青青草97视频,国v1区2区在线观看

什么是stable diffusion模型？ Stable Diffusion是stability.ai開源的AI圖像生成模型，實(shí)現(xiàn)輸入文字，生成圖像的功能。Stable Diffusion將AI圖像生成提升到了全新高度，將引發(fā)媒體創(chuàng)作領(lǐng)域的革命。

引用自：https://github.com/Stability-AI/StableDiffusion 什么是算力魔方？ 算力魔方一款可以DIY的迷你主機(jī)，采用了抽屜式設(shè)計(jì)，后續(xù)組裝、升級(jí)、維護(hù)只需要拔插模塊。通過選擇計(jì)算模塊的版本，再搭配不同額IO模塊可以組成豐富的配置，適應(yīng)不同場(chǎng)景。性能不夠時(shí)，可以升級(jí)計(jì)算模塊提升算力，IO接口不匹配時(shí)，可以更換IO模塊調(diào)整功能，而無需重構(gòu)整個(gè)系統(tǒng) 基于OpenVINO在算力魔方上實(shí)現(xiàn)Stable Diffusion模型的推理加速，獲得了14.9秒出圖(不含模型初始化)的性能。

在圖像生成過程中：CPU占用16%，內(nèi)存占用7.5GB，GPU占用100%，顯存利用率98.5%。

?測(cè)試代碼如下所示，方便讀者在算力魔方上復(fù)現(xiàn)：https://github.com/openvinotoolkit/openvino_notebooks/tree/main/notebooks/225-stable-diffusion-text-to-image。那么接下來，我們就為大家劃劃重點(diǎn)，一起來看看有哪些重要的步驟、以及生成的畫作效果如何吧。在這個(gè)代碼示例中，我們采用了Stable Diffusion模型，將模型轉(zhuǎn)換為 OpenVINO 中間表示 (IR) 格式，以便它在英特爾 GPU 上獲得高效運(yùn)行。另外，通過將 FP32 模型壓縮到 FP16，我們將模型大小減少了一半（接近一半），而且運(yùn)行所需的 RAM/VRAM 現(xiàn)在也少了很多。最重要的是，由于加入了英特爾 Xe 矩陣擴(kuò)展（XMX），GPU 處理速度也獲得了顯著提升。以下是我運(yùn)行這個(gè) Notebook 得到的一些結(jié)果，非常有趣。借助英特爾銳炫 A380獨(dú)立顯卡，我可以實(shí)現(xiàn)大約每秒 6.0 次的迭代（未使用調(diào)試模式）。這意味著生成一幅下面的高質(zhì)量圖像通常只需不到 10 秒鐘。

圖1在基于 OpenVINO Notebooks 和算力魔方(英特爾銳炫 A380)的平臺(tái)上，通過“Stable Diffusion”模型文本轉(zhuǎn)圖像功能生成的結(jié)果。看完了以上的AI作畫的結(jié)果，你有沒有心動(dòng)、想自己動(dòng)手試試呢？接下來，我們來看看你需要哪些主要步驟，就能在自己的機(jī)器上運(yùn)行我們這個(gè)Stable Diffusion的notebook代碼示例了。首先，這是 OpenVINO Notebooks的倉(cāng)庫。它具有您今天完成演示所需要的一切。 openvino_notebooks/notebooks at main · openvinotoolkit/openvino_notebooksStable Diffusion位于 225-stable-diffusion-text-to-image 文件夾下，在notebook代碼示例中，我們不僅介紹了著名的文本轉(zhuǎn)圖像管道，還加入了圖像轉(zhuǎn)圖像生成管道。但它的真正意義是什么？我們?nèi)绾芜\(yùn)行它？

管道 如何安裝 如需安裝 OpenVINO Notebooks，您可參照此處的說明（適用于 Windows）：https://github.com/openvinotoolkit/openvino_notebooks/wiki/Windows 如果您是 Linux 用戶，可點(diǎn)擊此鏈接：https://github.com/openvinotoolkit/openvino_notebooks/wiki/Ubuntu 總體而言，您可實(shí)施以下幾步：安裝 Python 3.10.x。(或下方內(nèi)容）并創(chuàng)建一個(gè)虛擬環(huán)境

python3 -m venv openvino_env
sourceopenvino_env/bin/ac tivate #for linux

對(duì)目錄實(shí)施 Git 克隆

git clone--depth=1 https://github.com/openvinotoolkit/openvino_notebooks.git
cdopenvino_notebooks

安裝所有的庫和依賴項(xiàng)

pip install -r requirements.txt

運(yùn)行 Jupyter Notebook

jupyter lab notebooks

運(yùn)行所有單元格并等待 =) 現(xiàn)在，查看代碼。我們切實(shí)地優(yōu)化 PyTorch 管道，并使用 OpenVINO 執(zhí)行代碼。

?首次下載和轉(zhuǎn)換可能需要一點(diǎn)時(shí)間。完成之后，您將得到一組 IR 文件。為了方便，我已在這里將這些預(yù)訓(xùn)練的優(yōu)化模型更新到 huggingface（https://huggingface.co/bes-dev/stable-diffusion-v1-4-openvino），大家可以直接下載使用

現(xiàn)在，如果您有幸使用英特爾銳炫獨(dú)立顯卡，您便可將下圖中設(shè)備名稱的代碼改為“GPU”。默認(rèn)情況下，它使用“ AUTO”，并會(huì)自動(dòng)切換至檢測(cè)到的 GPU。

?讓它在 GPU 上運(yùn)行

?自動(dòng)插件。它先使用 CPU，然后自動(dòng)切換至 GPU。 結(jié) 論 算力魔方是一款小巧而強(qiáng)大的計(jì)算設(shè)備，它們外形小巧、功耗低、接口豐富、可拓展性高，廣泛用于教育、醫(yī)療保健、機(jī)器人、自動(dòng)化和物聯(lián)網(wǎng)等行業(yè)。通過將算力魔方與OpenVINO相結(jié)合，可以實(shí)現(xiàn)各種復(fù)雜AI應(yīng)用，包括加速AI模型的推理計(jì)算，實(shí)時(shí)圖像和視頻處理以及設(shè)備之間的低延遲通信等。在算力魔方上評(píng)估OpenVINO的AI加速效果，OpenVINO Notebooks 無疑是首選。歡迎在算力魔方上下載并安裝OpenVINO Notebooks! 祝您編碼快樂。https://github.com/openvinotoolkit/openvino_notebooks

審核編輯：李倩

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。舉報(bào)投訴

物聯(lián)網(wǎng)

物聯(lián)網(wǎng)

+關(guān)注

關(guān)注
2950

文章
48147

瀏覽量
418842
AI

AI

+關(guān)注

關(guān)注
91

文章
41315

瀏覽量
302691
模型

模型

+關(guān)注

關(guān)注
1

文章
3831

瀏覽量
52287