跳至主要内容

GPU 與裝置設定

預設的 PyTorch 安裝適用於所有平台（CPU，以及透過 MPS 的 Apple Silicon）。只有在你需要特定 CUDA 版本、AMD ROCm/DirectML，或想驗證 GPU 偵測時才需要繼續往下讀。

CodefyUI 會在執行階段從後端讀取可用的裝置，所以只要 PyTorch 看得到的，都會出現在每個節點的 device 下拉選單裡。全域裝置可以設定一次，並套用到所有以張量為來源的節點。

NVIDIA CUDA（特定版本）​

先確認你已安裝的 CUDA 版本：

nvidia-smi

看右上角的 CUDA Version: 欄位，然後重裝對應的 wheel。PyTorch 目前提供以下這些穩定版的 CUDA wheel 通道：

uv pip uninstall torch torchvision

# CUDA 12.8 —— RTX 50 系列（Blackwell, sm_120）必裝，RTX 30 / 40 亦可使用。
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

# CUDA 12.6 —— RTX 30 / 40 系列，現代驅動的通用預設選擇
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cu126

# CUDA 11.8 —— GTX 10 / RTX 20 系列，或舊驅動
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

:::warning RTX 50 系列（Blackwell） RTX 5090 / 5080 / 5070 必須使用 cu128 —— 舊版 wheel 缺少 sm_120 kernel，執行時會以 no kernel image is available for execution 失敗。 :::

驗證 CUDA 可用：

python -c "import torch; print('CUDA:', torch.cuda.is_available(), '| Device:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'N/A')"

Apple Silicon (MPS)​

在 M1/M2/M3/M4 Mac 上，預設安裝就已經使用 Metal Performance Shaders 後端。驗證：

python -c "import torch; print('MPS:', torch.backends.mps.is_available())"

:::note MPS 上的 float64 MPS 以 float32 為原生格式，並會拒絕 float64 張量。CodefyUI 在 device_utils.to_device 中處理了這點，但若你撰寫自訂節點，在 Apple GPU 上請把張量保持為 float32。（有一條實驗性的原生 MLX 推論路徑作為 spike 存在 —— 請參考 Device Backends。） :::

AMD 顯卡​

AMD 的支援度高度取決於你的作業系統。

Linux + AMD（ROCm，官方支援）​

uv pip uninstall torch torchvision
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/rocm6.2

驗證：

python -c "import torch; print('CUDA (ROCm):', torch.cuda.is_available())"

在 ROCm 上，torch.cuda.is_available() 會回傳 True，因為 ROCm 對外以相容於 CUDA 的後端介面呈現。

Windows + AMD（支援有限）​

PyTorch 沒有提供官方的 Windows ROCm 版本。你的選項有：

  • (a) DirectML —— 可使用 AMD 顯卡，但效能較差，而且需要修改程式碼（內建節點預設使用 cuda／cpu）：

    uv pip install torch-directml

  • (b) CPU 模式 —— 上方的預設安裝已經可用。建議在 Windows + AMD 上用於學習／原型開發。

疑難排解​

從 CPU 切換到 CUDA（或反向切換）​

uv pip uninstall torch torchvision
uv pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

uv pip install -e ".[ml]" 裝到錯的 PyTorch 版本​

pyproject.toml 中的 [ml] 選項群組沒有指定 index URL，所以 uv 會安裝 PyPI 的預設版本 —— 通常 Windows 上是 CPU 版，或是版本不一定符合你的 CUDA runtime。請務必使用本頁中明確指定 --index-url 的指令。

有 NVIDIA 顯卡時 torch.cuda.is_available() 仍回傳 False​

  1. 執行 nvidia-smi 確認驅動版本。
  2. 確認你安裝的是與驅動匹配的 CUDA PyTorch wheel（例如不要在只支援到 CUDA 11.8 的驅動上安裝 cu128）。
  3. RTX 50 系列 + no kernel image is available for execution → 代表你用的是舊版 wheel；重新安裝 cu128。
  4. 若需要請更新你的 NVIDIA 驅動。

UI 的 device 下拉選單沒有顯示 CUDA​

前端會從後端讀取可用裝置。若你的 GPU 沒有列出來：

  1. 確認 PyTorch 能看見它：python -c "import torch; print(torch.cuda.is_available())"
  2. 點擊工具列的 重新載入節點 按鈕。
  3. 重新整理頁面。

從 API 驗證裝置偵測​

curl -s http://127.0.0.1:8000/api/nodes/TrainingLoop | python -c "import sys,json; d=json.load(sys.stdin); print([p['options'] for p in d['params'] if p['name']=='device'][0])"

這會印出可用的裝置，例如 NVIDIA 會顯示 ['cpu', 'cuda']，未安裝 PyTorch 時則顯示 ['cpu']。