SD WebUI Forge 本地部署：8G 显卡跑通 FLUX 的完整操作手册
【免费下载链接】stable-diffusion-webui-forge 
项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge
FLUX.1 模型动辄几十 GB，12G 显卡硬塞也常常直接 OOM，很多人到这里就放弃了。Stable Diffusion WebUI Forge 构建在经典 SD WebUI 之上，靠低比特量化加载和一套自研的 GPU 内存管理系统，让 FLUX 这类大模型在 8G 上下显存的显卡上也能出图。这篇带你从克隆仓库走到第一张图，顺带讲清楚翻车时怎么自救。
上面这张图就是 Forge 的 Textual Inversion（文本嵌入，相当于训练一个触发词绑定一种固定形象）功能的生成效果，触发词来自自训的嵌入文件。
🔍 上手前值得知道的三件事
- 技术栈：Python + PyTorch + Gradio 4 界面。官方一键安装包（7z）自带 CUDA 12.1 + PyTorch 2.3.1 环境，另有 CUDA 12.4 + PyTorch 2.4 版本（README 标注 "Fastest"），干净机器解压即用，不用自己折腾依赖。
- 和原版 WebUI 的差异：原版 A1111 的 ControlNet、LoRA、IP-Adapter 都要单独装扩展，Forge 把这些直接放进 extensions-builtin/ 目录，解压即启用；另外提供 "Diffusion in Low Bits" 低比特加载和 "Swap Method" 权重交换两个开关，原生支持 BitsandBytes NF4 与 GGUF 量化，.gguf 文件可直接丢进模型目录当检查点用。
- 适合谁：8G 显存卡在原版 WebUI 上跑图 OOM 过的人，或者想在 12G 卡上试 FLUX 又不想装一堆依赖的人。
🚀 出第一张图的最短路径
git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge
| 系统 | Windows / Linux / macOS（仓库都带启动脚本） | Windows + NVIDIA 显卡 |
| 显存 | 8GB（SD1.5 / SDXL，配合 GPU Weights 调） | 12GB（跑 FLUX 量化模型） |
| 运行环境 | CUDA 12.1 + PyTorch 2.3.1（官方推荐一键包） | CUDA 12.4 + PyTorch 2.4（官方标注 Fastest） |
🛠 三个真正体现价值的深度玩法
GPU Weights (MB)：低显存的主开关
它解决什么问题：模型权重把显存占满，生成时的矩阵运算没地方放，于是 OOM。这个滑块让你指定权重最多占多少显存，剩下留给计算。
具体操作：滑块就在页面顶部（左上角 "UI" 区选 "all" 可完整显示），设置页里也有。
设置页 → GPU Weights (MB)
默认值 = 总显存 – 1024（预留 1GB 给矩阵运算）
一句实战经验：显存不足时终端会直接打印提示 "you can set the 'GPU Weights' … to a lower value"，官方排障帖的原话是 "Lower 'GPU Weight' solves 99% problems"；反过来拉满 100% 等于给运算留 0% 空间，这一步不建议这么做。
"Diffusion in Low Bits"：低比特加载 FLUX
它解决什么问题：FLUX.1 原始体积太大，直接加载塞不进显存。Forge 把权重压到低比特存储，配合量化模型文件使用。
具体操作：
Checkpoint 下拉: 选 FLUX.1-dev（NF4 或 GGUF 版）
Diffusion in Low Bits: bnb-nf4 / float8-e4m3fn 等
Swap Method: Queue 或 Async；Swap Location: CPU 或 Shared
一句实战经验：NF4、GGUF Q8_0/Q5_0/Q4_0 这些量化档都原生支持，且 README 明确写了它们都可以再挂 LoRA，不用在"能跑"和"能挂 LoRA"之间二选一。
内置 ControlNet：线稿控制零安装
它解决什么问题：原版 WebUI 想用 ControlNet 得先装扩展、再下模型、再配预处理器，Forge 把这些全挂在同一个面板里，预处理器列表在 README 状态表里整体验证为 "All Preprocessors: Normal"。
具体操作：
预处理器: lineart_realistic
模型: 选对应的 lineart 控制模型
一句实战经验：传上线稿、下拉选预处理器就能控制构图，完全不用装东西；但想给 FLUX 配 ControlNet 的现在先别急，README 状态表明确标着 Flux ControlNet 和 Union ControlNet "Not implemented yet"。
🧯 翻车自救对照表
| 页面卡死 / 提示连接中断 | 调低 GPU Weights (MB) 重试；仍不行就重启服务 |
| 生成时报低显存警告 | 降 GPU Weights，默认只预留 1GB 运算空间，往低调即可 |
| 画布拖不动 | Gradio 4 界面要用鼠标右键拖动画布，不是左键 |
| OFT LoRA 用不了 | 仓库状态表标注 "Broken, pending fix"，换普通 LoRA |
| 想用 FLUX ControlNet | 尚未实现，等更新，别浪费时间去调参 |
原版 WebUI 的扩展包还能直接拿来用吗？ 大部分能，但 Forge 的 extensions-builtin/ 里已有 ControlNet、LoRA、IP-Adapter 等内置等价物，README 里列了内置扩展清单和替换对照，装重复扩展前先看一眼，免得面板里出现两套同类控件打架。
调完 GPU Weights 要不要重启服务？ 不用。这个滑块挂了实时回调，改动立刻刷新内存管理设置，保存也不影响当前会话；但注意反向操作——往模型目录丢新检查点文件后，是必须重启服务才能识别的。
Forge 想做的事其实就一件：让本地出图不再被显存绑架。从一键安装包到 GPU Weights 滑块，从内置 ControlNet 到 FLUX 低比特加载，每一步都在降部署门槛；卡住了，先看下面这几处。
- GPU 内存管理系统：backend/memory_management.py
- 推理引擎源码：backend/diffusion_engine/
- 最新进度与已知问题：NEWS.md
【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
