Stable Diffusion auf der CPU ausführen

Jetzt haben einige von uns keine fancy GPUs. Das ist in Ordnung. Wir können Stable Diffusion auf unseren CPUs ausführen.

Dies ist eine unglaublich einfache Implementierung von Stable Diffusion, erwarten Sie keine hochmodernen Funktionen.
Wenn Sie eine kompatible GPU mit 2-4gb Vram oder mehr haben, versuchen Sie den Voldy Leitfaden.
Für die meisten Zwecke kann es praktischer sein, einen Webdienst oder ein Collab für Stable Diffusion zu verwenden.
Aber es gibt etwas Besonderes daran, auf Ihrer eigenen bescheidenen CPU generieren zu können.
Alle Credits gehen an bes-dev und rpyth

• Funktionen
  Txt2img/img2img
  Negative Prompts
  Prompt-Warteschlangen
  Upscaling
  Waifu Diffusion Unterstützung
• Minimale Anforderungen:
  Windows/Linux
  Python 3.8.+ (in Miniconda enthalten)
  CPU kompatibel mit OpenVINO (die meisten CPUs)
  8gb RAM (gerade genug, 16gb+ empfohlen)
• Wie schnell ist es?
  Es ist möglicherweise nicht annähernd so schnell wie eine dedizierte GPU aufgrund von Engpässen bei der Speichergeschwindigkeit, aber es ist auch kein Langsame.
  Für jede CPU der letzten 10 Jahre, einschließlich Laptop-CPUs, sollte es nicht viel länger als ein paar Minuten pro 512x Ergebnis dauern.
  Das openVINO-Framework ist unglaublich optimiert und schnell, insbesondere für Intel-CPUs, und wird das maximale Potenzial Ihrer Hardware ausschöpfen.

Leitfaden

Schritt 1. Installieren Sie Git wenn Sie es noch nicht haben.
-Beim Installieren stellen Sie sicher, dass Sie die Windows Explorer-Integration > Git Bash auswählen.

Schritt 2. (W10) Drücken Sie die Windows-Taste + I, um Ihr Steuerfeld zu öffnen und suchen Sie nach „Entwicklermodus“, und aktivieren Sie ihn ein.

Schritt 3. Laden Sie Miniconda HIER. Laden Sie Miniconda 3 herunter.
-Installieren Sie Miniconda am Standardstandort. Installieren Sie für alle Benutzer.

Schritt 4. Klonen Sie das Repository.
-Rechtsklicken Sie an Ihrem gewünschten Ort und wählen Sie „Git Bash hier“.
-Geben Sie git clone https://github.com/bes-dev/stable_diffusion.openvino ein.
Alternativ können Sie es auch als .zip herunterladen Hier und entpacken.

Schritt 5. Öffnen Sie die Anaconda-Eingabeaufforderung (miniconda3).
Navigieren Sie zum /stable-diffusion-v1-4-openvino Ordner, wo auch immer Sie heruntergeladen haben, indem Sie „cd“ verwenden, um die Ordner zu wechseln.
(Oder geben Sie einfach „cd“ gefolgt von einem Leerzeichen ein und ziehen Sie den Ordner in die Anaconda-Eingabeaufforderung.)

Schritt 6. Geben Sie die folgenden Befehle in Miniconda ein, um Ihre Umgebung einzurichten:

• conda create --name vin python=3.9 pip
• conda activate vin
• conda install pip
• pip install -r requirements.txt
• pip install Pillow pyyaml sv-ttk
  Warten Sie geduldig, während die erforderlichen Ressourcen installiert werden, das kann eine Weile dauern.

Schritt 7. Laden Sie die pyGUI-Skripte herunter.
Entpacken Sie und kopieren Sie alle Dateien in Ihren Haupt- /stable-diffusion-v1-4-openvino Ordner und klicken Sie auf Ersetzen bei Konflikten mit Dateien.

Schritt 8. Laden Sie den RealESRGAN Upscaler (Linux-Version)
Entpacken Sie und platzieren Sie den Ordner in /stable-diffusion-v1-4-openvino
Und Sie sind fertig

Verwendung

1. Öffnen Sie die Miniconda-Eingabeaufforderung und navigieren Sie zu /stable-diffusion-v1-4-openvino wie zuvor.
2. Geben Sie conda activate vin ein (Sie müssen dies jedes Mal tun, wenn Sie das Skript ausführen).
3. Geben Sie python pygui.py ein.

ERSTELLUNG EINRICHTEN
Gehen Sie zu Einstellungen -> Konfigurieren in der GUI.
-Drücken Sie [?] um den Dateibrowser zu öffnen und verlinken Sie die RealESRGAN ausführbare Datei, indem Sie auf „Öffnen“ klicken.
-Verlinken Sie Ihre demo.py Datei aus dem openvino-Ordner auf die gleiche Weise.
-Fügen Sie den Pfad zu Ihrer Python-Ausführungsdatei hinzu, es sollte C:\ProgramData\Miniconda3\python.exe sein.
-Klicken Sie auf Speichern.

Generierung

• Gehen Sie zu Warteschlange -> Element hinzufügen, um einen neuen Prompt einzugeben.
• Oder Warteschlange -> Element wiederherstellen, um Ihren zuletzt eingegebenen Prompt zu laden.
  Prompt: Schlüsselwörter, die beschreiben, was Sie möchten, seien Sie beschreibend für die besten Ergebnisse.
  Unprompt: Schlüsselwörter, die beschreiben, was Sie nicht in Ihrem Bild möchten.
  Ausgabe: Ausgabepfad und Name Ihrer Ausgabedatei .png.
  Bild: Img2Img, wählen Sie eine Bilddatei aus, um Varianten davon zu erstellen.
  Schritte: Wie viele Iterationen für die Ausgabe durchgeführt werden sollen. Mehr = besser. 35-55 ist der optimale Bereich. >75 ist übertrieben.
  Seed: Seed für die Ausgabe, standardmäßig randomisiert.
  Upscale: Wählen Sie, wie Sie Ihr Bild hochskaliert haben möchten.
  Konfiguration: Speichern Sie Informationen über Ihre Ausgabe.

Links/Notizen

• Wenn Sie Python-Versionenfehler mit 3.10 erhalten und keine Konflikte bei den Installationen haben möchten, versuchen Sie die portable Winpython 3.9.
• Sie können mehrere verschiedene Prompts in die Warteschlange stellen, um sie nacheinander auszuführen.
  Das kann sehr praktisch sein, da Sie nicht warten müssen, bis eine Ausgabe abgeschlossen ist, um einen neuen Prompt einzugeben.
• Wenn Sie keinen Ausgabepfad auswählen, werden sie in /appdata/local/tmp ausgegeben. Klicken Sie auf „Speichern unter“, damit Sie sie nicht verlieren.
• Wenn Ihre Ausgaben ungewöhnlich langsam sind oder werden (10-15+ Minuten),
  ist es wahrscheinlich, dass Ihr RAM-Limit überschritten wurde und SD die Swap-Partition auf Ihrem Laufwerk als provisorischen RAM verwendet. (Häufiges Problem bei 8gb).
  Schließen Sie alle anderen Programme und geben Sie mehr Speicher frei.
• Stable Diffusion openVINO Github
• Stable Diffusion openVINO Seite
• Litechan-Seite
• Progrock Upscaler (kompatibel mit openVINO)

–GESCHWINDIGKEIT PRO ERGEBNIS–
(Intel(R) Core(TM) i5-8279U) 7.4 s/it 3.59 min
(AMD Ryzen Threadripper 1900X) 5.34 s/it 2.58 min
(Intel(R) Xeon(R) Gold 6154 CPU) 1 s/it 33 s