共计 3792 个字符，预计需要花费 10 分钟才能阅读完成。
背景
上一篇中，咱们应用了 PAI-Blade 优化了 diffusers 中 Stable Diffusion 模型。本篇，咱们持续介绍应用 PAI-Blade 优化 LoRA 和 Controlnet 的推理流程。相干优化曾经同样在 registry.cn-beijing.aliyuncs.com/blade_demo/blade_diffusion 镜像中能够间接应用。同时，咱们将介绍 Stable-Diffusion-webui 中集成 PAI-Blade 优化的办法。
LoRA 优化
PAI-Blade 优化 LoRA 的形式，与前文办法基本相同。包含：加载模型、优化模型、替换原始模型。以下仅介绍与前文不同的局部。
首先，加载 Stable DIffusion 模型后，须要加载 LoRA 权重。
pipe.unet.load_attn_procs(“lora/”)
应用 LoRA 时，用户可能须要切换不同的 LoRA 权重，尝试不同的格调。因而，PAI-Blade 须要在优化配置中，传入 freeze_module=False，使得优化过程中，不对权重进行编译优化，从而不影响模型加载权重的性能。通过这种形式，PAI-Blade 优化后的模型，仍然能够应用 pipe.unet.load_attn_procs() 形式加载 LoRA 的权重，而不须要从新编译优化。
因为模型权重未进行优化流程，一些对常量的优化无奈进行，因而会损失局部优化空间。为了解决性能受损的问题，PAI-Blade 中，应用了局部 patch，对原始模型进行 python 层级的替换，使得模型更适宜 PAI-Blade 优化。通过在优化前，应用 torch_blade.monkey_patch 优化 Stable Diffusion 模型中的 unet 和 vae 局部，能更好的施展 PAI-Blade 能力。
from torch_blade.monkey_patch import patch_utils
patch_utils.patch_conv2d(pipe.vae.decoder)
patch_utils.patch_conv2d(pipe.unet)
opt_cfg = torch_blade.Config()
...
opt_cfg.freeze_module = False
with opt_cfg, torch.no_grad():
...如果没有 LoRA 权重切换的需要，能够疏忽上述步骤，取得更快的推理速度。
Benchmark
咱们在 A100/A10 上测试了上述对 LoRA 优化的后果，测试模型为 runwayml/stable-diffusion-v1-5，测试采样步数为 50。
ControlNet 适配
依据 ControlNet 的模型结构图以及 diffusers 中 ControlNet 实现，能够将 ControlNet 的推理分为两局部。
- ControlNet 局部，其 input blocks 和 mid block 构造与 Stable DiffusionUnet 的前半部分雷同，残余局部为卷积。ControlNet 所有输入传入到 Stable DIffusion 的 Unet 中，作为输出；
- Stable Diffusion 的 Unet 除了原始输出外，额定减少了 ControlNet 的输入作为输出。
根据上述特点，咱们能够做出以下的优化：
首先，优化 ControlNet，
controlnet = torch_blade.optimize(pipe.controlnet, model_inputs=tuple(controlnet_inputs), allow_tracing=True)在优化 unet 模型时，因为 torch2.0 之前的版本，torch.jit.trace 不反对应用 dict 作为输出，所以咱们应用 Wrapper 包装 Unet 后便于 trace 和优化。同时，应用优化后的 ControlNet 执行一次推理，将其输入增加到 Unet 输出中。
class UnetWrapper(torch.nn.Module):
def __init__(self, unet):
super().__init__()
self.unet = unet
def forward(
self,
sample,
timestep,
encoder_hidden_states,
down_block_additional_residuals,
mid_block_additional_residual,
):
return self.unet(
sample,
timestep,
encoder_hidden_states=encoder_hidden_states,
down_block_additional_residuals=down_block_additional_residuals,
mid_block_additional_residual=mid_block_additional_residual,
)
...
down_block_res_samples, mid_block_res_sample = controlnet(*controlnet_inputs)
unet_inputs += [tuple(down_block_res_samples), mid_block_res_sample]
unet = torch_blade.optimize(UnetWrapper(pipe.unet).eval(), model_inputs=tuple(unet_inputs), allow_tracing=True)联合上述性能，能够同时实现：
- LoRA 权重替换；
- ControlNet 权重替换，来应用不同 ControlNet model。
benchmark
咱们在 A100/A10 上测试了上述对 ControlNet 优化的后果，测试模型为 runwayml/stable-diffusion-v1-5，测试采样步数为 50。
小结
在上述局部，咱们应用了 PAI-Blade 优化了 Stable DIffusion 模型的 encoder、unet、decoder 局部，大幅升高推理延时的同时，缩小了显存占用，从而升高 Stable DIffusion 模型推理老本。同时，PAI-Blade 反对了 LoRA、ControlNet 等罕用性能，扩大了 PAI-Blade 的实用性。
webui 适配
stable-diffusion-webui 是 Stable DIffusion 十分热门的利用，PAI-Blade 同样提供了对其优化反对。目前，PAI-Blade 曾经反对了模型权重切换、LoRA、ControlNet 等 webui 中罕用的性能，同时通过 extension 的模式集成，能够便于用户应用。目前，相干优化曾经集成到 PAI-EAS 的 eas-registry.cn-hangzhou.cr.aliyuncs.com/pai-eas/sdwebui-inference:0.0.2-py310-gpu-cu117-ubuntu2204-blade 镜像，能够通过 PAI_EAS 间接体验 PAI-Blade 的优化能力。
上面介绍该插件中，PAI-Blade 在 webui 中优化形式和性能。webui 优化原理与 diffusers 大致相同，以下是几个次要不同点：
分模块优化 Unet 和 ControlNet
因为 webui 中，ControlNet 须要一一调用 Unet 的子模块，为了兼顾 ControlNet，PAI-Blade 并没有像 diffusers 中一样，优化整个 Unet 和 ControlNet。而是采取一一子模块优化的办法，将 Unet、ControlNet 中所有的 down blocks、mid block、up blocks 别离进行优化和替换。通过测试，此种优化形式简直不影响模型推理速度。
不解冻权重
webui 的网页上，能够快捷的切换模型权重。因而，PAI-Blade 采取和 diffusers 中 LoRA 优化同样的办法，不对权重进行优化。
LoRA 优化
webui 中，多个 LoRA 会一一调用 LoRA 计算，计算工夫随 LoRA 数量增多而变长。PAI-Blade 在加载 LoRA 权重时，将多个 LoRA 的权重与 scale 事后 fuse，缩小了运行时的开销。加载和 fuse 的开销，经测试可忽略不计。
Benchmark
咱们在 A10 上测试了 webui 中，Stable DIffusion V1 模型在 batch size 为 1，分辨率为 512*512 条件下的推理速度。因为 webui 中波及到网络传输等模型无关局部的提早，因而本局部只测试了模型局部耗时。后果如下：
由该表可知，webui 在 eager 和 xformers 模式下，推理工夫随 LoRA 数量减少而缩短，而 PAI-Blade 将所有 LoRA 的权重交融到根底模型，所以推理工夫与 LoRA 数量无关。
总结
这两篇文章中，咱们介绍了 PAI-Blade 在 Stable DIffusion 模型上的优化教训，目前曾经反对了 Diffusers 和 Stable-DIffusion-webui 两种支流推理形式。
咱们调研了相干公开的竞品对 Stable Diffusion 的反对状况，后果如下：
依据公开性能数字和业务实测，PAI-Blade 对 Stable DIffusion 模型，不仅反对最为全面，同时性能和显存应用也是最佳程度。
原文链接
本文为阿里云原创内容，未经容许不得转载。