Cara Menjalankan Stable Diffusion di CPU

Sekarang, beberapa daripada kita tidak mempunyai GPU yang canggih. Itu tidak mengapa. Kita boleh menjalankan Stable Diffusion pada CPU kita.

Ini adalah pelaksanaan Stable Diffusion yang sangat asas, jangan harap ciri-ciri terkini
Jika anda mempunyai GPU yang serasi dengan 2-4gb Vram atau lebih, cuba panduan Voldy
Untuk kebanyakan tujuan, mungkin lebih praktikal untuk menggunakan perkhidmatan web atau collab untuk Stable Diffusion
Tetapi ada sesuatu yang istimewa tentang dapat menjana pada CPU anda yang sederhana
Semua kredit kepada bes-dev dan rpyth

• Ciri-ciri
  Txt2img/img2img
  Prompt negatif
  Pengurusan antrian prompt
  Peningkatan
  Sokongan Waifu Diffusion
• Keperluan Minimum:
  Windows/Linux
  Python 3.8.+ (termasuk dalam Miniconda)
  CPU yang serasi dengan OpenVINO (kebanyakan CPU)
  8gb RAM (hampir mencukupi, 16gb+ disyorkan)
• Seberapa cepat ia?
  Ia mungkin tidak secepat GPU khusus kerana masalah kelajuan memori, tetapi ia juga tidak lambat
  Untuk mana-mana CPU dari 10 tahun lepas, termasuk yang laptop, ia tidak seharusnya mengambil masa lebih dari beberapa minit untuk hasil 512x
  Kerangka openVINO sangat dioptimumkan dan cepat, terutama untuk CPU Intel, dan akan memanfaatkan potensi maksimum dari perkakasan anda

Panduan

Langkah 1. Pemasangan Git jika anda belum mempunyainya
-Semasa pemasangan, pastikan untuk memilih integrasi Windows Explorer > Git Bash

Langkah 2. (W10) Tekan Kekunci Windows + I untuk membuka panel kawalan anda dan cari “Mod Pembangun”, aktifkan on

Langkah 3. Muat turun Miniconda DI SINI. Muat turun Miniconda 3
-Pasang Miniconda di lokasi lalai. Pasang untuk semua pengguna.

Langkah 4. Klon repositori
-Klik kanan di lokasi yang anda inginkan dan pilih ‘Git Bash here’
-Masukkan git clone https://github.com/bes-dev/stable_diffusion.openvino
Sebagai alternatif, anda boleh memuat turunnya sebagai .zip Di Sini dan ekstrak

Langkah 5. Buka Anaconda Prompt (miniconda3).
Navigasi ke /stable-diffusion-v1-4-openvino di mana sahaja anda memuat turun menggunakan “cd” untuk melompat folder.
(Atau hanya taip “cd” diikuti dengan ruang dan kemudian seret folder ke dalam Anaconda prompt.)

Langkah 6. Masukkan arahan berikut ke dalam Miniconda untuk menyediakan persekitaran anda:

• 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
  Tunggu dengan sabar sementara sumber yang diperlukan dipasang, ini mungkin mengambil masa

Langkah 7. Muat turun skrip pyGUI
Ekstrak dan salin semua fail ke dalam folder utama /stable-diffusion-v1-4-openvino anda, dan tekan ganti pada sebarang konflik fail

Langkah 8. Muat turun peningkat RealESRGAN (versi linux)
Unzip dan letakkan folder di dalam /stable-diffusion-v1-4-openvino
Dan anda sudah selesai

Penggunaan

1. Buka prompt Miniconda dan navigasi ke /stable-diffusion-v1-4-openvino seperti sebelum ini
2. Taip conda activate vin (Anda perlu melakukan ini setiap kali anda menjalankan skrip)
3. Taip python pygui.py

PERSIAPAN PERTAMA KALI
Pergi ke Tetapan -> Konfigurasi dalam GUI
-Tekan [?] untuk membuka pelayar fail dan pautkan executable RealESRGAN dengan menekan ‘buka’
-Pautkan fail demo.py anda dari folder openvino dengan cara yang sama
-Tambah laluan ke executable Python anda, ia seharusnya C:\ProgramData\Miniconda3\python.exe
-Tekan simpan

Generasi

• Pergi ke Antrian -> Tambah Item untuk memasukkan prompt baru
• Atau Antrian -> Pulihkan Item untuk memuatkan prompt terakhir yang anda masukkan
  Prompt: Kata kunci yang menerangkan apa yang anda mahu, berikan penerangan untuk hasil terbaik
  Unprompt: Kata kunci yang menerangkan apa yang anda tidak mahu dalam imej anda
  Output: Laluan output dan nama output .png anda
  Imej: Img2Img, pilih fail imej untuk membuat variasinya
  Langkah: Berapa banyak iterasi yang harus dilakukan untuk output. Lebih = lebih baik. 35-55 adalah titik manis. >75 adalah berlebihan
  Seed: Seed untuk output, rawak secara lalai
  Peningkatan: Pilih bagaimana anda mahu imej anda dipertingkatkan
  Konfigurasi: Simpan maklumat tentang output anda

Links/Nota

• Jika anda mendapat ralat versi Python dengan 3.10 dan tidak mahu mempunyai pemasangan yang bertentangan, cuba versi mudah alih Winpython 3.9
• Anda boleh mengantri Beberapa prompt yang berbeza untuk dijalankan satu demi satu.
  Ini boleh menjadi sangat mudah kerana anda tidak perlu menunggu output selesai untuk memasukkan prompt baru)
• Jika anda tidak memilih folder output, mereka akan dikeluarkan di /appdata/local/tmp. Tekan ‘simpan sebagai’ supaya anda tidak kehilangannya)
• Jika output anda menjadi tidak biasa lambat (10-15+ minit),
  kemungkinan had RAM anda telah melebihi dan SD menggunakan partition swap pada pemacu anda sebagai RAM sementara. (Masalah biasa dengan 8gb)
  Tutup semua program lain dan bebaskan lebih banyak memori
• Stable Diffusion openVINO Github
• Halaman Stable Diffusion openVINO
• Halaman Litechan
• Peningkat Progrock (serasi dengan openVINO)

–KECEPATAN PER HASIL–
(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