日期：2026年 06月 20日

標籤： Linux Ubuntu Docker Docker-Compose Container Stable Diffusion ComfyUI WSL 2

摘要：C# 學習筆記

第一部分：本地化運行 WAN 2.1

Step 1：Wan2.1 介紹

Wan 2.1 有以下介紹，是 AI影片生成模型

Wan 2.1 系列包含了四種模型，參數量從 13 億到 140 億不等

基本上 WAN 2.1 AI生成影片，有較多的社群資源與使用者，相關異常都能很快速地找出，並且也仍在持續更新，2026/6/7 已經到 WAN 2.2

Step 2：Wan2.1 功能總覽

Wan 2.1 的AI模型並且以擴展出以下的應用，若有相關的需求可以進一步導入

Step 3：Wan 優點、缺點

Wan 2.1 的AI模型並且以擴展出以下的應用，若有相關的需求可以進一步導入

簡言之，很適合用來進行AI生成影片

Step 4：導入模型

目前有現成主流的模板，很適合直接快速上手，如下開啟 ComfyUI 後依序選擇

Step 5：導入模型 - 下載對應模型

首次使用會需要到 Huggie Face 下載 AI 模型然後放到對應的 WSL 的 ComfyUI 目錄下


以下是對應的模型安裝的存放位置

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 text_encoders/
│   │      └── umt5_xxl_fp8_e4m3fn_scaled.safetensors
│   ├── 📂 clip_vision/
│   │      └── clip_vision_h.safetensors
│   ├── 📂 diffusion_models/
│   │      └── wan2.1_i2v_480p_14B_fp16.safetensors
│   └── 📂 vae/
│          └── wan_2.1_vae.safetensors

Step 6：導入模型 - 參數說明

以下是參數說明，為了可以順利運行，有三個地方需要手動參數調整

Step 7：導入模型 - 執行生成

參數設定好後，執行運行。


在執行的過程中 ComfyUI 的 Container Log 如果出現 Pin Error 是正常的

Step 8：導入模型 - 執行生成 - 說明 Pin Error

為何持續出現 Pin Error 正常，原因如下:

這個錯誤的核心原因在於 PyTorch 的 pin_memory=True 機制與 Windows WSL2 的記憶體管理產生了衝突

PyTorch 非常聰明，當它嘗試 Pin 記憶體失敗時，它會自動倒退回普通的記憶體傳輸模式（非鎖頁模式）。因此出現此訊息是正常的
補充：數據從 RAM 傳到顯示卡的效率會稍微慢一點點，但絕對不會導致生成中斷或畫面崩潰。

Step 9：執行生成正常結果

預設正常的情況下，影片就會出來，但實際上我們在 首次執行 的過程出現了錯誤 comfyui-nvidia_init.bash: line 935: 308 Killed
解決方案在 第二部分 開始說明


生成結果 - Youtube 播放：

Step 10：輸出目錄

生成出來的檔案通常在 WSL 的 output 目錄下

.wsl.localhost\\Ubuntu\\home\\個人帳號\\comfyUI\\basedir\\output\\video

第二部分：遭遇問題 & 排除

Step 1：首次 Wan 2.1 無法執行的問題

如果環境 : Docker Desktop Windows ** + ** WSL2 ** + ** ComfyUI Wan ** + ** GPU, Memory 沒有很頂級，運行時極有可能出現此錯誤

comfyui-nvidia_init.bash: line 935: 308 Killed

本篇使用的規格(使次使用就會出現問題)：

Step 2：執行過程記憶體不足

在生成影片時，監控 Container 狀態，可以發現記憶體全部被用盡，因此出現 308 Killed 記憶體不足的狀況

docker stats

Step 3：錯誤原因 - WSL2 記憶體限制步驟

硬體規格為 48G 記憶體在 Step 2. 只有使用 24GB 這是因為

觀察到 22.07GiB / 23.45GiB (94.14%)。
這代表 Docker 容器能拿到的記憶體上限被鎖死在 24GB 左右（精確來說是 WSL2 預設分給 Docker 的限制）。
而當 Wan 2.1 進行模型加載與權重切換時，記憶體瞬間衝頂，直接觸發了 OOM。

因此將 ** WSL2 的記憶體限制移除後 ** 就能順利排除此問題

Step 4：排除 WSL 限制 - 跳轉到設定檔目錄

Windows 系統中，鍵盤按下 WIN + R ，進入使用者個人資料夾

%userprofile%

Step 5：排除 WSL 限制 - 新增或修改 .wslconfig

若沒有該檔案，則自行新增

.wslconfig

新增後，打開檔案，並且將以下貼上

Ini, TOML
[wsl2]
# 限制 WSL2 使用的記憶體大小，建議直接給到實體記憶體的 75% - 80%
# 假設實體 RAM 是 48GB，可以給 36~40GB (75%上下)
memory=40GB

# 開啟 Swap 虛擬記憶體當緩衝，防止突發性記憶體衝頂
swap=32GB
# 硬碟當虛擬記憶體 : 不寫這行也可以，Windows 會幫你無中生有，但寫了可以更好控制虛擬硬碟存放位置
swapFile=H:\\wsl-swap.vhdx

#後面的是備註說明，實際上可以如圖，乾淨的設定值

Step 6：排除 WSL 限制 - 重啟 WSL

開啟 Windows CommandLine，將 WSL 重新啟動，以便啟用新設定

wsl --shutdown

Step 7：排除 WSL 限制 - 重啟 Doekcer Desktop

並且這時 Dokcer Desktop 需重新啟動

Step 8：排除 WSL 限制 - 檢查容器記憶體空間

全都重啟後，可檢查容器使用記憶體配置，最大上限已經變為我們設定的 40G

docker stats

comfyui-nvidia_init.bash: line 935: 308 Killed 的問題至此可以排除

第三部分：遺留問題

Step 1：運算過慢 - 仍可優化

目前運算 5 秒鐘的影片，20步約耗費 25 分鐘，實際上耗費的成本太大了


後續仍可朝向以下的方向進行優化(不犧牲影片品質的加速圖生成影片)：