diffusers/main/tr/optimization/cache_dit.md

CacheDiT

CacheDiT, transformer blok çıktıları gürültü azaltma adımları arasında yeniden kullanılarak DiT hatlarını hızlandırır. Eğitim gerektirmez ve Flux, Qwen-Image, Wan ve HunyuanVideo dahil olmak üzere Diffusers'ın çoğu DiT hattını destekler. Diffusers ayrıca ek bir bağımlılık gerektirmeyen yerleşik önbellekleme özelliğine de sahiptir.

CacheDiT'yi PyPI'den yükleyin.

pip install -U cache-dit

CacheDiT'in desteklediği pipeline ailelerini listelemek için cache_dit.supported_pipelines() çağrısını yapın.

import cache_dit

cache_dit.supported_pipelines()

Önbellekleme etkinleştir

Bir pipeline üzerinde cache_dit.enable_cache çağrısı yaparak varsayılan ayarlarla önbelleğe alın, ardından pipeline'ı normal şekilde çalıştırın.

import torch
import cache_dit
from diffusers import FluxPipeline

pipeline = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev", dtype=torch.bfloat16
).to("cuda")
cache_dit.enable_cache(pipeline)

image = pipeline(
    "A cat holding a sign that says hello world", num_inference_steps=28
).images[0]

CacheDiT, torch.compile ile de çalışır. enable_cache çağrısından sonra transformer'ı derleyin. Dinamik giriş şekillerinde yeniden derlemeyi önleyen ayarlar için compile belgelerine bakın.

pipeline.transformer = torch.compile(pipeline.transformer)

Çıkarım işleminden sonra cache_dit.summary çağrılarak kaç adımın önbelleğe alındığı ve adımlar arasındaki kalan farkların günlüğe kaydedilmesi sağlanır.

stats = cache_dit.summary(pipeline)

Orijinal hattı geri yüklemek için cache_dit.disable_cache çağrısını yapın.

cache_dit.disable_cache(pipeline)

Önbelleği yapılandır

DBCache (Dual Block Cache), her adımda ilk n bloğu (Fn) hesaplar. Çıktıları bir önceki adımdan neredeyse değişmediğinde, kalan bloklar için önbellekteki çıktıyı yeniden kullanır ve düzeltme yapmak için son n bloğu (Bn) yeniden hesaplayabilir. TaylorSeer kalibratörü, önbellekteki çıktıyı olduğu gibi yeniden kullanmak yerine önceki adımlardan tahmin eder.

enable_cache varsayılan olarak DBCache kullanır; ilk 8 blok her zaman hesaplanır (F8B0) ve 8 önbelleğe alınmamış ısınma adımı yapılır. Hızı kalite pahasına artırmak için Fn_compute_blocks değerini artırın veya residual_diff_threshold değerini düşürün (varsayılan 0.08). Yüksek önbellek oranlarında en iyi kalite için TaylorSeer kalibratörünü ekleyin.

from cache_dit import DBCacheConfig, TaylorSeerCalibratorConfig

cache_dit.enable_cache(
    pipeline,
    cache_config=DBCacheConfig(
        max_warmup_steps=8,
        Fn_compute_blocks=8,
        Bn_compute_blocks=0,
        residual_diff_threshold=0.12,
    ),
    calibrator_config=TaylorSeerCalibratorConfig(taylorseer_order=1),
)

Desteklenen pipeline'lar için CacheDiT, CFG'nin ayrı bir ileri geçiş olarak çalışıp çalışmadığını zaten bilir. Diğer modeller için, model koşullu ve koşulsuz geçişleri ayrı çalıştırıyorsa DBCacheConfig içinde enable_separate_cfg=True olarak ayarlayın; bunları birleştiriyorsa veya CFG kullanmıyorsa False olarak ayarlayın.

Fn ve Bn bloklarının nasıl çalıştığını görmek için DBCache tasarımı belgelerine, hız ve kalite değerleri için ise önbellek kıyaslamalarına bakın.

Sonraki adımlar

• CacheDiT'in henüz desteklemediği pipeline'lar için BlockAdapter belgelerine bakın.
• CacheDiT ayrıca bağlam paralelliğini ve kantizasyonu destekler.