Reduzindo o Uso de VRAM no Windows: Agendamento de GPU Acelerado por Hardware, Tamanho do Arquivo de Paginação, Sobrecarga do Navegador e da Área de Trabalho

TL;DR

• O agendamento de GPU acelerado por hardware (HAGS) reduz a latência do agendamento da GPU, mas não reduz o uso de VRAM — a equipe do Microsoft DirectX o documenta apenas como uma mudança de agendamento.
• O compositor da área de trabalho do Windows (dwm.exe) e os navegadores consomem memória de GPU compartilhada; o artigo da fonte (Civitai 8085) estima que isso pode chegar a 2 GB. Desativar transparência, reduzir a resolução e desligar a aceleração de hardware do navegador podem diminuir o pool compartilhado, mas não o pool de computação de IA.
• Nenhuma documentação da Microsoft ou da NVIDIA vincula o tamanho do arquivo de paginação à disponibilidade de VRAM para cargas de trabalho CUDA — o arquivo de paginação afeta a troca de RAM do sistema, não a VRAM da GPU.

Se o problema real é que a placa é muito pequena para o modelo, nosso requisitos de VRAM por modelo cobre o que cabe onde.

O Que VRAM Realmente Significa no Windows

O Windows relata duas categorias de memória de GPU no Gerenciador de Tarefas: Memória de GPU dedicada (a VRAM física na sua GPU discreta) e Memória de GPU compartilhada (uma porção da RAM do sistema que o OS pode mapear no espaço de endereço da GPU). Frameworks de IA (PyTorch, Stable Diffusion WebUI, ComfyUI) alocam do pool dedicado via CUDA ou DirectML. O compositor da área de trabalho, navegadores e o Windows Terminal usam o pool compartilhado via DirectX/DirectWrite. Os dois pools são distintos em GPUs discretas — reduzir o pool compartilhado não aumenta o pool dedicado disponível para CUDA.

Para ver a divisão, abra o Gerenciador de Tarefas → Detalhes → clique com o botão direito nos cabeçalhos das colunas → ative Memória de GPU dedicada e Memória de GPU compartilhada. Isso mostra a memória de GPU por processo dividida por pool. Microsoft Learn: descrição do utilitário Autoruns (verifica a ferramenta usada para auditar programas de inicialização que podem iniciar apps que usam GPU).

Introduzido com a atualização de maio de 2020 do Windows 10, o HAGS move o agendador de GPU de uma thread de CPU de alta prioridade para um processador de agendamento dedicado na própria GPU. O Blog do Desenvolvedor DirectX afirma: "O Windows agora pode descarregar a maior parte do agendamento da GPU para um processador de agendamento baseado em GPU dedicado" e "A página de configurações pode ser acessada através de Configurações → Sistema → Vídeo → Configurações de Gráficos." Blog do Desenvolvedor DirectX: Agendamento de GPU Acelerado por Hardware

O que o HAGS muda: ritmo de frames, justiça de GPU entre múltiplas aplicações e latência de submissão. O agendador WDDM antigo rodava na CPU; o HAGS roda em um bloco de função fixa dentro da GPU.

O que o HAGS não muda: alocação de VRAM, memória de contexto CUDA ou pegada de pesos do modelo. O blog diz explicitamente que "a maioria das aplicações foi projetada para ocultar custos de agendamento através de buffer" e "Não esperamos que os clientes experimentem regressões de desempenho." Ele não faz nenhuma reivindicação sobre redução de VRAM. Ativar o HAGS é recomendado para compartilhamento de GPU entre múltiplos apps mais suave, não para liberar VRAM.

Tamanho do Arquivo de Paginação e VRAM: Nenhum Vínculo Documentado

O arquivo de paginação do Windows (pagefile.sys) faz backup da memória do sistema comprometida quando a RAM física se esgota. Nem a documentação da Microsoft nem a documentação do driver da NVIDIA descrevem um mecanismo onde o tamanho do arquivo de paginação influencia a VRAM dedicada da GPU disponível para cargas de trabalho CUDA/DirectML. O arquivo de paginação opera na camada de RAM do sistema; a VRAM é gerenciada pelo driver WDDM e pelo agendador da GPU independentemente.

Se a sua RAM do sistema é insuficiente para a carga de trabalho, aumentar o arquivo de paginação evita kills por OOM, mas adiciona latência de swap — não cria VRAM adicional. Para cargas de trabalho de IA que cabem na RAM do sistema mas excedem a VRAM, o gargalo é a transferência PCIe e o controlador de memória da própria GPU, não o arquivo de paginação.

Para o lado do alocador do mesmo problema, veja ajuste do alocador CUDA do PyTorch.

Sobrecarga da Área de Trabalho: O Que Realmente Usa Memória de GPU

Compositor do Windows (dwm.exe)

O Gerenciador de Janelas da Área de Trabalho compõe a área de trabalho, janelas e efeitos usando DirectX. Ele aloca superfícies do pool de memória de GPU compartilhada, não do pool de VRAM dedicada usado por CUDA. O artigo da comunidade Civitai afirma que "Uma média do windows (wdm.exe), navegador e etc. usam até 2GB de VRAM em segundo plano" — esse número é uma estimativa da comunidade sem metodologia de medição publicada. Artigo Civitai 8085

Efeitos Visuais e Transparência

• Efeitos de transparência (Configurações → Personalização → Efeitos de transparência → Desligado): Força o dwm.exe a usar superfícies opacas, reduzindo o consumo de memória de GPU compartilhada. Nenhum benchmark público da Microsoft quantifica a economia em MB.
• Efeitos visuais → Ajustar para melhor desempenho (Propriedades do Sistema → Avançado → Desempenho): Desativa animações, sombras e efeitos de vidro. Reduz a contagem de superfícies do compositor.
• Resolução e taxa de atualização do display menores: Menos pixels por quadro reduzem a memória de superfície do compositor. Relação direta entre contagem de pixels e memória de superfície; impacto exato na VRAM não é quantificado. Artigo Civitai 8085 lista isso como recomendação sem medição.

Windows Terminal

O Windows Terminal usa renderização de texto acelerada por GPU via DirectWrite/DirectX. A visão geral do Microsoft Learn afirma: "O Windows Terminal usa a GPU para renderizar seu texto, então ele fornece melhor desempenho que a experiência padrão de linha de comando do Windows." Microsoft Learn: visão geral do Windows Terminal Essa renderização usa o contexto de VRAM de gráficos/composição, não o contexto de computação CUDA. Desativar a aceleração de GPU do Terminal (via configurações do Terminal → Perfil → Aparência → "Usar aceleração de hardware" = Desligado) reduz a memória do atlas de glifos no pool compartilhado, mas não libera VRAM dedicada para cargas de trabalho de IA.

Em uma placa de 8GB especificamente, o guia FLUX em 8GB mostra qual quantização faz o modelo carregar.

Sobrecarga do Navegador

Aceleração de Hardware

Navegadores (Chrome, Edge, Firefox) ativam aceleração de GPU por padrão para composição, decodificação de vídeo e WebGL/WebGPU. Isso aloca texturas e buffers de comando no pool de memória de GPU compartilhada. Desativá-lo (Configurações → Sistema → "Usar aceleração de gráficos quando disponível" → Desligado) força renderização por software, movendo essas alocações para a RAM do sistema.

Programas de Inicialização e Apps em Segundo Plano

O Autoruns (Sysinternals) enumera todos os locais de auto-inicialização: chaves Run/RunOnce, add-ons do Explorer, Browser Helper Objects, AppInit DLLs, notificações Winlogon, serviços e tarefas agendadas. Microsoft Learn: Autoruns Desativar entradas de inicialização desnecessárias reduz o número de processos que podem inicializar contextos de GPU (ex.: launchers de jogos, ferramentas de overlay, verificadores de atualização). A economia de VRAM depende inteiramente de quais programas você desativa — não existe figura genérica.

Instalação do Driver NVIDIA: NVCleanstall vs. Instalador Padrão

O NVCleanstall remove componentes do pacote do driver GeForce: GeForce Experience, telemetria, driver de áudio HD, componentes do codificador NVENC, etc. TechPowerUp: downloads do NVCleanstall O driver restante ainda contém o runtime CUDA completo, ICD Vulkan e ICD OpenGL. O uso de VRAM em tempo de execução para cargas de trabalho de IA é idêntico — o NVCleanstall afeta a pegada de disco, tempo de instalação e serviços em segundo plano, não o alocador de memória CUDA.

Variantes do Windows Debloatadas (AtlasOS, ReviOS, X-Lite, winutil)

Esses projetos da comunidade removem componentes, serviços e tarefas agendadas do Windows para reduzir o uso de recursos em segundo plano. AtlasOS se descreve como "uma versão otimizada do Windows, projetada para entusiastas e gamers." ReviOS afirma "recuperar o sistema que você merece — rápido, privado, estável." winutil é uma coleção de scripts PowerShell para debloat manual.

Impacto na VRAM: Nenhum desses projetos publica benchmarks de memória de GPU. Eles reduzem o uso de RAM do sistema e interrupções de CPU, o que pode reduzir indiretamente a pressão na memória de GPU compartilhada, mas nenhuma economia de VRAM dedicada é documentada.

Configuração de Dual-GPU (iGPU para Display, dGPU para IA)

Rotea a saída de vídeo através da GPU integrada enquanto reserva a GPU discreta para computação é uma arquitetura válida. No Windows com WDDM, o compositor roda na GPU que controla o display. Se a iGPU controla todos os monitores, o dwm.exe aloca suas superfícies da memória compartilhada da iGPU, deixando a VRAM dedicada da dGPU praticamente intocada pela área de trabalho.

Caveat: A alegação de que isso resulta em "0% de uso de VRAM da RTX 5090" é uma afirmação da comunidade Artigo Civitai 8085. Nenhuma documentação da NVIDIA ou Microsoft quantifica o consumo residual de VRAM da dGPU nessa configuração. Algumas versões de driver ainda podem alocar contextos mínimos na dGPU para inicialização CUDA ou gerenciamento de energia.

Erros comuns e correções

FAQ

Desativar Efeitos de Transparência do Windows reduz VRAM? Reduz a memória de GPU compartilhada usada pelo compositor. VRAM dedicada disponível para CUDA/DirectML não é afetada. Verifique a coluna Memória de GPU compartilhada no Gerenciador de Tarefas para observar a diferença.

Quanta VRAM o dwm.exe usa no Windows com uma GPU discreta? Não existe figura oficial da Microsoft. Estimativas da comunidade variam de algumas centenas de MB a ~2 GB no pool de memória de GPU compartilhada, dependendo de resolução, taxa de atualização e número de monitores. O pool de VRAM dedicada é separado.

O chrome://gpuclean realmente libera memória de GPU ou apenas reinicia o contexto? Desconhecido — nenhuma documentação do Chromium descreve esse endpoint. Relatos da comunidade sugerem que ele reinicia o processo de GPU, o que liberaria suas alocações, mas isso não é verificado.

Por que o HAGS não reduz VRAM e o que ele realmente otimiza? O HAGS move o agendador de GPU de uma thread de CPU para um processador de agendamento dedicado na GPU. Ele melhora o ritmo de frames e reduz a latência de submissão entre aplicações compartilhando a GPU. Ele não gerencia alocação de VRAM. Blog do Desenvolvedor DirectX

O NVCleanstall muda o uso de VRAM no tempo de inferência? Não. O NVCleanstall remove componentes do instalador (GeForce Experience, telemetria, driver de áudio). O runtime CUDA instalado e o gerenciador de memória do driver são idênticos. TechPowerUp NVCleanstall

O tamanho do arquivo de paginação afeta a VRAM disponível para Stable Diffusion / ComfyUI? Não. O arquivo de paginação faz backup da memória do sistema comprometida. A VRAM é gerenciada pelo driver WDDM e pelo agendador da GPU independentemente. Se a RAM do sistema se esgotar, um arquivo de paginação maior evita kills de processo mas não aumenta a VRAM.

Qual a forma mais rápida de liberar memória de GPU compartilhada antes de uma execução de IA? Feche abas do navegador e apps acelerados por GPU (Discord, Steam, launchers de jogos). Desative efeitos de transparência. Reinicie o Windows Terminal se a aceleração de hardware estiver ativada. Isso reduz o pool compartilhado; o pool de VRAM dedicada para IA não muda.