细节拆解：5070TI+Stable Diffusion sm_120 报错处理步骤

检查CUDA和cuDNN版本兼容性

确保安装的CUDA版本与NVIDIA GeForce 5070TI显卡驱动兼容，同时cuDNN版本需与CUDA匹配。Stable Diffusion通常要求CUDA 11.x或更高版本，而sm_120报错可能源于架构不匹配。

更新显卡驱动至最新版本

前往NVIDIA官网下载并安装适配GeForce 5070TI的最新驱动。旧版驱动可能无法正确支持计算能力（Compute Capability）要求，导致sm_120（对应计算能力5.0）报错。

修改Stable Diffusion启动参数

在启动命令中显式指定计算能力。例如，若5070TI实际支持sm_86（计算能力8.6），可通过以下参数强制使用：

export TORCH_CUDA_ARCH_LIST="8.6"
python launch.py --precision full --no-half

验证PyTorch与CUDA的兼容性

运行以下命令检查PyTorch是否能正确识别CUDA和显卡：

import torch
print(torch.cuda.is_available())
print(torch.cuda.get_device_capability())

若输出显示计算能力低于5.0，需升级PyTorch或重新配置环境。

重新编译依赖项

若报错涉及第三方库（如xFormers），尝试卸载后从源码编译安装：

pip uninstall xformers
pip install -v -U git+https://github.com/facebookresearch/xformers.git@main#egg=xformers

使用Docker容器部署

考虑使用预配置的Stable Diffusion Docker镜像（如lstein/stable-diffusion），避免本地环境依赖冲突。确保Docker运行时启用NVIDIA GPU支持：

docker run --gpus all -it lstein/stable-diffusion

检查硬件架构支持

5070TI可能采用图灵或安培架构，需确认是否支持sm_120。若架构不匹配，需修改代码或依赖库中的计算能力配置，或更换适配的软件版本。

临时解决方案：禁用硬件加速

若问题持续，可暂时禁用GPU加速（仅限测试）：

python launch.py --skip-torch-cuda-test --no-half

此方法会显著降低性能，仅用于验证问题是否由GPU引起。

---

以上步骤需按实际环境调整，重点关注显卡计算能力与软件要求的匹配性。若仍无法解决，建议查阅Stable Diffusion社区或NVIDIA开发者论坛获取针对性的架构支持方案。