如果你的显卡只有 4GB 或 6GB 显存，Wan-Dancer 默认启动时经常在模型加载阶段就报 CUDA out of memory。这里给出的处理顺序是：先跑一次默认配置并记录显存峰值，再依次开启半精度、内存切片和高效注意力后端，每一步都用 nvidia-smi 确认显存变化，最后用最短片段做完整的验证。整套操作不改变输入和输出约定，但半精度和高效注意力对老显卡有兼容性要求，需要逐项确认。

适用场景：6GB 以下显存、默认启动报显存不足的显卡。操作动作：先记录默认显存，再依次开启半精度、内存切片，最后尝试切换高效注意力后端，每步用 nvidia-smi 验证。验证方式：显存峰值下降、无 CUDA 报错、短片段输出可正常播放。风险边界：部分开关依赖驱动和计算能力，不兼容时需回退，图片/视频质量可能因半精度出现细微变化。

记录默认配置下的显存峰值与运行状态

不要先动任何参数，用你平时使用的默认启动命令跑一次。目的是建立基准，判断后续优化是否有效。启动前先查空闲显存：

nvidia-smi `--query-gpu`=memory.used,memory.total `--format`=csv

启动 Wan-Dancer 后，在另一个终端持续监控显存：

watch -n 1 nvidia-smi

记录模型加载后的显存占用，再记录一段推理过程中的显存峰值。同时记录默认启动参数和是否报错。如果模型连加载都过不去，先确认是显存不足还是其他错误。以下的表格建议直接留空，每做一步优化就填一行：

这里的“填写”是让你记录自己机器上的真实数值，不要照抄任何网上的数字。

开启半精度与内存切片选项

半精度把模型权重从 FP32 转为 FP16，通常能直接降低权重占用的显存；内存切片把一次计算拆成多个小段，降低激活值峰值。两者可以同时开，但建议先单独开半精度并记录显存，再叠加内存切片。

在启动命令中加入以下通用参数（不同实现可能写作 `--fp16`、`--half` 或 `--precision` 16）：

python run.py `--fp16`

如果启动日志中出现类似 Half precision enabled 或 FP16 相关提示，说明半精度生效。再叠加内存切片参数：

python run.py `--fp16` `--enable-memory-slicing`

部分实现用 `--slice-vram` 或 `--max-batch` 限制单次计算量。确认内存切片生效的方法是观察日志中是否有 Memory slicing enabled，并对比同一段短素材在开启前后的显存峰值变化。注意半精度可能带来数值噪声，如果输出出现大面积黑块或颜色异常，说明模型对低精度不友好，需要回退到 FP32。

尝试关闭注意力层的冗余计算

注意力层是中间激活最占显存的部分。关闭冗余计算通常指切换到 FlashAttention 或 xFormers 这类高效后端。先尝试设置环境变量：

export ATTENTION_BACKEND=flash_attn<br>python run.py `--fp16` `--enable-memory-slicing`

很多实现也支持 `--attention-backend` flash_attn 这类参数。启用后会看到日志中出现 Using FlashAttention 或类似后端名。常见报错有两种：一是提示找不到模块，比如 ImportError: No module named 'flash_attn'，说明没有安装对应后端；二是提示 CUDA 计算能力不足，比如设备 kernel 镜像不可用，说明当前显卡架构不被支持。遇到这两种情况，先关闭该开关，回退到默认注意力实现。

检查当前驱动与计算后端兼容性

半精度和 FlashAttention 都依赖驱动和 PyTorch 的 CUDA 版本。先查看驱动支持上限：

nvidia-smi

其中 Driver Version 和 CUDA Version 表示当前驱动能支持的最大 CUDA 版本。再用 PyTorch 确认实际可用性：

python -c "import torch; print(torch.cuda.is_available()); print(torch.zeros(1).cuda())"

如果输出 False 或运行报错，说明 PyTorch 没有正确使用 GPU。再看显卡计算能力：

python -c "import torch; print(torch.cuda.get_device_capability(0))"

比如 (7,5) 对应 10 系显卡，(8,0) 对应 30 系显卡。FlashAttention 通常要求较新的架构，老卡需要换成 xFormers 或默认后端。不兼容的典型报错包括 CUDA error: no kernel image is available for execution on the device，以及 RuntimeError: Found no NVIDIA driver on your system。遇到这些错误，先更新驱动、重装与驱动匹配的 PyTorch，再决定是否保留优化项。

组合优化项后运行一次短片段验证

确认每一项都能单独跑通后，组合起来做最后验证。不要一上来跑长片段，先用最短时长（例如 2 秒或最小帧数）试一次：

export ATTENTION_BACKEND=flash_attn<br>python run.py `--fp16` `--enable-memory-slicing` `--attention-backend` flash_attn `--duration` 2

如果显卡不支持 FlashAttention，就把它从命令中去掉。推理完成后，用 ffprobe 检查输出文件的时长和大小：

ffprobe -v error -show_entries format=duration,size -of default=noprint_wrappers=1 output.mp4

确认时长非零且文件大小合理，再用播放器打开看是否花屏、黑帧或声音不同步。如果中途又爆显存，把命令里的参数逐项删掉，找出是哪一项导致显存回升。优化是为了让显存不足的机器能跑完，而不是提高画质，所以只要结果和基准确认一致，就算成功。