检查显卡驱动版本

确保NVIDIA显卡驱动版本为最新或兼容版本。访问NVIDIA官网下载适用于5070TI的最新驱动，安装后重启系统。

验证CUDA工具包版本

SD（Stable Diffusion）通常需要特定版本的CUDA支持。运行以下命令检查已安装的CUDA版本：

nvcc --version

若未安装或版本不匹配（如SD需要CUDA 11.x但安装了12.x），需卸载当前版本并从NVIDIA CUDA存档下载兼容版本（如11.8）。

修改SD启动参数

在启动SD的WebUI时，添加--skip-torch-cuda-test参数跳过CUDA兼容性检查：

python launch.py --skip-torch-cuda-test

或直接修改webui-user.bat（Windows）或webui.sh（Linux），在命令末尾追加该参数。

强制指定计算能力（sm_120）

编辑SD目录下的webui.py或相关配置文件，显式指定计算能力为sm_86（5070TI的实际计算能力，而非sm_120）。查找以下代码段并修改：

os.environ["TORCH_CUDA_ARCH_LIST"] = "8.6"

重新安装PyTorch与依赖

若问题依旧，尝试重新安装PyTorch并指定CUDA版本。例如，对于CUDA 11.8：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

随后清理SD的依赖并重新安装：

pip uninstall -y torch torchvision torchaudio
pip install -r requirements.txt

检查硬件兼容性

确认5070TI的实际计算能力（通过nvidia-smi -q或NVIDIA官方文档）。若SD代码中硬编码了不支持的架构（如sm_120），需联系开发者或手动修改源码中的架构限制。

使用替代启动脚本

部分社区修复方案提供了补丁脚本。例如，从GitHub下载针对5xxx系列显卡的SD启动补丁，替换原始文件后重新运行。

调试日志分析

启用详细日志输出以定位具体错误：

python launch.py --debug

检查日志中与CUDA相关的错误（如"Unsupported GPU Architecture"），根据提示调整配置或依赖版本。

---

注：5070TI的实际计算能力为sm_86，若代码中强制要求sm_120需修改为兼容值。以上步骤需按顺序尝试，多数问题由驱动/CUDA版本不匹配导致。