【亲测免费】 TensorRT 扩展用于 Stable Diffusion Web UI 教程

1. 项目介绍

TensorRT 扩展是专为 Automatic1111 的 Stable Diffusion Web 用户界面设计的一个优化组件，它利用 NVIDIA RTX 显卡的 Tensor 核心来提升性能，实现文本到图像和图像到图像生成模型的加速。通过该扩展，Stable Diffusion 的运行速度可以翻倍，为用户提供更高效且高质量的图像生成体验。

2. 项目快速启动

环境要求

• GPU：NVIDIA RTX GPU，至少 8GB 显存
• 内存：16GB RAM
• 驱动：NVIDIA Studio Driver 537.58 或更高版本

安装步骤

1. 安装 Stable Diffusion Web UI

   • 下载 sd_webui.zip
   • 将下载的文件移动到本地有足够的硬盘空间（推荐20GB以上）
   • 解压 sd_webui.zip
   • 在解压后的目录中，运行 update.bat 更新到最新版本

2. 安装 TensorRT 扩展

   • 克隆本项目至本地：

   git clone https://github.com/NVIDIA/Stable-Diffusion-WebUI-TensorRT.git
   

3. 生成 TensorRT 引擎

   • 运行以下命令以生成对应分辨率的引擎：

   python build_engines.py --width <image_width> --height <image_height>
   

4. 配置 Stable Diffusion

   • 修改 stable_diffusion/webui/config.json 文件，设置 "use_tensorrt": true 并提供引擎路径。

启动 Web UI

1. 进入稳定扩散的Web UI目录：

   cd stable_diffusion/webui
   

2. 启动服务：

   python app.py
   

3. 访问 http://localhost:5000 以开始使用。

3. 应用案例和最佳实践

• 使用高分辨率进行图像生成，利用 TensorRT 加速以减少等待时间。
• 对于实时或批量任务，确保系统资源充足以达到最佳性能。
• 实时监控GPU温度和负载，以避免过热或过度使用。

4. 典型生态项目

• Automatic1111/stable-diffusion-webui：基础的 Stable Diffusion Web UI 项目，提供了用户友好的界面。
• NVIDIA/DeepLearningExamples：包含了多种深度学习模型的示例，包括如何在 TensorRT 上部署其他模型。

此教程概述了 TensorRT 扩展的安装和使用过程，以及相关最佳实践。通过遵循这些步骤，您可以充分利用 NVIDIA GPU 的能力，提高 Stable Diffusion 的工作效率。