Buckets:
| # OpenVINO | |
| 🤗 [Optimum](https://github.com/huggingface/optimum-intel) 提供了与 OpenVINO 兼容的 Stable Diffusion 流水线，可在多种 Intel 处理器上执行推理（请参阅受支持设备的[完整列表](https://docs.openvino.ai/latest/openvino_docs_OV_UG_supported_plugins_Supported_Devices.html)）。 | |
| 您需要使用 `--upgrade-strategy eager` 选项安装 🤗 Optimum Intel，以确保 [`optimum-intel`](https://github.com/huggingface/optimum-intel) 使用的是最新版本： | |
| ```bash | |
| pip install --upgrade-strategy eager optimum["openvino"] | |
| ``` | |
| 本指南将展示如何使用 OpenVINO 运行 Stable Diffusion 和 Stable Diffusion XL (SDXL) 流水线。 | |
| ## Stable Diffusion | |
| 要加载并运行推理，请使用 `OVStableDiffusionPipeline`。如果您想加载 PyTorch 模型并将其即时转换为 OpenVINO 格式，请设置 `export=True`： | |
| ```python | |
| from optimum.intel import OVStableDiffusionPipeline | |
| model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5" | |
| pipeline = OVStableDiffusionPipeline.from_pretrained(model_id, export=True) | |
| prompt = "sailing ship in storm by Rembrandt" | |
| image = pipeline(prompt).images[0] | |
| # Don't forget to save the exported model | |
| pipeline.save_pretrained("openvino-sd-v1-5") | |
| ``` | |
| 为了进一步加速推理，请对模型进行静态重塑。如果您更改了任何参数（例如输出的高度或宽度），则需要再次对模型进行静态重塑。 | |
| ```python | |
| # Define the shapes related to the inputs and desired outputs | |
| batch_size, num_images, height, width = 1, 1, 512, 512 | |
| # Statically reshape the model | |
| pipeline.reshape(batch_size, height, width, num_images) | |
| # Compile the model before inference | |
| pipeline.compile() | |
| image = pipeline( | |
| prompt, | |
| height=height, | |
| width=width, | |
| num_images_per_prompt=num_images, | |
| ).images[0] | |
| ``` | |
| 您可以在 🤗 Optimum 的[文档](https://huggingface.co/docs/optimum/intel/inference#stable-diffusion)中找到更多示例，Stable Diffusion 支持文本生成图像、图像生成图像和图像修复。 | |
| ## Stable Diffusion XL | |
| 要加载并使用 SDXL 运行推理，请使用 `OVStableDiffusionXLPipeline`： | |
| ```python | |
| from optimum.intel import OVStableDiffusionXLPipeline | |
| model_id = "stabilityai/stable-diffusion-xl-base-1.0" | |
| pipeline = OVStableDiffusionXLPipeline.from_pretrained(model_id) | |
| prompt = "sailing ship in storm by Rembrandt" | |
| image = pipeline(prompt).images[0] | |
| ``` | |
| 为了进一步加速推理，请按照 Stable Diffusion 部分所示，[静态重塑](#stable-diffusion)模型。 | |
| 您可以在 🤗 Optimum 的[文档](https://huggingface.co/docs/optimum/intel/inference#stable-diffusion-xl)中找到更多示例，在 OpenVINO 中运行 SDXL 支持文本生成图像和图像生成图像。 | |
Xet Storage Details
- Size:
- 2.74 kB
- Xet hash:
- 1070fb1bbc6062cd0124ea0b3707c227a2c9735e635d7e9332e5ee756f93b344
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.