AMD 核显笔记本 Windows 11 运行 Stable Diffusion 实战

硬件环境与方案对比

本次测试平台为 AMD Ryzen R7 6800H，16G 内存，核显 Radeon 680M，共享内存 8G。在 Windows 11 环境下，我们主要对比了 DirectML 版与 ZLUDA 版本的性能表现。实测发现，ZLUDA 版本速度约为 DirectML 的 5 倍以上，对于 APU 用户来说，这是目前较为理想的解决方案。

一、环境准备：HIP SDK 与 ROCm

1. 理解 HIP 与 ROCm

HIP（Heterogeneous-Compute Interface for Portability）是 AMD 开发的 GPU 编程模型，旨在实现代码的可移植性。简单来说，它是对 CUDA API 的高度兼容克隆，几乎全盘拷贝了 CUDA 接口，但作为 CUDA 的子集存在。HIP 既可以运行在 ROCm 平台上，也能适配 CUDA 环境，这意味着它既能在 A 卡上跑，理论上也能在 N 卡上跑。

ROCm 则是 AMD 的开源 GPU 计算软件堆栈，提供了与 CUDA 相似的编程模型，让在 AMD GPU 上编写和运行计算应用变得更加容易。

A 卡：编程模型使用 HIP 或 OpenCL，运行环境为 ROCm。
N 卡：编程模型与运行环境均为 CUDA。

2. 下载与安装

访问 AMD 开发者资源页面获取 HIP SDK。注意版本选择：

版本要求：需下载 HIP 5.7.1 版本（安装界面显示为 5.7）。只有这个版本支持 AMD Radeon 680M 的 ZLUDA 加速。如果是 780M 核显，则可以使用 6.1 版本。
安装包：AMD Software PRO Edition

3. 关键库替换（针对 680M）

锐龙 R7 6800H 内置的 Radeon 680M 核显架构为 gfx1035（R5 6600H 同款）。由于官方驱动不支持该架构，我们需要手动替换部分库文件。

从 GitHub 仓库下载以下两个压缩包：

rocblas.for.gfx1035.AMD.680M.rembrandt.V2.7z（专用于 680M）
Rocm.rocblas.HIP5.7.0.V2.7z（通用多显卡支持）

操作步骤：

找到 HIP 安装目录下的 bin\rocblas 文件夹，路径通常为 C:\Program Files\AMD\ROCm\5.7\bin。
将压缩包内的 rocblas.dll 复制并覆盖原目录下的同名文件。
将原目录下的 library 文件夹重命名为 oldlibrary。
将压缩包内的 library 文件夹复制到同一目录下。
建议重启电脑以确保生效。

注意：ZLUDA 不完全支持 PyTorch，运行时可能会出现不稳定现象，请做好心理准备。

二、Stable Diffusion WebUI 部署

1. 基础工具安装

Git：前往 git-scm.com 下载安装。
Python：推荐版本 3.10.6 ~ 3.10.11。安装时务必勾选'配置环境变量'。

2. 拉取项目代码

选择一个空间充足的磁盘分区，创建文件夹（例如 git），打开 CMD 窗口执行：

cd git
git clone https://github.com/lshqqytiger/stable-diffusion-webui-amdgpu amdgpu

国内镜像可选：

git clone https://gitee.com/ranxv/stable-diffusion-webui-amdgpu.git amdgpu

进入 amdgpu 文件夹后，继续执行以下命令补充依赖：

git clone https://github.com/lshqqytiger/k-diffusion-directml repositories/k-diffusion
git clone https://github.com/stability-AI/stablediffusion repositories/stablediffusion-stability-ai

3. 安装 PyTorch 依赖

激活虚拟环境后，指定安装 cu118 版本的 Torch，避免使用默认的 CUDA 12 版本以防崩溃：

pip install torch==2.2.1+cu118 torchvision==0.17.1+cu118 --index-url https://download.pytorch.org/whl/cu118

如果后续误装了其他版本，可按上述命令重新覆盖安装。

4. 配置文件修改

找到 stable-diffusion-webui-amdgpu\webui-user.bat 文件，用记事本打开，在文件末尾添加以下属性：

set PYTORCH_CUDA_ALLOC_CONF=garbage_collection_threshold:0.9,max_split_size_mb:512
set COMMANDLINE_ARGS=--precision full --disable-nan-check --upcast-sampling --opt-sub-quad-attention --medvram --use-zluda

三、启动与性能预期

双击 webui-user.bat 即可启动。首次运行需要等待 ZLUDA 自行配置，期间没有进度条，请勿强制关闭。

即使浏览器打开了 http://127.0.0.1:7860/，加载模型的过程依然可能非常漫长（示例中耗时约 614 秒），这属于正常现象，耐心等待即可。只有第一次慢，后续会快很多。

生成图片的速度大约在 13.15 it/s，对于核显而言已经相当不错。

验证成功标志： 最关键的是确认 ROCm 能否识别 GPU。如果在日志中看到类似 ROCm: agents=['gfx1035'] 的输出，说明配置成功。

![图：ROCm 识别 GPU 信息]

至此，你的 AMD 核显笔记本已能满血运行 Stable Diffusion。