diffusers/v0.43.0/pt/optimization/mps.md

Metal Performance Shaders (MPS)

Pipelines com um selo badge indicam que o modelo pode aproveitar o backend MPS em dispositivos com Apple silicon para inferência mais rápida. Sinta-se à vontade para abrir um Pull Request para adicionar esse selo aos pipelines que estão faltando.

🤗 O Diffusers é compatível com Apple silicon (chips M1/M2) usando o dispositivo mps do PyTorch, que utiliza o framework Metal para aproveitar a GPU em dispositivos MacOS. Você precisará ter:

• computador macOS com hardware Apple silicon (M1/M2)
• macOS 12.6 ou posterior (13.0 ou posterior recomendado)
• versão arm64 do Python
• PyTorch 2.0 (recomendado) ou 1.13 (versão mínima suportada para mps)

O backend mps usa a interface .to() do PyTorch para mover o pipeline Stable Diffusion para o seu dispositivo M1 ou M2:

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5")
pipe = pipe.to("mps")

# Recommended if your computer has < 64 GB of RAM
pipe.enable_attention_slicing()

prompt = "a photo of an astronaut riding a horse on mars"
image = pipe(prompt).images[0]
image

O backend mps do PyTorch não suporta tamanhos de NDArray maiores que 2**32. Abra um Issue se você encontrar esse problema para que possamos investigar.

Se você estiver usando PyTorch 1.13, é necessário "preparar" o pipeline com uma passagem adicional única. Este é um contorno temporário para um problema em que a primeira passagem de inferência produz resultados ligeiramente diferentes dos das passagens subsequentes. Você só precisa fazer essa passagem uma vez, e após apenas um passo de inferência, pode descartar o resultado.

  from diffusers import DiffusionPipeline

  pipe = DiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5").to("mps")
  pipe.enable_attention_slicing()

  prompt = "a photo of an astronaut riding a horse on mars"
  # First-time "warmup" pass if PyTorch version is 1.13
+ _ = pipe(prompt, num_inference_steps=1)

  # Results match those from the CPU device after the warmup pass.
  image = pipe(prompt).images[0]

Solução de problemas

Esta seção lista alguns problemas comuns ao usar o backend mps e como resolvê-los.

Fatiamento de atenção

O desempenho do M1/M2 é muito sensível à pressão de memória. Quando isso ocorre, o sistema troca automaticamente para a memória virtual se necessário, o que degrada significativamente o desempenho.

Para evitar que isso aconteça, recomendamos o attention slicing para reduzir a pressão de memória durante a inferência e evitar a troca de memória (swapping). Isso é especialmente relevante se o seu computador tiver menos de 64GB de RAM de sistema, ou se você gerar imagens em resoluções não padrão maiores que 512×512 pixels. Chame a função enable_attention_slicing() no seu pipeline:

from diffusers import DiffusionPipeline
import torch

pipeline = DiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", dtype=torch.float16, variant="fp16", use_safetensors=True).to("mps")
pipeline.enable_attention_slicing()

O fatiamento de atenção executa a operação de atenção, que é custosa, em várias etapas em vez de tudo de uma vez. Ele geralmente melhora o desempenho em ~20% em computadores sem memória universal, mas observamos melhor desempenho na maioria dos computadores com Apple silicon, a menos que você tenha 64GB de RAM ou mais.

Inferência em lote

Gerar múltiplos prompts em um lote pode causar falhas ou não funcionar de forma confiável. Se esse for o caso, tente iterar em vez de usar lotes.