装AI软件踩过的5个坑,我都替你踩了
上周有个朋友找我,说想跑 Stable Diffusion 画图,折腾了三天没装上。
我远程帮他看了一眼——Python 装了三个版本,系统环境变量乱成一锅粥,CUDA 驱动和工具包版本对不上,报错信息他一条都没看,全靠”卸了重装”。
从下午两点搞到晚上九点,中间系统差点崩了。他问我:”为什么别人视频里五分钟就装好了?”
因为别人踩过的坑,你没看到。
这篇文章适合:Windows / Mac 用户,想装 Stable Diffusion、ComfyUI、本地大模型,但被环境配置卡住的人。
· · ·
01 Python 版本乱装一通
很多人装 AI 工具,第一步就错了。
Stable Diffusion 要求 Python 3.10.x,你装了 3.11 或 3.12,看起来版本更高,结果运行时报各种奇怪的错误——模块找不到、依赖冲突、pip 命令直接闪退。
根本原因:AI 工具的底层库(比如 PyTorch)绑定特定 Python 版本,高版本不一定兼容。
解决方案:先看项目 README 要求的 Python 版本,用 conda 或 pyenv 管理多版本,不要直接装最新版。
验证方法:在命令行输入 python --version,显示的版本号和项目要求一致,才算装对。
02 直接往系统里装包
pip install 一顿操作,装完发现其他项目跑不起来了。
我上次帮人排查,他把 transformers 装到了系统 Python 里,版本 4.36,结果另一个需要 4.20 的项目直接报错。两个项目互相打架,谁都跑不了。
根本原因:所有包装在同一个系统环境里,版本冲突是迟早的事。
解决方案:每个项目开一个虚拟环境。
Mac / Linux:python -m venv myenv
Windows:python -m venv myenv 然后 myenv\Scripts\activate
验证方法:命令行前面出现 (myenv) 字样,说明你在虚拟环境里了,再装包不会污染系统。
03 CUDA 版本对不上
这是最隐蔽的坑。
你装了 CUDA 12.x,但你的 AI 工具只支持 CUDA 11.8。报错信息还特别模糊——”RuntimeError”、”CUDA out of memory”、”Unexpected error”——你以为是显存不够,其实是版本不兼容。
根本原因:显卡驱动、CUDA Toolkit、PyTorch 三者版本必须配套,差一个小版本号都可能出问题。
解决方案:装之前先查三样东西——
① nvidia-smi 看显卡驱动支持的最高 CUDA 版本
② 看 AI 工具文档要求的 CUDA 版本
③ 看 PyTorch 官网对应 CUDA 版本的安装命令
验证方法:在 Python 里跑 import torch; print(torch.cuda.is_available()),返回 True 才算配对了。
04 不看错误日志,只会重装
报错了,第一反应是”删了重装”。结果第二次装还是报同样的错。
AI 工具的错误日志其实写得很清楚,只是字太多,你懒得看。但日志里最后几行通常就是答案。
解决方案:记住一个排查顺序——
① 看日志最后 5 行,找 Error 或 Exception 关键词
② 把错误信息复制到 Google,后面加 site:github.com 或 site:stackoverflow.com
③ 90% 的问题都能在 GitHub Issues 里找到答案
验证方法:按别人的方案改完,重新运行,不再报同样的错,就对了。
05 以为有 GPU 就能跑
有显卡不等于能跑 AI。
集显、老显卡、显存小于 4G 的,跑起来要么极慢,要么直接爆显存。Stable Diffusion 最低要 6G 显存,跑 SDXL 建议 8G 以上。
显存参考:
· 4G 显存:勉强跑 SD 1.5,开低分辨率
· 6-8G 显存:大部分模型没问题
· 12G+ 显存:SDXL、本地大模型随便跑
验证方法:跑一个简单模型,看任务管理器里显存占用有没有超过 90%。如果一直爆显存,换小模型或用 CPU 模式。· · ·
排查顺序总结
装不上 AI 软件,按这个顺序排查:
第一步:查 Python 版本对不对
第二步:有没有开虚拟环境
第三步:CUDA 版本配没配对
第四步:看错误日志找原因
第五步:确认显卡显存够不够
绝大多数问题,都是环境配置和版本兼容性的锅。踩过几次坑,你就会发现规律。
写在最后
AI 工具安装是门槛,但不是高墙。
如果你也卡在 AI 上,装软件不会装、配置不会调,我帮你看看。
你装 AI 软件时踩过最深的坑是什么?评论区告诉我,我挑 3 个人免费帮你远程看看。
【图片由AI生成 · 文章作者原创】
— END —
夜雨聆风