跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. 【34.5 min → 3.3 min】用对注意力机制的2×7900XTX在H3流程中可以提速多少?—— 答案1050%↑

【34.5 min → 3.3 min】用对注意力机制的2×7900XTX在H3流程中可以提速多少?—— 答案1050%↑

已定时 已固定 已锁定 已移动 精华 热议 AI音视频画图
7900xtx视频生成多卡部署
59 帖子 15 发布者 2.9k 浏览 3 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • Leon YL
    Leon YL
    Leon Y
    体面乡绅 硕果累累
    编写于 最后由 编辑
    #26

    双 3090 + --use-ck-attention:单变量 A/B,端到端 1.95×

    平台:2× RTX 3090 24 GB(Ampere sm_86),NVLink 4(实测 P2P 49 GB/s),Ryzen 9 5950X,60 GB DDR4,Ubuntu 26.04 / CUDA 13.1 / torch 2.14.1+cu130

    工作流:MiniMax-H3 int8,576×1024,362 帧(15 s @ 24fps),8 步 + 8 步 turbo LoRA,res_multistep / simple,BasicGuider(无 CFG)

    A/B(同机同工作流,唯一变量是这个 flag):

    启动参数 日志里的后端 端到端
    main.py --port 8189 --listen 0.0.0.0 Using pytorch attention 891 s
    ... --use-ck-attention Using Comfy Kitchen attention 457 s
    1.95×
    补充观察:

    ① 先做注意力微基准,比"能不能出片"可靠

    python

    4096 token,SDPA×20 取均值

    正常: 2.7 ms/次 ← 健康
    异常: 数百 ms ← 静默降级
    这条来自你 F2 的思路,我照做了,确认没走兜底路径之后才去测端到端。

    ② 你的 F1 在 CUDA 上有等价陷阱:我用 torch 2.14.1+cu130 对系统 CUDA 13.1,同源。minor 版本错配同样会让内核失效且不报错。

    ③ --disable-pinned-memory 是我这边的必要设置:两个实例各驻留 23 GB 模型,60 GB RAM 放不下锁页缓冲区。代价是模型加载慢 1.5-3 倍,但只在加载阶段,采样不受影响。

    ④ 我现在是"双实例并行"而不是 TP2:两条片同时出,各自占一张卡。NVLink 插着但单实例 ComfyUI 用不到 —— 我试过 Comfy-H3-MultiStream(装得上、零依赖、六个节点正常),它的价值在"能原生跑 720×1280 而不是生成后放大",不在"更快",所以我暂时撤了。

    ⑤ 感谢那 12 条失败档案 —— F8(同 seed 命中节点缓存造出假的 7.1 s)和 F2 直接帮我省了时间。

    xiongjie gaoX 1 条回复 最后回复
    1
    • williamlouisW williamlouis

      AMD涨价的重要贡献者。千万不要放社区共享。给入手7900XTX的兄弟留点时间。

      xiongjie gaoX
      xiongjie gaoX
      xiongjie gao
      王侯将相
      编写于 最后由 编辑
      #27

      @williamlouis 等大船货到了我就上车H100了。🤠

      https://github.com/shawn86574-prog/x99-7900xtx-p2p
      https://github.com/shawn86574-prog/kuzuryusen

      1 条回复 最后回复
      0
      • 6 6cccccc

        抄了一下作业,让deepseek测的的结果
        实测结果
        统一条件:minimax_h3_fl2va_pruned_int8_convrot(20 G)+ qwen3vl_32b_int4(14 G)+ lightx2v turbo v4 LoRA 0.75、362 帧(15 s @24fps)、4 步、res_multistep、DV + int8 注意力全开。

        分辨率 s/it 采样 端到端(含冷启动)
        832×480 50.58 3:22 4 分 40 秒(280.2 s)
        1344×768 245.67 16:23 18 分 36 秒(1115.7 s)
        两条产物都是 362 帧、15.08 秒、带 AAC 音轨,解码保存都正常

        xiongjie gaoX
        xiongjie gaoX
        xiongjie gao
        王侯将相
        编写于 最后由 编辑
        #28

        @6cccccc 速度上差不多,已经调教到能用的阶段了。

        https://github.com/shawn86574-prog/x99-7900xtx-p2p
        https://github.com/shawn86574-prog/kuzuryusen

        1 条回复 最后回复
        0
        • 懒人烘培懒 懒人烘培

          @terry

          交作业|单张 7900 XTX 跑 MiniMax-H3,1536×864、15 秒、4 步有声出片

          本机用一张 RX 7900 XTX 24 GB 跑 MiniMax-H3,1536×864、362 帧(15.08 秒)、4 步已完整有声出片。提交到出片用时 28 分 01 秒,峰值显存 23.82 GiB,四步采样和 VAE 解码均通过。

          864p-4step.jpg

          配置

          • 主模型:minimax_h3_fl2va_pruned-w4a8_convrot_pruned
          • LoRA:minimax_h3_turbo_v4_step600_ema_pruned_comfyui,强度 1.0
          • 采样器:res_multistep,调度器:simple,24 fps
          • 环境:ComfyUI 0.40.0、PyTorch 2.11.0+rocm7.2、Comfy Kitchen 0.2.37
          • 启动参数:--enable-dynamic-vram --use-ck-attention --mmap-torch-files --disable-smart-memory
          • 导出:视频与音频分开导出,再合成 H.264 + AAC MP4

          配置参考@xiongjie-gao 贴文。

          4 步有声出片对比

          分辨率 帧数 / 时长 采样用时 端到端用时 峰值显存
          1280×736 362 / 15.08 秒 13 分 52 秒 15 分 54 秒 23.86 GiB
          1536×864 362 / 15.08 秒 25 分 14 秒 28 分 01 秒 23.82 GiB

          兼顾分辨率和耗时,推荐 1280×736、约 15 秒、4 步。 需要更高分辨率时,1536×864 同规格已经跑通,像素数多约 41%,本轮出片多等 12 分 07 秒。两档各有一次成功实测,连续多轮的稳定性还有待验证。

          720p-4step.jpg

          单卡显存边界

          本机可用显存 23.98 GiB。成功档最高测到 23.86 GiB,余量约 120 MiB。下表的 1 步用于测试采样、解码和导出能否通过。OOM 档的显存峰值只包含已成功分配的显存。

          测试方向 成功档 首步 OOM 档
          固定 362 帧 / 15.08 秒,提高分辨率 1536×864,4 步,峰值 23.82 GiB 1728×960,1 步,申请 2.33 GiB 时剩 2.21 GiB;1920×1088 也触发 OOM
          固定 1280×736,增加时长 549 帧 / 22.88 秒,1 步,10 分 12 秒有声出片,峰值 23.55 GiB 617 帧 / 25.71 秒,1 步,申请 1.70 GiB 时剩 576 MiB

          下图取自 22.88 秒压力测试的第 18 秒。这个时长已验证 1 步有声出片,4 步仍待实测。

          23s-limit.jpg

          结论

          单张 RX 7900 XTX 24 GB 已实测跑通 1536×864、362 帧(15.08 秒)、4 步的 MiniMax-H3 有声视频。整条用时 28 分 01 秒,峰值显存 23.82 GiB。同样是 15 秒,升到 1728×960 就在首步遇到显存不足。

          日常兼顾分辨率和耗时,我推荐 1280×736、15 秒、4 步,本机实测 15 分 54 秒。有更高分辨率需求时,可以用已经跑通的 1536×864,同样 4 步多等约 12 分钟。这两个档位各完成了一次有声出片,连续跑多条的稳定性还待验证。

          xiongjie gaoX
          xiongjie gaoX
          xiongjie gao
          王侯将相
          编写于 最后由 编辑
          #29

          @懒人烘培 真不错,我单 卡跑的也是差不多成绩。结论就是7900XTX可能还谈不上是我们社团的双花红棍,但肯定是最能打的头马之一。

          https://github.com/shawn86574-prog/x99-7900xtx-p2p
          https://github.com/shawn86574-prog/kuzuryusen

          1 条回复 最后回复
          0
          • Ang LeeA Ang Lee

            你的和我之前测的感觉速度差不多一样吧?有不对可以更正我。
            https://lcz.me/topic/1168

            xiongjie gaoX
            xiongjie gaoX
            xiongjie gao
            王侯将相
            编写于 最后由 编辑
            #30

            @Ang-Lee 仔细看了,这个单卡跑H3数据 跟我这边可以相互印证。

            https://github.com/shawn86574-prog/x99-7900xtx-p2p
            https://github.com/shawn86574-prog/kuzuryusen

            1 条回复 最后回复
            0
            • 天知道天 天知道

              补一个涡轮卡测试:

              我是蓝宝石的涡轮卡(不是常见的零售三风扇版)。照着自己的机器做了三组对照,把能抄的和抄不了的都写一下。

              一、先说我这张卡:蓝宝石涡轮版

              • 品牌型号:蓝宝石 7900 XTX 涡轮版
              • 功耗上限默认 257 W(可调范围 231~350 W)
              • 一般零售 7900 XTX 是 339~355 W、boost 约 2500 MHz(说明一下:楼主和下面复测的朋友用的具体型号帖子里没写,这里只是按零售版推测,没有核实)
              • 实测:257 W 时约 2200 MHz;提到 350 W 后在 2200~2480 MHz 之间来回跳

              所以楼主的 TP2 那部分(1 MP 时 2.30×)单卡抄不了;能抄的是环境自查和注意力那一段。

              二、DynamicVRAM 在我这儿开不了

              按帖子参数试的:--enable-dynamic-vram --use-ck-attention --mmap-torch-files。

              aimdo 本身能起来(comfy-aimdo 0.6.0,识别到 24560 MB),但第一个 VAE 编码触发的部分卸载就崩:

              aimdo: model-vbar.c:269 ERROR: Could not reserve Virtual Address space for VBAR
              MemoryError: VBAR allocation failed
              

              10 秒结束,一步都没跑。系统限制我都排除了:vm.overcommit_memory=0、vm.max_map_count=1048576、服务 LimitAS/DATA=infinity,都正常。差别在版本:我用的是 ROCm 7.2.0(发行版包),楼主环境是 7.2.26015(更新的构建)。结论就是 VBAR 这套虚拟地址预留机制在我这个构建上用不了,要开 DV 得升级 ROCm 且 torch 同源,风险太大,暂时不开。

              三、试着提功耗:只有 6%,撞的是温度墙

              同一配置:832×480 / 362 帧 / 4 步 / res_multistep,int8 20.9 GB + nvfp4 编码器 + kitchen attention,无分块。

              功耗上限 s/it 采样 端到端 峰值显存
              257 W(默认) 65.14 4:20 390.4 s 23.96 GiB
              350 W 61.06 4:04 380.5 s 23.93 GiB

              只快了 6.3%。350 W 那轮的温度:edge 79 °C、junction(热点)104 °C、显存 84 °C,而 junction 限值是 110 °C。

              关键在功耗数字:平均只有 243 W,离 350 W 上限还差 30%。所以不是撞功耗墙,是撞温度墙——热点到 104 °C 后 SMU 自己压频,功耗自然上不去。结论:不固化 350 W,已还原 257 W。为 6% 常年 95~104 °C 不值得。

              四、单卡校准:确实慢,但不是降级路径

              和帖子里 @6cccccc 的单卡复测对照:

              • 832×480 / 362 帧 / 4 步:我 65.14 s/it,他 50.58,慢 29%
              • 1 MP / 362 帧 / 4 步:我 310 s/步,他 245.67,慢 26%

              两档差距一致,说明我不是踩到了降级路径(真降级是 259 s/it 那种量级),而是硬件/配置整体差一截;顺带也验证了 kitchen attention 在我这儿是通的。差距里有一部分大概率的来源是卡:涡轮版的功耗和频率上限都比零售版低,但对方到底是哪张卡我并不确定,只能说是推测。

              当前极限:0.4 MP / 362 帧 = 65 s/it;1 MP / 362 帧 = 310 s/步。

              后面还没试的方向:undervolt(同频降温,也许能让 350 W 站得住)、ROCm 升级后开 DV、以及算法层的 3 步 LoRA / 时间维切段 / 降分辨率。暂时到这儿,有新招再来更新。

              xiongjie gaoX
              xiongjie gaoX
              xiongjie gao
              王侯将相
              编写于 最后由 编辑
              #31

              @天知道 说:

              10 秒结束,一步都没跑。系统限制我都排除了:vm.overcommit_memory=0、vm.max_map_count=1048576、服务 LimitAS/DATA=infinity,都正常。差别在版本:我用的是 ROCm 7.2.0(发行版包),楼主环境是 7.2.26015(更新的构建)。结论就是 VBAR 这套虚拟地址预留机制在我这个构建上用不了,要开 DV 得升级 ROCm 且 torch 同源,风险太大,暂时不开。

              这套底层栈我在布置中花了不少时间,感觉挺值的。
              但兄弟你这优先要解决的还是你的结温过高的问题😂 问问坛子里兄弟们有没有你一样的问题吧。如果涡轮卡都这个体质就只能认命。如果只是你,就走个人送保吧

              https://github.com/shawn86574-prog/x99-7900xtx-p2p
              https://github.com/shawn86574-prog/kuzuryusen

              1 条回复 最后回复
              0
              • K koala

                测试过程相当详细,如果楼主方便的时候把生成出来的视频也粘贴一下,看看实际效果。
                怎么说呢,数值是有绝对提升的,但是视频这个东西,最后是要看动画效果的,能动的不一定能用。
                比如一条龙环绕人体,或者空中高速移动的时候,加速到这种程度还能正常观赏,那就是比较实用的。

                xiongjie gaoX
                xiongjie gaoX
                xiongjie gao
                王侯将相
                编写于 最后由 编辑
                #32

                @koala 好,以前测试如果有必须的配上。
                很多时候是为了测试,没有具体指定生成内容。我也看过测试后交付的产物,感觉没啥必须PO出来😁

                https://github.com/shawn86574-prog/x99-7900xtx-p2p
                https://github.com/shawn86574-prog/kuzuryusen

                1 条回复 最后回复
                0
                • J IJ J I

                  @terry 画质我对比过,同样模型和设置下,A 卡和 N 卡出片效果看起来一样。

                  我之前测的是自己短片里的几个片段。双 7900 XTX TP2 测了 768p 8 秒,没测 768p 15 秒;不过也测了 1080p 8 秒。1080p 分辨率更高,8 秒的计算和显存压力跟 768p 15 秒已经比较接近,甚至可能更大。

                  在我自己的工作流和 Vast.ai 租卡测试里,N 卡跟双 7900 TP2 的实际差距没有 2867 帖子里 5080 看起来那么大,大约最多两倍不到(而且我的双卡7900xtx限制了频率在2300,功耗最多也就跑220w)。我猜可能跟我的流程一直用了 Sol-Attn 稀疏注意力有关

                  所以纯做 H3 视频,我目前更倾向 N 卡,比较省心。差距可能跟算子、驱动和 ComfyUI 生态都有关系,希望后面有社区大佬用ai帮忙优化一下 AMD 😄

                  不过双 7900 也有自己的玩法:一张跑 Strata,另一张可以打游戏(这卡单卡游戏光栅性跟5080一样,价格只有一半?)、出图或者低分辨率跑 H3。我最后买了张 5070 Ti 专门跑 H3,双 7900 留给 Strata rdna3 tp。

                  相关参赛贴: https://lcz.me/topic/3047

                  xiongjie gaoX
                  xiongjie gaoX
                  xiongjie gao
                  王侯将相
                  编写于 最后由 编辑
                  #33

                  @J-I 这个是极好的解法。我尝试了很多方案,最终也是奔着这个方向去的

                  https://github.com/shawn86574-prog/x99-7900xtx-p2p
                  https://github.com/shawn86574-prog/kuzuryusen

                  1 条回复 最后回复
                  0
                  • Leon YL Leon Y

                    双 3090 + --use-ck-attention:单变量 A/B,端到端 1.95×

                    平台:2× RTX 3090 24 GB(Ampere sm_86),NVLink 4(实测 P2P 49 GB/s),Ryzen 9 5950X,60 GB DDR4,Ubuntu 26.04 / CUDA 13.1 / torch 2.14.1+cu130

                    工作流:MiniMax-H3 int8,576×1024,362 帧(15 s @ 24fps),8 步 + 8 步 turbo LoRA,res_multistep / simple,BasicGuider(无 CFG)

                    A/B(同机同工作流,唯一变量是这个 flag):

                    启动参数 日志里的后端 端到端
                    main.py --port 8189 --listen 0.0.0.0 Using pytorch attention 891 s
                    ... --use-ck-attention Using Comfy Kitchen attention 457 s
                    1.95×
                    补充观察:

                    ① 先做注意力微基准,比"能不能出片"可靠

                    python

                    4096 token,SDPA×20 取均值

                    正常: 2.7 ms/次 ← 健康
                    异常: 数百 ms ← 静默降级
                    这条来自你 F2 的思路,我照做了,确认没走兜底路径之后才去测端到端。

                    ② 你的 F1 在 CUDA 上有等价陷阱:我用 torch 2.14.1+cu130 对系统 CUDA 13.1,同源。minor 版本错配同样会让内核失效且不报错。

                    ③ --disable-pinned-memory 是我这边的必要设置:两个实例各驻留 23 GB 模型,60 GB RAM 放不下锁页缓冲区。代价是模型加载慢 1.5-3 倍,但只在加载阶段,采样不受影响。

                    ④ 我现在是"双实例并行"而不是 TP2:两条片同时出,各自占一张卡。NVLink 插着但单实例 ComfyUI 用不到 —— 我试过 Comfy-H3-MultiStream(装得上、零依赖、六个节点正常),它的价值在"能原生跑 720×1280 而不是生成后放大",不在"更快",所以我暂时撤了。

                    ⑤ 感谢那 12 条失败档案 —— F8(同 seed 命中节点缓存造出假的 7.1 s)和 F2 直接帮我省了时间。

                    xiongjie gaoX
                    xiongjie gaoX
                    xiongjie gao
                    王侯将相
                    编写于 最后由 编辑
                    #34

                    @Leon-Y N卡应该有更好的解法。比如原生的aimdo

                    https://github.com/shawn86574-prog/x99-7900xtx-p2p
                    https://github.com/shawn86574-prog/kuzuryusen

                    Leon YL 1 条回复 最后回复
                    0
                    • xiongjie gaoX xiongjie gao

                      @Leon-Y N卡应该有更好的解法。比如原生的aimdo

                      Leon YL
                      Leon YL
                      Leon Y
                      体面乡绅 硕果累累
                      编写于 最后由 编辑
                      #35

                      @xiongjie-gao 说:

                      aimdo

                      aimdo帮不了提速,只能跑大一点的模型

                      xiongjie gaoX 1 条回复 最后回复
                      0
                      • Leon YL Leon Y

                        @xiongjie-gao 说:

                        aimdo

                        aimdo帮不了提速,只能跑大一点的模型

                        xiongjie gaoX
                        xiongjie gaoX
                        xiongjie gao
                        王侯将相
                        编写于 最后由 xiongjie gao 编辑
                        #36

                        @Leon-Y Aimdo是保证高显存占用下不OOM的策略😊
                        N卡用户天然就有的用,A卡用户得手搓代码绕着走

                        https://github.com/shawn86574-prog/x99-7900xtx-p2p
                        https://github.com/shawn86574-prog/kuzuryusen

                        1 条回复 最后回复
                        0
                        • terryT terry

                          高雄杰和库克给粉丝发N卡.jpeg
                          高雄杰和苏姿丰给粉丝发A卡.jpeg

                          杰杰拿下库克和Lisa-Su

                          我对世界充满了轻蔑,我懂显卡,我也懂那些创造显卡的人.......
                          这些人支配了AI,但我支配了他们!
                          收下这些显卡,因为在我心中,它们一文不值!
                          --雄杰-高

                          kos orK
                          kos orK
                          kos or
                          至尊皇帝
                          编写于 最后由 编辑
                          #37

                          @terry said:

                          杰杰拿下库克和Lisa-Su

                          照片一放大 帥氣許多 😁

                          terryT 1 条回复 最后回复
                          0
                          • kos orK kos or

                            @terry said:

                            杰杰拿下库克和Lisa-Su

                            照片一放大 帥氣許多 😁

                            terryT
                            terryT
                            terry
                            易有太极
                            编写于 最后由 编辑
                            #38

                            @kos-or 其实有些失真,我弟帅的是阳刚之气。对世俗的不屑一顾。

                            油管:https://www.youtube.com/@抡锤者

                            kos orK 1 条回复 最后回复
                            1
                            • ericyancwE
                              ericyancwE
                              ericyancw
                              编写于 最后由 ericyancw 编辑
                              #39

                              单卡 R9700 32G 跑 MiniMax-H3优化效果:每步从 353 秒到 114 秒

                              近期一直在搞R9700的Comfyui,搞得有点崩溃,我之前1344×768像素下,测出来的效果一直是每步 353 秒左右,做视频很痛苦。跟着大佬的帖子,让Agent梳理了下,目前提升到114秒

                              环境

                              项 对齐前 对齐后
                              GPU AMD Radeon AI PRO R9700 32 GB(gfx1201) 同左(未变)
                              系统 ROCm 7.2.53211 7.2.53211(未变)
                              venv 里的 torch 2.10.0+rocm7.0 2.11.0+rocm7.2
                              torch.version.hip 7.0.51831 7.2.26015
                              torchvision 0.25.0+rocm7.0 0.26.0+rocm7.2
                              torchaudio 2.10.0+rocm7.0 2.11.0+rocm7.2
                              ComfyUI 0.41.0 0.41.0(未变)
                              comfy_kitchen 0.2.38 0.2.38(未变)
                              权重 主模型 ref2va_pruned-w4a8 12 GB + 编码器 qwen3vl_32b-int4 13.5 GB + VAE 5 GB ≈ 31 GB 同左(未变)
                              出图规格 1344×768(1.03 MP)/ 294 帧 @ 24 fps = 12.25 秒 / 参考图 6 张(ref2v) 同左(未变)
                              启动参数 无额外开关 --use-ck-attention --disable-smart-memory

                              对齐前 torch 与系统 ROCm 分属 7.0 与 7.2(同大版本、次版本不同);对齐后两端均为 7.2。

                              之前的问题:

                              1. comfy_kitchen 0.2.38 其实早就装好了。 int8_attention_is_available() 在 R9700 上返回 True,HIP 后端也注册成功(backend hip: {'available': True, 'disabled': False})。
                              2. 但 ComfyUI 一直没带 --use-ck-attention 启动,所以跑的一直是兜底路径。日志原话:[INFO] Using pytorch attention。
                              3. 每步 353 秒就是这个兜底路径下的数字。作为参照,社区在 832×480 / 362 帧 / 8 步上测到 sub_quad 259 秒/步、CK 50.1 秒/步(外部数据,仅作量级参考)——353 秒与 sub_quad 那一档处于同一量级,而不是 CK 档。

                              加上开关后日志变成:

                              [INFO] Found comfy_kitchen backend hip: {'available': True, 'disabled': False, ...}
                              [INFO] Using Comfy Kitchen attention
                              [INFO] comfy-kitchen version: 0.2.38
                              

                              数据表

                              # 环境 torch / 系统 ROCm 启动参数 注意力后端(日志原文) 步数 每步 采样 端到端
                              1 之前 2.10.0+rocm7.0(HIP 7.0.51831)/ 7.2.53211 无额外开关 Using pytorch attention 8 ≈353 秒 未跑完 —
                              2 现在 同上,未变 --use-ck-attention --disable-smart-memory Using Comfy Kitchen attention 4 114.35 秒 7 分 37 秒 13 分 56 秒
                              3 现在 同上,未变 同上 同上 8 114.33 秒 15 分 14 秒 21 分 16 秒
                              4 对齐后 2.11.0+rocm7.2(HIP 7.2.26015)/ 7.2.53211 同上 同上 4 114.37 秒 7 分 37 秒 未留存
                              5 对齐后 同上 去掉 --use-ck-attention,仅 --disable-smart-memory Using pytorch attention 4 352.31 秒 23 分 29 秒 29 分 45 秒

                              五行同为 1344×768、294 帧、同一套 int4 权重,差别只在启动开关与 torch 版本。第 2、4 行用 4 步 LoRA,第 3 行用 8 步 LoRA;每步 114.35 / 114.33 / 114.37,说明单步成本与步数、LoRA 档位都无关,也与 torch 版本无关。

                              第 5 行是本轮补的关键对照:同一套 int4 权重、同一环境,只把 --use-ck-attention 去掉,每步从 114.37 秒回到 352.31 秒(3.08×)。这说明 3 倍差距完全由这一个开关造成,与其他变量无关。

                              三条同口径结论:

                              • 单步成本与步数、LoRA 档位无关:114.35 / 114.33 / 114.37。
                              • 单步成本与 torch 小版本无关:114.35(rocm7.0)对 114.37(rocm7.2)。
                              • 单步成本与权重精度档无关:353(fp8 组)对 352.31(int4 组),同一 SDPA 路径。

                              横向对照:同分辨率、同后端,单卡 vs 双卡

                              社区帖(RX 7900 XTX ×2,RDNA3,ROCm 7.2)与本机同分辨率实测并列。社区数据为其帖子表格原文,仅作量级对照;其序列为 362 帧,比本机 294 帧多 23%。

                              机器 显卡 卡数 分辨率 / 帧 注意力后端 每步
                              本机 R9700 32G(RDNA4) 1 1344×768 / 294 CK 114.37 秒
                              社区 7900 XTX 24G(RDNA3) 2(TP2) 1344×768 / 362 CK 112.3 秒
                              社区 7900 XTX 24G(RDNA3) 1 1344×768 / 362 CK 257.9 秒
                              本机 R9700 32G 1 1344×768 / 294 通用 SDPA 352.4 秒
                              社区 7900 XTX 24G 1 1344×768 / 362 sub_quad 兜底 OOM

                              两点可直接引用:

                              1. 一张 R9700 ≈ 两张 7900 XTX 的 TP2(114.37 对 112.3)。对方是两张卡张量并行,本机是一张卡。
                              2. 同分辨率单卡对比:114.37 对 257.9,快 2.25×。 扣掉帧数差(294 对 362,少 19%)折算后仍快约 1.8×。

                              低分辨率参照(社区,832×480 / 362 帧):sub_quad 兜底 259 秒、CK 单卡 53.7 秒、CK TP2 31.9 秒。该档像素仅 0.4 MP,约为本机 1.03 MP 的四成,不能与本机数字直接相比。

                              对齐 torch 与系统 ROCm 之后:大版本内的对齐,收益基本没有

                              先界定这次对齐的性质:venv 里 torch.version.hip 从 7.0.51831 变成 7.2.26015,系统是 7.2.53211,两端始终在 ROCm 7.x 这同一个大版本内,只差次版本。属于「大版本内对齐」——ROCm 同大版本保持 ABI 兼容,内核本来就能正常加载,可修的东西几乎没有。

                              对齐类型 典型例子 预期收益 实测
                              大版本内(本次) torch 7.0.51831 → 7.2.26015,系统 ROCm 7.2 接近 0,只消除隐患 114.35 → 114.37,+0.02%
                              跨大版本 torch +rocm10.1.0 链系统 ROCm 7.2(社区) 高,属修复静默降级 4.8×(259 → 53.7)
                              1 条回复 最后回复
                              3
                              • xiongjie gaoX
                                xiongjie gaoX
                                xiongjie gao
                                王侯将相
                                编写于 最后由 编辑
                                #40

                                @ericyancw 说:

                                单卡 R9700 32G 跑 MiniMax-H3优化效果:每步从 353 秒到 114 秒 近期一直在搞R9700的Comfyui,搞得有点崩溃,我之前1344×768像素下,测出来的效果一直是每步 353 秒左右,做视频很痛苦。跟着大佬的帖子,让Agent梳理了下,目前提升到114秒 环境 项 对齐前 对齐后 GPU AMD Radeon AI PRO R9700 32 GB(gfx1201…

                                啊,原来你之前也是没有做过ck attention这块的优化,那就属于直接捞了个最大的优化权重。ദ്ദി˶•̀֊•́)✧

                                https://github.com/shawn86574-prog/x99-7900xtx-p2p
                                https://github.com/shawn86574-prog/kuzuryusen

                                ericyancwE 1 条回复 最后回复
                                0
                                • xiongjie gaoX xiongjie gao

                                  @ericyancw 说:

                                  单卡 R9700 32G 跑 MiniMax-H3优化效果:每步从 353 秒到 114 秒 近期一直在搞R9700的Comfyui,搞得有点崩溃,我之前1344×768像素下,测出来的效果一直是每步 353 秒左右,做视频很痛苦。跟着大佬的帖子,让Agent梳理了下,目前提升到114秒 环境 项 对齐前 对齐后 GPU AMD Radeon AI PRO R9700 32 GB(gfx1201…

                                  啊,原来你之前也是没有做过ck attention这块的优化,那就属于直接捞了个最大的优化权重。ദ്ദി˶•̀֊•́)✧

                                  ericyancwE
                                  ericyancwE
                                  ericyancw
                                  编写于 最后由 编辑
                                  #41

                                  @xiongjie-gao 说:

                                  啊,原来你之前也是没有做过ck attention这块的优化,那就属于直接捞了个最大的优化权重。ദ്ദി˶•̀֊•́)

                                  是的,感谢大佬!
                                  之前一直没发现这个问题,当时就是感觉能跑 但一步要跑几分钟,所以头大。

                                  xiongjie gaoX 1 条回复 最后回复
                                  0
                                  • ericyancwE ericyancw

                                    @xiongjie-gao 说:

                                    啊,原来你之前也是没有做过ck attention这块的优化,那就属于直接捞了个最大的优化权重。ദ്ദി˶•̀֊•́)

                                    是的,感谢大佬!
                                    之前一直没发现这个问题,当时就是感觉能跑 但一步要跑几分钟,所以头大。

                                    xiongjie gaoX
                                    xiongjie gaoX
                                    xiongjie gao
                                    王侯将相
                                    编写于 最后由 编辑
                                    #42

                                    @ericyancw
                                    image.jpeg

                                    净捞干的,还是个大的,哈哈哈哈恭喜恭喜

                                    https://github.com/shawn86574-prog/x99-7900xtx-p2p
                                    https://github.com/shawn86574-prog/kuzuryusen

                                    terryT 1 条回复 最后回复
                                    1
                                    • terryT terry

                                      @kos-or 其实有些失真,我弟帅的是阳刚之气。对世俗的不屑一顾。

                                      kos orK
                                      kos orK
                                      kos or
                                      至尊皇帝
                                      编写于 最后由 编辑
                                      #43

                                      @terry said:

                                      其实有些失真,我弟帅的是阳刚之气

                                      杰杰他都這麼帥了 還失真喔 😵
                                      地球上又帥又會玩7900 XTX 24G的人可是鳳毛麟角
                                      但都集中在我們的論壇上 😁

                                      1 条回复 最后回复
                                      0
                                      • xiongjie gaoX
                                        xiongjie gaoX
                                        xiongjie gao
                                        王侯将相
                                        编写于 最后由 xiongjie gao 编辑
                                        #44

                                        @kos or 说:
                                        杰杰他都這麼帥了 還失真喔 地球上又帥又會玩7900 XTX 24G的人可是鳳毛麟角 但都集中在我們的論壇上

                                        😂莫嫖我了老哥

                                        https://github.com/shawn86574-prog/x99-7900xtx-p2p
                                        https://github.com/shawn86574-prog/kuzuryusen

                                        1 条回复 最后回复
                                        1
                                        • xiongjie gaoX xiongjie gao

                                          @ericyancw
                                          image.jpeg

                                          净捞干的,还是个大的,哈哈哈哈恭喜恭喜

                                          terryT
                                          terryT
                                          terry
                                          易有太极
                                          编写于 最后由 编辑
                                          #45

                                          @xiongjie-gao 我弟你怎么和我的爱好如此重叠。这片子我可老爱看了,特别是徐爷的人生轨迹,为国拼杀,结果牢底坐穿。他给文三买了一辆车,尽显重情重义。文三去下馆子,后来石头片子蘸醋下酒,也是名场面。这个片段是白爷捞自助的段子吧。

                                          油管:https://www.youtube.com/@抡锤者

                                          1 条回复 最后回复
                                          0

                                          你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                                          厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                                          有了你的建议,这篇帖子会更精彩哦 💗

                                          注册 登录
                                          回复
                                          • 在新帖中回复
                                          登录后回复
                                          • 从旧到新
                                          • 从新到旧
                                          • 最多赞同


                                          • 登录

                                          • 登录或注册以进行搜索。
                                          • 第一个帖子
                                            最后一个帖子
                                          0
                                          • 版块
                                          • 最新
                                          • 标签
                                          • 热门
                                          • 用户
                                          • 群组