可部署于所有装备上的开源加快 Stable-Diffusion.cpp：让 AI 图像生成更快
在 AI 生成图像领域，Stable Diffusion 已经成为一个里程碑式的工具，凭借其强大的图像生成本领，被广泛应用于艺术创作、商业筹划等领域。然而，生成高质量图像的过程经常需要付出大量的时间和内存，这对于硬件资源有限的装备来说是一大挑战。为了应对这一问题，我们优化了Stable-Diffusion.cpp（简称 Sdcpp）。Sdcpp 是 Stable Diffusion 模型的 C/C++ 实现，旨在无需外部依赖的情况下在 CPU（以及大概配置 GPU）上实现高效推理。Sdcpp 作为一个高效的推理框架，不仅可以或许显著加快模型的运行，还能大幅减少内存占用。今天，我们就来深入相识 Sdcpp 的技能上风和我们的优化方法。
为什么需要加快？
Sdcpp 的实现中，盘算密集型的 2D 卷积运算是图像生成的主要瓶颈。现有方法固然功能强大，但服从却不敷抱负，推理速率较慢，内存占用高。为了办理这些问题，我们在 Sdcpp 的基础上，引入了 Winograd 算法，对 Sdcpp 中的卷积利用进行了革命性的改进，最终实现了性能与资源利用率的双提拔。
技能亮点：Winograd 算法加持
为了让 Sdcpp 的卷积利用更高效，从而加快生成过程并降低盘算和内存成本，我们引入了 Winograd 算法，并联合以下优化策略：
[*]分步处理：将卷积拆解为滤波器和激活权重的预处理、预处理张量的逐元素乘法和中央结果的后处理三个阶段，进步运算服从。
[*]局部优化：通过调整数据加载方式（散点存储和聚集加载优化），减少 L1 缓存的切换，最大限度地减少缓存互换，提拔内存使用服从。
[*]并行处理：分析算子间的关联性，将关联性较小的运算动态分配到不同的盘算线程与核心上，充实利用多线程和多核心架构，动态分配盘算任务，充实发挥硬件性能，减少图像生成耽误。
尤其是在 M 系列 Mac 装备上，我们优化了性能核心（P-core）和服从核心（E-core）的分工，使推理速率得到了显著提拔。
多装备、多模型支持
我们优化后的 Sdcpp 框架支持多个装备和模型，包括：
[*]主流 Stable Diffusion 模型：SDv1.4、v1.5、v2.1、SDXL 和 SDXL-Turbo；
[*]不同硬件平台：Mac、Android、AMD 等；
[*]扩展模块：如支持 LoRA，以及支持算子量化等，为用户提供更高的灵活性。
此外，我们还支持而且优化了diffusion transformer 模型中的算子，进一步拓展了应用场景。
速率提拔究竟有多快？
通过实际测试，我们的优化成果令人振奋！
[*]单卷积层的加快表现：对于多种卷积层配置，推理速率均匀提拔超过 2 倍！
[*]我们选择了一些在 SD 生成图片过程中出现比力频仍的卷积层，盘算了在这些单卷积层上，我们优化的 Sdcpp 相较于原版 Sdcpp 的加快结果。在不同的卷积层上，我们的推理速率提拔至少达到 2 倍。
https://i-blog.csdnimg.cn/direct/4b810e1544d14467b14cbd15d83d8ee9.png
[*]整图生成速率对比：最高加快比达到 4.79 倍！
[*]面对越大的图像分辨率，我们的方法的加快结果越明显。在生成 1024×1024 分辨率图像时，相比于原版 Sdcpp，我们优化的 Sdcpp 在 M1 Pro 以及 M2 Max 上的推理速率提拔可超过 4.6 倍（FP32 类型）。
[*]对于其他图像尺寸和 SD 模型，我们优化的 Sdcpp 的加快结果也十分显著（如 SDv1.5 模型生成 512×512 图像时在M1 Pro上加快 1.84 倍）。
[*]这显著的加快比主要得益于我们的局部优化（降低缓存互换而且进步内存使用服从），以及并行处理（动态分配盘算任务而且进步运算并行度）。
https://i-blog.csdnimg.cn/direct/4ac3ba7ba37243f6b4157b101258cfde.png
https://i-blog.csdnimg.cn/direct/e80b0db1f68c443ca350d813bbc71724.png
更快的速率，不仅节省时间，更让创作更自由！
实例展示：更真实的生成效果
下图展示了使用 SDXL-Turbo 模型，原版 Sdcpp 以及我们优化的 Sdcpp 使用 5 步采样，所生成的图像对比：
https://i-blog.csdnimg.cn/direct/9f670335ccdd4caba3f1a2db7324c8df.png
可以看出，在相同配置和提示词下，我们优化后的 Sdcpp 不仅速率更快，生成的图像也更加细腻逼真，细节丰富，井井有条。我们优化的 Sdcpp 可以或许支持不同硬件平台上（Mac、Android、AMD 等）各种主流 SD 模型（如SDv1.4、v1.5、v2.1、SDXL 和 SDXL-Turbo）的所有算子，确保使用这些 SD 模型可以或许生成高质量的图片。
将来计划
只管我们在加快方面取得了显著成效，但我们并不会止步于此。将来，我们将继续：
[*]优化更多利用符，提拔兼容性；
[*]进一步进步模型量化的服从；
[*]探索在更多装备上的性能提拔。
结语
Sdcpp 的推出，不仅大幅加快了图像生成过程，还降低了硬件门槛，让更多人能以更低成本享受 AI 创作的乐趣！假如你对 AI 图像生成感兴趣，不妨试试我们优化后的 Stable-Diffusion.cpp。
项目主页：GitHub - SealAILab/stable-diffusion-cpp: SealAI's stable diffusion implementation
技能报告：https://arxiv.org/abs/2412.05781
欢迎关注我们，相识更多技能细节！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]