[Bug]: –gpu-device-id has no effect when used with –directml on an AMD GPU
![[Bug]: --gpu-device-id has no effect when used with --directml on an AMD GPU](https://www.chat-gpts.plus/wp-content/uploads/2026/09/4024-b3734cdf-768x403.jpg)
在 AMD 显卡上使用 --directml 时, --gpu-device-id 不会切换 DirectML 设备,Fooocus 仍可能继续使用核显或 0 号设备。优先检查你是否把设备号写在了 --directml 后面,而不是依赖 --gpu-device-id 。
![[Bug]: --gpu-device-id has no effect when used with --directml on an AMD GPU](https://www.chat-gpts.plus/wp-content/uploads/2026/09/4024-b3734cdf-768x403.jpg)
在 AMD 显卡上使用 --directml 时, --gpu-device-id 不会切换 DirectML 设备,Fooocus 仍可能继续使用核显或 0 号设备。优先检查你是否把设备号写在了 --directml 后面,而不是依赖 --gpu-device-id 。

Fooocus 在启动或出图时被观察到占用 CPU 而非 GPU,通常意味着安装目录里实际装的是 CPU 版 Torch,或者 CUDA 版 Torch 没被正确安装。优先确认 Torch 是否为 cu121 构建版本。

这个报错通常出现在 Ubuntu + ROCm 环境下、机器装有 2 张及以上 AMD GPU 时,llama-server 加载任意模型都会直接崩溃。优先排查多 GPU 环境与当前 llama.cpp 构建是否匹配(重新构建后是否仍能识别全部设备、是否有 I2C/EEPROM 读取失败)。

该报错出现在 llama-server 的 Browser UI 中,当你让模型生成 SVG 图片时,预览显示不完整(缺失部分元素);但复制或下载同一张图后内容是完整的。这不是模型生成能力的问题,而是 UI 渲染/复制环节输出差异导致的。

这个报错通常出现在 Linux CUDA 环境下运行 llama.cpp 的 test-backend-ops 测试套件时,由 ADD_ADD 融合算子的 f16/f16 用例触发。它并非 CUDA kernel 本身算错,而是 fused ADD 保留 FP32 中间结果、CPU 每次 ADD 都

这个报错通常出现在 Dify 1.17.0 自托管环境下,知识库数据集 `hit-testing` 接口在 embedding、Qdrant 检索、rerank 都很快的情况下,整条请求仍频繁超过 1 秒。优先排查 retrieval 路径上被重复执行的 provider 配置解析与 model 构

这个 Issue 的问题在用户补充说明后已标记为 Resolved,原始报错信息并未在 Issue 中给出。讨论集中在两点:一是提交 bug report 时必须附上 WebUI 生成的 sysinfo 文件,否则报告会被直接关闭;二是 Extra networks(如 Textual Invers

在使用 langchain-openai 的 Responses API 流式输出( use_responses_api=True 且 llm.stream(...) )时,若服务端返回 response.failed 或 error 事件,转换器会把这些终止事件直接丢弃,调用方拿到的结果和“成功完

这个报错是 LangChain 在 Windows 上运行 MCPAdapter 单元测试时触发的测试断言失败,不是实际的 URL 校验逻辑出错。优先排查点只有一处:测试用例是否硬绑定了 POSIX 下的 Pydantic 报错文案 "not a valid URL"。

这个报错来自一个 Feature request:把 Transformers 中所有模型 Config 类统一迁移为 dataclass,通常出现在你升级到包含该改动的版本后,自定义 Config 子类或老式 __init__ 写法与新基类不兼容的场景;优先排查自定义 Config 是否仍按旧的