如 sd-webui-memory-release 扩展可以在每次生成之后清除不必要的张量和其他对象以节省宝贵的 VRAM 容量[^3]:

git clone https://github.com/Haoming02/sd-webui-memory-release.git extensions/

#### 更改可见设备ID
有时切换到其他具有更大容量或者当前负载较低的 GPU 可能解决问题；可以通过修改代码中的环境变量指定要使用的具体硬件单元[^4]：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

以上措施综合运用可以帮助克服由于显卡 RAM 不足而引发的各种挑战，在不更换物理硬件的情况下尽可能发挥已有系统的最大效能。