Running the WAN 2.2 Acceleration Workflow on Ubuntu 22.04 with Radeon GPU
注：私は開発者ではなく、自分の環境しか触れないのでトラブルシューティングを依頼されても対応できかねるので今回の投稿は参考だけにしておいてください。
Disclaimer: I'm just a user, not a developer, and I can only test things on my own setup. So unfortunately, I can't provide support if you're facing similar issues — this post is just meant to share what worked for me.
私の環境でWAN2.2の高速化ワークフローが動作せず、恐ろしく解決するまでに切り分けを要したので共有しておきますので同じように苦戦している方の助けになれば幸いです。
結論から言えばノードの追加と設定変更で解決できました。
■エラー内容
WanVideoSampler
triton.runtime.errors.OutOfResources:
out of resource: shared memory, Required: 90112, Hardware limit: 65536.
Reducing block sizes or num_stages may help.
当該モジュールは Triton カーネルでの Attention 実装に依存しており、GPU の shared memory 要件が ROCm 上限 (65536 bytes) を超えている、という内容です。
エラー文をchatGPT等に聞いてもComfyUI-WanVideoWrapper内のsparse_int8_attn.pyを変更してブロックサイズを下げる等の対処を中心に提案されましたが解決せず、ノードを追加してそっちで抑制するという形でどうにかなりました。
■対処（画像も参照）
①WanVideo Set Radial Attentionのノードを二つ追加
Get_Mdi~とHigh/Low Samplerの間に挟む、設定値は黄色の枠で囲ってあるのを参考に
※Block_siz3は128でも多分大丈夫
②radial_sage_attentionに変更する
■環境
OS：Ubuntu 22.04（スタンドアローン、非WSL）
CPU：AMD Ryzen 7 5700X
RAM：DDR4 32GB
GPU：MD Radeon RX 7900 XTX
GPU：アーキテクチャ RDNA3（gfx1100）
ROCm：6.3.42131
Python：3.10.12
PyTorch：2.8.0+rocm6.3
torch.version.hip：6.3.42131-fa1d09cbd
I’d like to share my experience troubleshooting the WAN 2.2 acceleration workflow on my system. Initially, it failed to run at all, and it took significant effort to identify and resolve the issue. Hopefully, this helps others facing the same problem.
### ✅ TL;DR
The issue was resolved by adding a specific node and adjusting its settings.
---
### ❌ Error Details
Node: WanVideoSampler
Error:
triton.runtime.errors.OutOfResources:
out of resource: shared memory, Required: 90112, Hardware limit: 65536.
Reducing block sizes or num_stages may help.
This error occurs because the module relies on Triton kernels for Attention, which exceed the shared memory limit (65536 bytes) of ROCm GPUs.
While tools like ChatGPT suggested modifying sparse_int8_attn.py inside ComfyUI-WanVideoWrapper to reduce block sizes, that alone didn’t work in my case.
Instead, I was able to resolve the issue by adding a separate control node to suppress the error-inducing behavior.
Fix (see attached image for reference)
Add two WanVideo Set Radial Attention nodes
Insert them between Get_Mdi~ and the High/Low Sampler nodes.
Use the settings shown in the yellow boxes as a reference.
Note: Block_size = 128 should work fine in most cases.
Change the attention type to radial_sage_attention
---
### 🖥️ Environment
- OS: Ubuntu 22.04 (standalone, not WSL)
- CPU: AMD Ryzen 7 5700X
- RAM: 32GB DDR4
- GPU: AMD Radeon RX 7900 XTX
- GPU Architecture: RDNA3 (gfx1100)
- ROCm: 6.3.42131
- Python: 3.10.12
- PyTorch: 2.8.0+rocm6.3
- torch.version.hip: 6.3.42131-fa1d09cbd
---
Let me know if you're facing a similar issue — I can share more details on the node setup that fixed it.