{# —— Umami 统计(Cloud 版)—— #}

9.2

笔记本升级

笔记本新硬件.png

在校内联想店更换了 64 GB 内存,加装了 2T 硬盘。自己网购的三星内存居然不能开机,店员说是兼容性问题,当然我觉得很有可能是质量问题。总之,换了店里的同规格三星内存,总算是能开机了,比原来的贵 160,可以接受。

硬盘

新旧硬盘在 AS SSD Benchmark 上的分数分别为 4174 和 4020,很接近

原来没有分盘,所有东西都在 C 盘,新硬盘就顺势作为 D 盘了。花了些时间把所有游戏、代码、书、学习资料和 AI 模型都转移到了 D 盘,目前格局如下:

新硬盘格局.png
ComfyUI 没有办法自己设置模型文件夹,所以使用

内存

在 Wan 2.2 i2v fp8 模型上进行测试。模型生成分为两个采样阶段:high noise 和 low noise,分别使用两个不同的扩散模型,称为模型 A 和 B,第一次采样前会将 A 加载到内存中,占用 13078 MB,第二次采样不会主动卸下 A,只是加载 B 到内存中(当然还干了其他事),此时共占用 26731 MB

我们控制分辨率 512×512 不变,研究内存使用与帧数的关系,内存使用均向下取整:

帧数 f 内存使用 M1 (MB) 内存使用 M2 (MB) M2 - M1 (MB)
49 10548 24197 13649
97 13078 26731 13653
145 15618 29278 13660
193 18143 31801 13658

可以看出,M2 - M1 的内存增加量随帧数增长是恒定的,让我们对表格的前两列线性拟合:

M1=53.05f+7949.08R2=0.9999

接下来,控制帧数为 17 不变,研究内存使用与分辨率的关系:

分辨率 内存使用 M1 (MB) 内存使用 M2 (MB) M2 - M1 (MB)
512×512 8868 22514 13646
720×512 9307 22954 13647

现在,有完全的自信认为 M2 - M1 在任何情况下都是定值了!接下来只研究 M1

分辨率 v\帧数 f 17 49 97
512×512 8868 10567 13092
720×512 9307 11690 15473
928×512 9728
720×720 9905 13240 18242
928×720 10506
928×928 11285
1024×1024 12042 18778 22111

用线性 + 交互项拟合:

M=6544.21+45.618f+0.0037388r+8.27304×105(fr),R2=0.9629

这就是实验结果。

假设 v=720×720,f=60,那么四项分别为 6544.21, 2737.08, 1938.20, 2573.25

最后,在测试表格右下角的数据时,显存炸了,试了三次都炸,此时内存还有空余。可见昨天预料的是对的,内存加到 64 GB 后,显存就是拖后腿的了。