一、错误现象与触发条件
当你在 Windows 或 Linux 中启动 Stable Diffusion WebUI 时，命令行窗口在加载模型或初始化界面阶段突然中断，并抛出 RuntimeError: Could not perform operation。这个提示非常笼统，它不会直接告诉你哪个库出错，但从堆栈信息中往往能看到 torch、gradio 或 xformers 的调用痕迹。此时 WebUI 的浏览器页面可能显示无法连接，或者保持空白。
该错误与模型文件损坏、显存不足没有直接关系，更多时候指向 Python 运行环境本身。常见触发场景包括：系统里同时安装了多个 Python 版本导致 WebUI 调用了错误解释器；更新显卡驱动后旧版 PyTorch 的 CUDA 扩展无法加载；使用杀毒软件或系统清理工具误删了虚拟环境中的 DLL 文件；以及从旧版本升级时依赖树没有正确解析。
理解这一点很重要。很多人在出现这个报错后反复重装显卡驱动或下载不同模型，结果仍然失败。正确做法是先把 Python 解释器路径和虚拟环境状态弄清楚，再决定是否需要重装依赖。
二、确认 WebUI 实际使用的 Python 路径
Stable Diffusion WebUI 通常会创建一个独立的 venv 虚拟环境，位于项目根目录下的 venv 文件夹中。Windows 下启动时执行 webui-user.bat，实际上会调用 venv\Scripts\activate.bat 激活环境，再运行 launch.py。如果系统中存在多个 Python，而 PATH 环境变量顺序混乱，WebUI 可能没有使用虚拟环境里的解释器，反而跑去调用系统级的 Python，导致部分包找不到。
排查的第一条命令是查看当前 Python 可执行文件的完整路径。打开命令提示符，进入 WebUI 目录后执行：
where python python -c "import sys; print(sys.executable)"
如果输出结果不是项目下的 venv\Scripts\python.exe，而是 C:\Python310\python.exe 或 C:\Users\你的用户名\AppData\Local\Programs\Python\Python310\python.exe，这就说明虚拟环境没有被正确激活。你可以在启动脚本中显式指定 Python 路径，例如在 webui-user.bat 中修改 set PYTHON= 这一行，让它指向一个明确的解释器。
Linux 用户可以使用 which python 或 ls -l venv/bin/python 来确认软链接是否指向正确位置。如果 venv/bin/python 链接到了不存在的文件，也会出现 Could not perform operation。
三、重建虚拟环境并重装核心依赖
当确认路径没有问题，但报错依旧出现时，最可靠的方式是重建虚拟环境。WebUI 的 venv 目录通常包含 torch、torchvision、torchaudio、gradio、xformers 等大量二进制依赖，任何一个文件损坏都可能导致 RuntimeError。直接删除整个 venv 再重建，比逐个修复更快。
Windows 用户先关闭所有相关窗口，然后进入项目目录，执行：
rmdir /s /q venv python -m venv venv venv\Scripts\activate pip install --upgrade pip
Linux 用户执行：
rm -rf venv python3 -m venv venv source venv/bin/activate pip install --upgrade pip
重建环境后不要立即启动 WebUI，因为默认的 requirements 安装脚本可能选择了不兼容的 PyTorch 版本。建议手动安装与显卡驱动匹配的 PyTorch。例如 CUDA 12.1 可以执行：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
安装完成后，运行以下命令验证 PyTorch 是否能识别 CUDA：
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
如果返回 True，说明 torch 与显卡驱动工作正常；如果返回 False 或报错，需要调整 CUDA 索引地址，或者先升级显卡驱动。然后再运行 webui-user.bat 或 ./webui.sh，让 WebUI 根据自身依赖继续安装剩余包。
四、处理 xformers 与 gradio 的兼容问题
RuntimeError: Could not perform operation 也经常与 xformers 有关。xformers 是一个优化注意力计算的库，在部分显卡或驱动组合下会与新版 PyTorch 产生冲突。如果你在启动命令中加了 --xformers 参数，可以先去掉该参数，看是否能正常启动。去掉的方法是编辑 webui-user.bat，找到 set COMMANDLINE_ARGS= 这一行，删除其中的 --xformers。
如果仍然需要 xformers 来降低显存占用，可以在重建环境后单独安装与 PyTorch 版本匹配的 xformers。例如 PyTorch 2.1 配合 CUDA 12.1 可以执行：
pip install xformers --index-url https://download.pytorch.org/whl/cu121
gradio 的版本过旧或过新也会导致 WebUI 启动失败。WebUI 的 requirements 文件中通常会锁定一个推荐版本，手动升级 gradio 反而容易引发接口不兼容。如果遇到 gradio 相关报错，可以尝试：
pip install gradio==3.41.2
实际版本号以 WebUI 项目文档或 requirements.txt 为准。不要盲目安装最新版。
五、锁定依赖版本与长期预防
修复成功后，建议及时把当前可用的依赖版本导出，方便日后回滚。在激活虚拟环境的状态下执行：
pip freeze > requirements_lock.txt
以后如果再次出现环境损坏，可以用 pip install -r requirements_lock.txt 一次恢复所有包的精确版本，避免重新解析依赖树带来的不确定性。
此外，日常使用中尽量避免让系统级 Python 与 WebUI 虚拟环境混用。不要在 WebUI 的 venv 中随意安装与项目无关的包，也不要通过系统包管理器升级 Python 后不重建虚拟环境。对于 Windows 用户，关闭自动更新或系统还原功能有时也能减少 DLL 文件被意外替换的概率。
最后，如果所有步骤都执行后仍然报错，可以查看 WebUI 根目录下的 tmp 或 logs 文件夹中的日志，找到出现 RuntimeError 前的最后一行调用。把该信息与刚才验证的 Python 路径、PyTorch 版本进行对比，通常能进一步定位是哪一个扩展库出了问题。
Stable Diffusion WebUIRuntimeErrorPython依赖修改时间：2026-08-28 05:49:20