Add dynamic-resolution model graphs

README.md

@@ -12,12 +12,9 @@ tags:
 
 # ERNIE-Image-Turbo ncnn 权重
 
-这是 [`baidu/ERNIE-Image-Turbo`](https://huggingface.co/baidu/ERNIE-Image-Turbo)
-的实验性 C++/ncnn 移植所使用的 FP32 部署文件。模型包包含配套 C++ CLI 所需的
-Tokenizer、Text Encoder、36 层 DiT、VAE Decoder，以及官方 seed=42 回归
-latent。
+这是 [`baidu/ERNIE-Image-Turbo`](https://huggingface.co/baidu/ERNIE-Image-Turbo) 的 C++/ncnn FP32 部署模型，配套代码位于 [`everythingfornothing/ernie-image-ncnn-vulkan`](https://github.com/everythingfornothing/ernie-image-ncnn-vulkan)。模型包包含 Tokenizer、Text Encoder、36 层 DiT、VAE Decoder 和官方 seed=42 回归 latent。
 
-请将整个仓库下载到同一个本地目录，并把该目录传给运行程序：
+## 下载与运行
 
 ```bash
 hf download Coderdw/ernie-image-ncnn-vulkan \
@@ -26,12 +23,17 @@ hf download Coderdw/ernie-image-ncnn-vulkan \
 ./build/ernie_image_cli \
   --model-dir models/ernie-image-turbo \
   --device vulkan \
+  --gpu-index 0 \
   --rng-mode portable \
   --seed 123 \
-  --prompt '一只黑白相间的中华田园犬' \
+  --width 1376 \
+  --height 768 \
+  --prompt '一只黑白相间的中华田园犬在草地上奔跑' \
   --output image.png
 ```
 
+图片宽高默认为 1024×1024，必须为正数且均为 16 的倍数；动态分辨率使用 `portable` RNG。同一套权重已完整运行 1024×1024、1376×768、768×1376 和 528×784，并支持运行时动态文本长度。`reference` RNG 仅用于官方 1024×1024、seed=42 回归。
+
 模型目录结构：
 
 ```text
@@ -42,10 +44,6 @@ vae/             decoder 与归一化常量
 rng/             官方 CUDA/BF16 seed=42 回归 latent
 ```
 
-当前正确性基线使用 FP32，因此模型包约为 43 GiB。当前固定 batch=1、分辨率
-1024 x 1024、推理步数 8，并且不包含 Prompt Enhancer。请使用配套代码仓库内置
-的 ncnn 源码；其 Vulkan GELU 与 SDPA mask 行为属于已验证运行契约的一部分。
+当前模型包采用 FP32，约为 43 GiB，固定 batch=1 和 Turbo 8-step，不包含 Prompt Enhancer。请使用配套代码仓库内置的 ncnn 源码，其中 Vulkan GELU 与 SDPA mask 行为属于已验证运行契约。
 
-这些文件转换自 `baidu/ERNIE-Image-Turbo` revision
-`bc68c81e2a1730a394d5fc9fae70713dee940140`。许可证与模型信息请参阅本目录中的
-`LICENSE` 以及上游模型页面。
+这些文件转换自 `baidu/ERNIE-Image-Turbo` revision `bc68c81e2a1730a394d5fc9fae70713dee940140`，遵循 Apache-2.0 许可证。

dit/frontend.ncnn.param

@@ -4,7 +4,7 @@ Input                    in0                      0 1 in0
 Input                    in1                      0 1 in1
 Input                    in2                      0 1 in2
 Convolution              conv_1                   1 1 in0 3 0=4096 1=1 11=1 12=1 13=1 14=0 2=1 3=1 4=0 5=1 6=524288
-Reshape                  reshape_7                1 1 3 4 0=4096 1=4096
+Reshape                  reshape_7                1 1 3 4 0=-1 1=4096
 Permute                  transpose_8              1 1 4 out0 0=1
 Gemm                     gemm_0                   1 1 in2 out1 10=-1 2=0 3=1 4=0 5=1 6=1 7=0 8=4096 9=3072
 MemoryData               pnnx_fold_133            0 1 7 0=2048 1=1

dit/output_head.ncnn.param

@@ -1,5 +1,5 @@
 7767517
-14 15
+11 12
 Input                    in0                      0 1 in0
 Input                    in1                      0 1 in1
 InnerProduct             linear_2                 1 1 in1 2 0=8192 1=1 2=33554432
@@ -10,7 +10,4 @@ ExpandDims               unsqueeze_6              1 1 4 7 -23303=1,0
 BinaryOp                 add_0                    1 1 6 8 0=0 1=1 2=1.0
 BinaryOp                 mul_1                    2 1 5 8 9 0=2
 BinaryOp                 add_2                    2 1 9 7 10 0=0
-Gemm gemm_0 1 1 10 11 10=4 2=0 3=1 4=0 5=1 6=1 7=0 8=128 9=4096
-Crop                     slice_0                  1 1 11 12 -23310=1,4096 -23311=1,0 -23309=1,0
-Permute                  transpose_4              1 1 12 13 0=1
-Reshape                  reshape_3                1 1 13 out0 0=64 1=64 2=128
+Gemm gemm_0 1 1 10 out0 10=4 2=0 3=1 4=0 5=1 6=1 7=0 8=128 9=4096

vae/decoder.ncnn.param

@@ -1,5 +1,5 @@
 7767517
-134 149
+134 150
 Input                    in0                      0 1 in0
 Convolution              conv_3                   1 1 in0 1 0=32 1=1 11=1 12=1 13=1 14=0 2=1 3=1 4=0 5=1 6=1024
 Convolution              conv_4                   1 1 1 2 0=512 1=3 11=3 12=1 13=1 14=1 2=1 3=1 4=1 5=1 6=147456
@@ -11,13 +11,13 @@ GroupNorm                gn_40                    1 1 7 8 0=32 1=512 2=1.000000e
 Swish                    silu_71                  1 1 8 9
 Convolution              conv_6                   1 1 9 10 0=512 1=3 11=3 12=1 13=1 14=1 2=1 3=1 4=1 5=1 6=2359296
 BinaryOp                 add_0                    2 1 3 10 11 0=0
-Split                    splitncnn_1              1 2 11 12 13
-Reshape                  reshape_99               1 1 13 14 0=16384 1=512
+Split                    splitncnn_1              1 3 11 12 13 shape_ref
+Reshape                  reshape_99               1 1 13 14 0=-1 1=512
 GroupNorm                gn_41                    1 1 14 15 0=32 1=512 2=1.000000e-6 3=1
 Permute                  transpose_101            1 1 15 16 0=1
 MultiHeadAttention       attention_69             1 1 16 17 0=512 1=1 2=262144 3=512 4=512
 Permute                  transpose_102            1 1 17 18 0=1
-Reshape                  reshape_100              1 1 18 19 0=128 1=128 2=512
+Reshape                  reshape_100              2 1 18 shape_ref 19 6="1w,1h,512"
 BinaryOp                 add_1                    2 1 19 12 20 0=0
 Split                    splitncnn_2              1 2 20 21 22
 GroupNorm                gn_42                    1 1 22 23 0=32 1=512 2=1.000000e-6 3=1