สเปกคอมพิวเตอร์สำหรับรัน Stable Diffusion ด้วยตัวเอง

สิ่งที่เครื่องมือสร้างภาพ AI แบบ self-hosted ต้องการจริงๆ

เครื่องมือสร้างภาพ AI แบบ self-hosted ประกอบด้วยเว็บแอปพลิเคชันหนึ่งตัวและไฟล์โมเดลหนึ่งไฟล์ แอปพลิเคชันที่ใช้คือ ComfyUI ซึ่งสามารถรันบน Linux box ใดก็ได้ ส่วนโมเดลจะเป็นตัวกำหนดความต้องการด้านฮาร์ดแวร์ของคุณ Checkpoint ระดับ SDXL เป็นไฟล์ขนาด 6.94 GB เพียงไฟล์เดียว และจำเป็นต้องโหลดไว้ในหน่วยความจำของ GPU ข้อเท็จจริงนี้เป็นตัวกำหนดงบประมาณทั้งหมด ดังนั้นโปรดอ่านลำดับขั้นของฮาร์ดแวร์ด้านล่างก่อนที่คุณจะเช่าบริการใดๆ

สรุปตามความเป็นจริง: VPS ที่ใช้เฉพาะ CPU สามารถติดตั้งและให้บริการซอฟต์แวร์นี้ได้ โดยสามารถสร้างภาพขนาด 512x512 ด้วยโมเดล Stable Diffusion 1.5 รุ่นเก่าได้ในเวลาหนึ่งถึงสองนาทีต่อภาพ แต่หากใช้เครื่องเดียวกันรัน SDXL ที่ขนาด 1024x1024 จะใช้เวลาสิบถึงยี่สิบนาทีต่อภาพ นี่ไม่ใช่การตั้งค่าที่ผิดพลาด แต่เป็นเรื่องของคณิตศาสตร์ ซึ่งคู่มือนี้จะอธิบายให้เข้าใจ

เหตุผลที่ขนาดของโมเดลเป็นตัวกำหนดเครื่องที่ต้องใช้

การสร้างรูปภาพทำงานผ่านลูปการลดสัญญาณรบกวน (denoising loop) การเรนเดอร์ที่ 30 ขั้นตอนจะส่งผ่านโมเดลเต็มรูปแบบไปยังรูปภาพ 30 ครั้ง และในแต่ละรอบจะอ่านค่าน้ำหนัก (weight) ทั้งหมด SDXL ที่ความละเอียดครึ่งหนึ่ง (half precision) มีขนาดค่าน้ำหนักประมาณ 6.9 GB ดังนั้นการเรนเดอร์ 30 ขั้นตอนจะมีการถ่ายโอนข้อมูลผ่านหน่วยความจำประมาณ 200 GB ก่อนที่คุณจะเห็นรูปภาพ

GPU ที่มีหน่วยความจำวิดีโอ (VRAM ซึ่งเป็นหน่วยความจำที่ติดตั้งอยู่ข้างชิปกราฟิก) ขนาด 24 GB สามารถอ่านข้อมูลได้หลายร้อยกิกะไบต์ต่อวินาที และสามารถเก็บข้อมูลทั้ง 6.9 GB ไว้ได้ในคราวเดียว ในขณะที่ CPU VPS อ่านหน่วยความจำระบบ (RAM) ได้เพียงหลักสิบกิกะไบต์ต่อวินาที และไม่มีฮาร์ดแวร์เมทริกซ์สำหรับประมวลผลการคำนวณแบบ convolution ทำให้ลูปเดียวกันนี้ทำงานช้ากว่าถึง 1 ถึง 2 ลำดับขั้น นี่เป็นประเด็นเรื่องแบนด์วิดท์หน่วยความจำแบบเดียวกับที่ควบคุมโมเดลภาษา และควรศึกษาควบคู่ไปกับ เมื่อใดที่ VPS ที่มี GPU ถึงจะคุ้มค่ากับเงินที่จ่ายไป

การสร้างรูปภาพแตกต่างจากการสร้างข้อความในจุดที่สำคัญประการหนึ่ง โมเดลแชทจะสตรีมโทเค็นออกมา ดังนั้นเครื่องที่ช้าก็ยังรู้สึกว่าใช้งานได้เพราะคำต่างๆ จะปรากฏขึ้นในขณะที่คุณอ่าน แต่รูปภาพจะปรากฏขึ้นก็ต่อเมื่อขั้นตอนสุดท้ายเสร็จสิ้นเท่านั้น คำว่าช้าจึงหมายถึงการที่คุณต้องนั่งจ้องแถบความคืบหน้าเพียงอย่างเดียว

ลำดับขั้นของฮาร์ดแวร์กับตัวเลขจริง

บล็อกด้านล่างนี้แสดงตัวเลขโดยประมาณสำหรับการสร้างภาพ SDXL หนึ่งภาพที่ความละเอียด 1024x1024, 30 steps, ใช้ Euler sampler ณ เดือนกรกฎาคม 2026 ให้ถือว่าเป็นค่าประมาณตามลำดับขนาด (order of magnitude) ทั้งนี้ sampler, จำนวน step และความละเอียดที่คุณใช้จะส่งผลต่อตัวเลขเหล่านี้

[
  {
    "label": "8 vCPU VPS, no GPU",
    "seconds_per_image": 780
  },
  {
    "label": "8GB VRAM GPU",
    "seconds_per_image": 32
  },
  {
    "label": "12GB VRAM GPU",
    "seconds_per_image": 18
  },
  {
    "label": "24GB VRAM GPU",
    "seconds_per_image": 9
  }
]

แถวของ CPU ใช้เวลา 780 วินาที หรือประมาณ 13 นาที ส่วนการ์ดจอขนาด 24 GB ใช้เวลา 9 วินาที นี่คือช่องว่างของประสิทธิภาพที่คุณกำลังจ่ายเงินซื้อ

วิธีการอ่านลำดับขั้นนี้คือ หาก VRAM ต่ำกว่า 8 GB ตัว SDXL ยังคงทำงานได้ เนื่องจาก ComfyUI จะย้ายเลเยอร์ไปไว้ใน RAM ของระบบโดยอัตโนมัติ และสามารถทำงานร่วมกับการ์ดจอที่มี VRAM เพียง 1 GB ได้ แต่การย้ายข้อมูล (offloading) จะทำให้เสียเวลาในทุกขั้นตอน ดังนั้นการ์ดจอขนาด 6 GB จะใช้เวลาใกล้เคียงกับหนึ่งนาทีต่อภาพมากกว่า 30 วินาที ที่ระดับ 8 GB โมเดลพื้นฐานจะโหลดได้พอดีและประมวลผลได้อย่างราบรื่น ที่ระดับ 12 GB คุณสามารถโหลด ControlNet หนึ่งหรือสองตัวควบคู่ไปกับ checkpoint ได้โดยไม่ต้องทำ offloading และที่ระดับ 24 GB คุณสามารถรัน SDXL ร่วมกับ refiner และการทำ upscaling ใน workflow เดียวกันได้ รวมถึงสามารถเริ่มฝึก LoRA adapters ซึ่งต้องการหน่วยความจำมากกว่าการสร้างภาพปกติมาก

สิ่งที่ CPU VPS ทำได้และทำไม่ได้

มันทำได้มากกว่าที่คนส่วนใหญ่คาดคิด และทำได้น้อยกว่าที่การตลาดกล่าวอ้าง คุณควรทำความเข้าใจขอบเขตให้ชัดเจน

CPU VPS สามารถติดตั้ง ComfyUI, ให้บริการเว็บอินเทอร์เฟซ, จัดเก็บคลังโมเดล, จัดการคิวงาน และสร้างรูปภาพได้โดยไม่ต้องมี GPU เลย สำหรับ Stable Diffusion 1.5 ที่ความละเอียด 512x512 และ 20 steps คุณควรคาดหวังเวลาประมาณ 60 ถึง 150 วินาทีต่อรูปบน 8 vCPUs สมัยใหม่ที่มี RAM 16 GB สำหรับงานประมวลผลแบบ batch ที่รันข้ามคืน หรือ endpoint สำหรับสร้างรูปภาพที่มีปริมาณงานต่ำและอยู่หลังคิวงาน ถือว่าใช้งานได้จริง

CPU VPS ไม่สามารถรองรับการทำงานแบบโต้ตอบ (interactive) ได้ การปรับแต่ง prompt หมายถึงการเรนเดอร์ยี่สิบครั้งในหนึ่งชั่วโมง แต่ด้วยเวลาสิบสามนาทีต่อรูป คุณจะทำได้เพียงสี่ครั้งเท่านั้น นอกจากนี้ยังไม่สามารถใช้ฝึกโมเดลได้ การทำ LoRA fine-tuning บน CPU นั้นใช้เวลาเป็นวันไม่ใช่เป็นชั่วโมง ดังนั้นให้ถือว่าไม่สามารถทำได้

กฎเรื่องหน่วยความจำสำหรับการใช้ CPU เพียงอย่างเดียวแตกต่างจากกฎของ GPU เนื่องจากค่าน้ำหนัก (weights) จะถูกโหลดลงใน RAM ของระบบ คุณจึงต้องการพื้นที่เท่ากับขนาดโมเดลบวกกับพื้นที่ทำงาน: ประมาณ 16 GB ของ RAM สำหรับ SDXL และประมาณ 8 GB สำหรับ SD 1.5 เครื่องขนาด 4 GB จะเริ่ม ComfyUI ได้ แต่จะถูก out-of-memory killer สั่งยุติการทำงานระหว่างการเรนเดอร์ครั้งแรก ซึ่งจะแสดงผลให้เห็นว่าโปรเซสหายไปเฉยๆ โดยมี Killed ปรากฏใน dmesg และไม่มี Python traceback ใดๆ

การติดตั้ง ComfyUI บนเครื่องที่ใช้ GPU

นี่คือคำสั่งสำหรับการติดตั้งจากต้นทาง ให้เริ่มจากระบบ Ubuntu 24.04 ที่ติดตั้งใหม่และมีไดรเวอร์ NVIDIA อยู่แล้ว ให้ตรวจสอบไดรเวอร์ก่อนเป็นอันดับแรก เพราะความล้มเหลวในขั้นตอนถัดไปทั้งหมดจะมีลักษณะเหมือนกันหากไม่ผ่านการตรวจสอบนี้

nvidia-smi

nvidia-smi

คำสั่งนี้ต้องแสดงตารางข้อมูลการ์ดจอและเวอร์ชัน CUDA ของคุณ หากขึ้น command not found หรือ NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver แสดงว่าไดรเวอร์ขาดหายไปหรือ kernel module ไม่โหลดหลังจากอัปเกรด ให้แก้ไขปัญหานี้ก่อนดำเนินการต่อ เพราะ ComfyUI จะสลับไปใช้ CPU โดยไม่แจ้งเตือน และคุณจะเข้าใจผิดว่าซอฟต์แวร์มีปัญหา

sudo apt update
sudo apt install -y git python3-venv python3-pip wget
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
. venv/bin/activate
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt

python3 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

การใช้ virtual environment ไม่ใช่คำแนะนำที่เลือกทำหรือไม่ก็ได้ PyTorch มี dependency จำนวนมาก การติดตั้งลงในระบบโดยตรงบนเครื่องที่รันบริการอื่นอยู่จะทำให้บริการเหล่านั้นเสียหายได้ ให้ตรวจสอบว่า PyTorch มองเห็นการ์ดจอของคุณก่อนดำเนินการต่อ

python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

python3 -c "import torch; print(torch.cuda.is_available())"

หากแสดงค่า True ตามด้วยชื่อการ์ดจอของคุณ แสดงว่า stack ทำงานได้ปกติ หากแสดงค่า False แสดงว่า wheel ที่คุณติดตั้งไม่ตรงกับไดรเวอร์ ซึ่งมักเกิดจากการที่ torch wheel เวอร์ชัน CPU-only ถูกแคชไว้ก่อนหน้า ให้ติดตั้งใหม่โดยใช้ index URL ด้านบน

จัดหาโมเดลและวางแผนพื้นที่ดิสก์

ComfyUI ไม่ได้มาพร้อมกับไฟล์ weights คุณต้องนำไฟล์ Checkpoint ไปไว้ใน models/checkpoints, ไฟล์ VAE ใน models/vae และไฟล์ LoRA adapter ใน models/loras

cd ~/ComfyUI/models/checkpoints
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

ควรเลือกใช้ .safetensors แทน .ckpt เสมอ ไฟล์ .ckpt เป็นออบเจกต์ Python ที่ผ่านการทำ pickle ซึ่งการโหลดไฟล์ประเภทนี้จะทำให้โค้ดของผู้สร้างไฟล์นั้นทำงานบนเครื่องของคุณได้ ในขณะที่รูปแบบ safetensors จะเก็บเฉพาะข้อมูล tensor เท่านั้น จึงไม่มีทางที่ไฟล์อันตรายจะรันคำสั่งใดๆ ได้

พื้นที่จัดเก็บข้อมูลคือต้นทุนที่ผู้ใช้มักมองข้าม ไฟล์ SDXL base checkpoint หนึ่งไฟล์มีขนาด 6.94 GB และไฟล์ refiner อีก 6 GB โมเดล ControlNet หนึ่งตัวมีขนาดตั้งแต่ 1.4 ถึง 2.5 GB, ตัว upscaler มีขนาด 60 ถึง 350 MB และ LoRA มีขนาด 20 ถึง 400 MB ผู้ที่ชื่นชอบการใช้งานส่วนใหญ่มักจะดาวน์โหลดโมเดลพื้นฐานเพิ่มอีกสองถึงสามตัวภายในสัปดาห์แรก ควรจัดสรรพื้นที่ดิสก์ไว้ 100 GB สำหรับการติดตั้งที่ใช้งานได้จริง และคอยตรวจสอบไดเรกทอรีผลลัพธ์ด้วย เนื่องจากไฟล์ PNG ขนาด 1024x1024 มีขนาดไฟล์ละ 1 ถึง 2 MB ซึ่งการรัน batch ทิ้งไว้โดยไม่มีการควบคุมอาจทำให้ดิสก์ขนาดเล็กเต็มได้อย่างรวดเร็ว ควรวาง models/ และ output/ ไว้บนโวลุ่มที่สามารถขยายขนาดได้ และสำรองไฟล์ workflow JSON ของคุณด้วยวิธีเช่น การสำรองข้อมูลแบบเพิ่มหน่วยและเข้ารหัสไปยัง object storage เนื่องจากไฟล์ weights สามารถดาวน์โหลดใหม่ได้ แต่ workflow ที่คุณปรับแต่งมานั้นไม่สามารถกู้คืนได้หากสูญหาย

เรียกใช้งานและเข้าถึงอย่างปลอดภัย

cd ~/ComfyUI
. venv/bin/activate
python main.py --listen 127.0.0.1 --port 8188

ComfyUI ให้บริการผ่านพอร์ต 8188 หากใช้งานบนเครื่องที่ไม่มี GPU ให้เพิ่มแฟล็ก --cpu ซึ่งจะบังคับให้ใช้การประมวลผลผ่าน CPU แทนที่จะล้มเหลวเนื่องจากไม่พบอุปกรณ์ CUDA

ให้ผูกบริการไว้กับ 127.0.0.1 เท่านั้น ห้ามผูกกับ 0.0.0.0 เนื่องจาก ComfyUI ไม่มีหน้าจอเข้าสู่ระบบและไม่มีระบบจัดการบัญชีผู้ใช้ ใครก็ตามที่เข้าถึงพอร์ตนี้ได้จะสามารถสั่งคิวงาน อ่านภาพทั้งหมดที่คุณสร้างขึ้น รวมถึงติดตั้ง custom nodes ซึ่งเท่ากับการอนุญาตให้รันโค้ดใดๆ ก็ได้บนเซิร์ฟเวอร์ของคุณ ให้เข้าถึงผ่าน SSH tunnel จากแล็ปท็อปของคุณแทน

ssh -N -L 8188:127.0.0.1:8188 you@your-server

จากนั้นเปิด http://127.0.0.1:8188 บนเครื่องของคุณ หากคุณต้องการการเข้าถึงสำหรับผู้ใช้หลายคน ให้ติดตั้ง reverse proxy ที่มีการยืนยันตัวตนไว้ด้านหน้า และคงการตั้งค่าให้แอปผูกกับ localhost ไว้เช่นเดิม หลักการเดียวกันนี้ใช้ได้กับบริการ self-hosted ทุกประเภทที่ไม่มีระบบยืนยันตัวตน และถือเป็นรูปแบบมาตรฐานในการ ปรับใช้ Docker Compose บน VPS

การรันบริการอย่างต่อเนื่องด้วย systemd

คิวการประมวลผลที่หยุดทำงานเมื่อคุณปิดเซสชัน SSH ไม่ถือว่าเป็นบริการ ให้เขียนไฟล์ /etc/systemd/system/comfyui.service

[Unit]
Description=ComfyUI
After=network-online.target

[Service]
User=comfy
WorkingDirectory=/home/comfy/ComfyUI
ExecStart=/home/comfy/ComfyUI/venv/bin/python main.py --listen 127.0.0.1 --port 8188
Restart=on-failure
RestartSec=5

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable --now comfyui
systemctl status comfyui

active (running) และบรรทัด log ที่ระบุว่า To see the GUI go to: http://127.0.0.1:8188 หมายความว่าบริการทำงานอยู่ โปรดสังเกตว่า ExecStart จะระบุชื่อตัวแปลภาษา (interpreter) ภายใน virtual environment โดยตรง เนื่องจาก systemd ไม่ได้รัน shell profile ของคุณ และ activate จะไม่เกิดขึ้น

คำแนะนำเชิงปฏิบัติโดยพิจารณาจากงบประมาณ

หากคุณต้องการทดลองสร้างรูปภาพและให้ความสำคัญกับงบประมาณมากกว่าความเร็ว ให้เลือกใช้ CPU VPS ที่มี RAM 16 GB แล้วรัน SD 1.5 ที่ความละเอียด 512x512 โดยยอมรับว่าอาจใช้เวลาหนึ่งถึงสองนาทีต่อรูป นี่คือจุดเริ่มต้นที่ตรงไปตรงมาและมีค่าใช้จ่ายเพียงเศษเสี้ยวเมื่อเทียบกับเครื่องที่มี GPU นอกจากนี้ยังเป็นจุดที่เหมาะสมในการจัดเก็บคลังโมเดลและเวิร์กโฟลว์ในระหว่างที่คุณตัดสินใจ

หากคุณปรับแต่ง prompt เป็นประจำทุกวัน ให้เช่า GPU ที่มี VRAM อย่างน้อย 12 GB แบบรายชั่วโมงจากผู้ให้บริการ GPU cloud และปิดการใช้งานเมื่อเลิกใช้งาน การสร้างรูปภาพเป็นงานที่ทำเป็นช่วงๆ การปล่อยให้ GPU ทำงานค้างไว้โดยถูกเรียกเก็บเงินรายเดือนเป็นสาเหตุที่พบบ่อยที่สุดที่ทำให้ค่าใช้จ่ายบานปลาย ให้เก็บไฟล์ checkpoint ไว้ใน block storage ราคาประหยัดแล้วค่อย mount เข้ามาใช้งาน

หากคุณให้บริการผู้อื่นหรือฝึกสอน LoRA adapters คุณจำเป็นต้องใช้ VRAM 24 GB และเครื่องที่เปิดใช้งานตลอดเวลา ในระดับนั้น เครื่องเดียวกันมักจะคุ้มค่าตัวด้วยการรัน local language model ไปด้วย ซึ่งเป็นรูปแบบการตั้งค่าที่อธิบายไว้ใน การ self-host LLM ด้วย Ollama

ไม่ว่าคุณจะเลือกแนวทางใด ให้วัดประสิทธิภาพเครื่องของคุณเองก่อนที่จะเชื่อตัวเลขที่เผยแพร่ทั่วไป ให้คิว prompt เดียวกันห้าครั้งแล้วอ่านค่า seconds-per-iteration ที่ ComfyUI แสดงในคอนโซล ตัวเลขนั้นคือตำแหน่งที่แท้จริงของคุณบนบันไดประสิทธิภาพนี้

FAQ

ฉันสามารถรัน Stable Diffusion โดยไม่มี GPU ได้หรือไม่?

ได้ ComfyUI สามารถทำงานร่วมกับ python main.py --cpu และสร้างภาพจริงได้โดยไม่ต้องมีกราฟิกการ์ด โดยทั่วไปจะใช้เวลาประมาณ 60 ถึง 150 วินาทีต่อภาพสำหรับ Stable Diffusion 1.5 ที่ความละเอียด 512x512 และใช้เวลา 10 ถึง 20 นาทีสำหรับ SDXL ที่ความละเอียด 1024x1024 บน vCPU สมัยใหม่จำนวน 8 คอร์ ซึ่งเพียงพอสำหรับการประมวลผลแบบ batch ข้ามคืนหรือ endpoint ที่มีปริมาณงานต่ำ แต่ไม่เหมาะสำหรับการทดลองปรับแต่ง prompt และไม่สามารถทำการเทรนโมเดลได้เลย

ฉันต้องใช้ VRAM เท่าใดสำหรับ SDXL?

VRAM ขนาด 8 GB สามารถรัน SDXL ที่ความละเอียด 1024x1024 ได้อย่างราบรื่น หากต่ำกว่านั้น ComfyUI จะย้ายเลเยอร์ไปประมวลผลบน system RAM โดยอัตโนมัติ ซึ่งยังคงทำงานได้จนถึงระดับ VRAM ประมาณ 1 GB แต่ทุกขั้นตอนที่ย้ายไปประมวลผลบน RAM จะใช้เวลาเพิ่มขึ้น หากมี VRAM 12 GB คุณจะสามารถโหลด ControlNet ควบคู่ไปกับ checkpoint ได้ และหากมี 24 GB จะครอบคลุมทั้ง base, refiner และการทำ upscaling ใน workflow เดียว ซึ่งถือเป็นระดับขั้นต่ำที่ใช้งานได้จริงสำหรับการเทรน LoRA adapters

โมเดลต้องใช้พื้นที่ดิสก์เท่าใด?

เฉพาะ SDXL base checkpoint เพียงอย่างเดียวก็มีขนาด 6.94 GB และ refiner จะเพิ่มขนาดขึ้นอีกประมาณ 6 GB โมเดล ControlNet แต่ละตัวมีขนาด 1.4 ถึง 2.5 GB, LoRA adapters มีขนาด 20 ถึง 400 MB และ upscalers มีขนาดสูงสุด 350 MB ควรจัดสรรพื้นที่ไว้ 100 GB สำหรับการติดตั้งใช้งานพร้อมโมเดลพื้นฐานจำนวนหนึ่ง และควรหมั่นตรวจสอบไดเรกทอรี output แยกต่างหาก เนื่องจากไฟล์ PNG ที่ความละเอียด 1024x1024 มีขนาดไฟล์ละ 1 ถึง 2 MB

การเปิด ComfyUI บนอินเทอร์เน็ตสาธารณะปลอดภัยหรือไม่?

ไม่ปลอดภัย ComfyUI ไม่มีระบบยืนยันตัวตนใดๆ และระบบ custom-node ของมันสามารถติดตั้งและรันโค้ด Python จากหน้าอินเทอร์เฟซได้ ดังนั้นการเปิดพอร์ตทิ้งไว้จึงเท่ากับการเปิดช่องทางให้รันโค้ดจากระยะไกลบนเซิร์ฟเวอร์ของคุณ ให้ bind บริการไว้ที่ 127.0.0.1, เข้าถึงผ่าน SSH tunnel ด้วย ssh -N -L 8188:127.0.0.1:8188 you@your-server และติดตั้ง reverse proxy ที่มีการยืนยันตัวตนไว้ด้านหน้าหากต้องการให้มีผู้ใช้งานมากกว่าหนึ่งคน

ทำไมการเรนเดอร์ของฉันถึงถูกตัดการทำงานโดยไม่มีข้อความแจ้งเตือน?

หากกระบวนการหายไปพร้อมกับ Killed ใน dmesg โดยไม่มี Python traceback แสดงว่าเกิดจาก Linux out-of-memory killer ไม่ใช่บั๊กของ ComfyUI บนเครื่องที่ใช้ CPU เพียงอย่างเดียว น้ำหนักของโมเดลจะถูกเก็บไว้ใน system RAM ดังนั้น SDXL จึงต้องการ RAM ประมาณ 16 GB และ SD 1.5 ต้องการประมาณ 8 GB บวกกับพื้นที่สำหรับการประมวลผล ให้เพิ่ม RAM, เพิ่ม swap หรือลดขนาดโมเดลและความละเอียดลง