首页
/ AsyncDiff: 异步去噪加速扩散模型的实现

AsyncDiff: 异步去噪加速扩散模型的实现

2024-09-22 09:31:16作者:昌雅子Ethen

1. 项目介绍

AsyncDiff 是一个通用且即插即用的扩散模型加速方案,它通过在多个设备上实现模型并行性来提高去噪效率。该方案通过将复杂的噪声预测模型分解为多个组件,并将每个组件分配给不同的设备,从而打破组件间的依赖链。利用连续扩散步骤中隐藏状态的高相似性,将传统的顺序去噪转变为异步过程,从而显著减少推理延迟,同时最小化对生成质量的影响。

2. 项目快速启动

在开始之前,请确保您的系统满足以下要求:

  • NVIDIA GPU + CUDA >= 12.0 和相应的 CuDNN

创建环境

conda create -n asyncdiff python=3.10
conda activate asyncdiff
pip install -r requirements.txt

使用示例

以下是一个使用 Stable Diffusion pipeline 的示例,以启用扩散模型的异步并行推理:

import torch
from diffusers import StableDiffusionPipeline
from asyncdiff.async_sd import AsyncDiff

# 加载预训练的 Stable Diffusion 模型
pipeline = StableDiffusionPipeline.from_pretrained(
    "stabilityai/stable-diffusion-2-1",
    torch_dtype=torch.float16,
    use_safetensors=True,
    low_cpu_mem_usage=True
)

# 初始化 AsyncDiff
async_diff = AsyncDiff(pipeline, model_n=2, stride=1, time_shift=False)
async_diff.reset_state(warm_up=1)

# 生成图像
image = pipeline("<prompts>")[0]

# 如果是分布式训练的第一节点,保存图像
if dist.get_rank() == 0:
    image.save("output.jpg")

您可以替换 pipeline 为其他版本的 Stable Diffusion pipeline,如 SD 2.1、SD 1.5、SDXL 或 SVD。

3. 应用案例和最佳实践

AsyncDiff 支持多种扩散模型的加速推理,以下是一些案例:

  • 加速 Stable Diffusion XL 推理:
CUDA_VISIBLE_DEVICES=0,1,2,3 python -m torch.distributed.run --nproc_per_node=4 --run-path examples/run_sdxl.py
  • 加速 Stable Diffusion 2.1 或 1.5 推理:
CUDA_VISIBLE_DEVICES=0,1,2,3 python -m torch.distributed.run --nproc_per_node=4 --run-path examples/run_sd.py
  • 加速 Stable Diffusion 3 Medium 推理:
CUDA_VISIBLE_DEVICES=0,1 python -m torch.distributed.run --nproc_per_node=2 --run-path examples/run_sd3.py

更多案例和最佳实践可以在项目的 examples 目录中找到。

4. 典型生态项目

AsyncDiff 的生态项目包括但不限于以下几种:

  • Stable Diffusion 2.1、1.5、3 Medium、SDXL、SDXL Inpainting
  • ControlNet、SD Upscaler、AnimateDiff、Stable Video Diffusion

这些项目都可以在 AsyncDiff 的官方仓库中找到相应的脚本和示例。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
333
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70