使用OpenVINO在Stable Diffusion V2.1上实现AI硬件加速的方法

文章作者：武卓博士英特尔 AI 布道师

随着 AIGC 模型越来越强大，并取得了更惊人的结果，任意运行 AIGC 模型, 比如 Stable Diffusion，对于开发人员来说仍然面临一些挑战。首先，GPU 的安装设置需要我们处理复杂的配置和兼容性问题，这可能既耗时又令人沮丧。此外，如果运行 Stable Diffusion 代码前需要经过复杂的软件安装和环境配置步骤，这也会带来额外的困难。因为开发者们经常被干净直观的 API 所吸引，这使我们能够轻松地与模型交互并简化我们的工作流程。最后，在没有复杂代码编写以及编译的情况下，如何快速完成硬件加速仍然是一个开发者们优先关心的事项，因为开发者们总是寻求高效而直接的解决方案来充分利用 AIGC 算法的潜力。

图1.我们需要更改的代码行数以获得英特尔的硬件加速

在这篇文章中，我们将探索使用 Optimum Intel （OpenVINO）在 Stable Diffusion V2.1上实现 AI 硬件加速的最快方法（使用最少的代码行和依赖项安装）。我们还将指导您完成在本地机器上运行 Stable Diffusion 的安装和使用过程，并通过 OpenVINO2023.0版本进行优化和加速。只需几行 Python 代码，您就可以在几秒钟内生成带有文本的图像。此外，OpenVINO简化了在不同硬件平台（包括英特尔 Desktop CPU、iGPU、dGPU 和 Xeon CPU）上加速工作的过程，使您的工作在部署时更加灵活。

01安装

使用如下一行代码安装

pip install -q "optimum-intel[openvino,diffusers]"@git+https://github.com/huggingface/optimum-intel.git

向右滑动查看完整代码

02下载预转换过的

Stable Diffusion 2.1 IR 模型

Stable Diffusion 将6个元素结合在一起，一个带有标记器的文本编码器模型，一个带调度器的 UNet 模型，以及一个带有解码器和编码器模型的自动编码器。

这里使用的基础模型是 "stabilityai/stable-diffusion-2-1-base"。该模型被转换为 OpenVINO格式，用于使用Optimum Intel [OpenVINO] 在 CPU 或英特尔 GPU 上加速推理。模型权重以 FP16 精度存储，这将模型的大小减少了一半。你可以发现这个 Notebook 中使用的模型名称是"helenai/stabilityai-stable-diffusion-2-1-base-ov"。让我们下载带有以下代码的预转换模型 Srable Diffusion 2.1 Intermediate Representation Format (IR)。

from optimum.intel.openvino import OVStableDiffusionPipeline
# download the pre-converted SD v2.1 model from Helena's HF repo
name = "helenai/stabilityai-stable-diffusion-2-1-base-ov"


pipe = OVStableDiffusionPipeline.from_pretrained(name, compile=False)
pipe.reshape(batch_size=1, height=512, width=512, num_images_per_prompt=1)

向右滑动查看完整代码

03保存预先训练好的模型，

选择推理设备并编译

我们已经下载了预先训练和转换的 IR 格式 Stable Diffusion 模型。让我们保存模型，并使用以下代码编译它进行 AI 推理

pipe.save_pretrained("./openvino_ir")
pipe.to("GPU.1")
pipe.compile()

向右滑动查看完整代码

04发挥你的创意，输入文本，

享受生成的美图吧

现在是时候发挥创意了！输入创意提示，并使用以下内容欣赏生成的图像。

# Generate an image. 
prompt = "red car in snowy forest, epic vista, beautiful landscape, 4k, 8k"
output = pipe(prompt, num_inference_steps=17, output_type="pil").images[0]
output.save("image.png")
output

向右滑动查看完整代码

以下动图展示了图片生成的各步骤的效果。

审核编辑：汤梓红