【SD腳本】渲染速度飆升10倍的腳本推薦！必備！

Hello 大家好 我是AI小王子 今天純純的大幹貨 我要手把手教大家 如何讓你在低配置顯卡的設備上 跑出高配置的效果和速度 放心啊 絲毫不會影響圖片的渲染質量 而且能讓你的出圖速度至少翻10倍 好多人出門在外 想做Stable Diffusion 但是發現自己的筆記本顯卡不夠好 或者使用的筆記本是核顯等一系列原因 一個普通的512x512的圖片 都要等2到5分鐘 效率非常的低 讓人很苦惱 那麼如何讓你的Stable Diffusion 出圖速度再上一層樓呢 今天5分鐘教會你 在正式講解之前 有幾個前提條件需要跟大家講解一下 第一 這個腳本只支持英特爾處理器下的設備 具體有哪些 大家可以到這個腳本的Github頁面去看一下 我們到這個頁面之後往下拉 這邊有個Supported Hardware Metrics 這邊有CPU GPU和GNA 如果你的CPU或者GPU是和這裏面有匹配的話 任何一個都可以啊 但就代表你可以調用這個腳本 本期教學實操用到的是聯想ThinkBook 16加 CPU是英特爾的13900H 擁有14核20線程 單核睿頻5.4GHz 且配備了96EU的銳矩XE核顯 如果你不清楚自己的配置 我們可以在屏幕的下邊任務欄右鍵 點擊任務管理器 然後我們找到性能 就可以看到我們的CPU是這個13900H 然後GPU是英特爾IRS XE Graphics 我們可以看這邊GPU IRS Graphics 所以我目前使用的筆記本是可以調用這個腳本的 今天呢給大家講解的腳本叫做 Accelerate with OpenVINO 它是英特爾開發的一個用於優化和部署AI推理的開源工具包 能高效提升AI的深度學習性能 首先我們要先確保我們的本地有Stable Diffusion 你可以是Automatic 1111部署 也可以是我視頻簡介下的OpenVINO安裝包啓動 目前是不支持秋葉的那個啓動器的 因爲啓動器上核顯默認只能使用CPU 無法調用這個腳本 關於Automatic 1111部署 可以看我的這期視頻教學 那麼自帶OpenVINO的安裝包可以到網盤上下載 我們打開這個網盤連接 我們就會看到這個安裝包 我們點進去之後呢 這四個文件全部都要下載 下載好之後呢 我們可以看到這四個文件 我們只需要點擊第一個SD下滑線Setup 這個應用程序我們雙擊打開一下 OK 它會問你現在將安裝Stable Diffusion Web UI with OpenVINO安裝包 你想要繼續嗎 是的 我們點擊是 OK 它會彈出來這個小框 這裏安裝的位置建議是固態硬盤 然後我們點擊下一步 然後是否創建桌面快捷方式 這裏建議大家創建一個 創建好之後就是這個樣子的 然後我們再次打開 我們雙擊它就直接進入到Web UI頁面了 我們點擊下一步 然後這邊確定好之後 我們點擊安裝 大家安裝好之後呢 就可以在桌面上看到這個文件 我們直接雙擊打開它 如果你這邊程序沒有放在你的桌面上的話 我們找到你安裝的那個盤 然後找到Stable Diffusion Demo 然後雙擊打開SD Back End這個文件 它跟這個是一樣的 在等它啓動的同時呢 如果你是Automatic111部署的話 我們還是回到GitHub這個腳本網站 然後點擊這個code 然後點擊Download ZIP 它會下載一個壓縮文件 下載好之後 把壓縮文件先給它解壓之後呢 我們找到我們的Automatic111的根目錄 然後進去呢之後 我們點擊這個scripts 然後我們把剛剛那個文件右鍵粘貼到這裏邊即可就好了 然後再衝去WebUI就可以看到那個腳本了 OK它啓動好之後 就會告訴你Stable Diffusion服務器啓動成功 現在就嘗試進行交互吧 我們點擊立即交互即可 這個時候它就會自動打開 安裝完成後 打開WebUI即可調用腳本 這裏我沒有選擇獨顯的筆記本的原因就是 考慮到很多人辦公基本都是輕薄本 並且13代酷睿的Xe核顯可以做到核顯加速 完成AIGC是足夠的 後面我也有測試給大家看一下效果 這個我們之後再說 先來看看幾個主要的重要設置 OK我們打開我們WebUI之後呢 往下拉這裏有個腳本 我們點擊這個腳本 然後找到Accelerate with OpenVINO 就是在這裏邊調用的 我簡單教大家怎麼理解這裏邊的參數 很簡單的 首先我們看第一個 Select a local config for the model from the configs directory of the webui root 由於HuggingFace這個網站 我們登錄的時候可能會受到限制 下載模型速度會很慢 這個功能就是讓你在使用StableDiffusion時 當遇到下載HuggingFace上的模型的時候 變得更加通暢 這裏會默認有4個YAML格式的文件 在文生圖下使用這個腳本的時候 默認使用第三個V1-Inference.YAML這個文件就行 然後下邊有個Select device 選擇你的配置 這個是此腳本的核心 根據自己本地配置來選擇 如果你剛剛看到那些CPUGPU是符合Github頁面的那些配置的話 這邊會自動有CPU和GPU讓你去選擇 如果這裏有GPU的話 一定要去選擇GPU 這樣才能調用英特爾的核顯 讓你的渲染速度會飆升10倍 接下來這個Override Sampling一定要勾選 這個是讓腳本覆蓋在上方的採樣器選擇 勾選後最終會以腳本的這個採樣器爲主 必須勾選的原因是什麼呢 因爲這個腳本目前只能識別到這個腳本下的這些採樣方式 假如說這邊你上面採樣方式選擇了DPM++2s 下邊選擇了Ura 最後是會以這個腳本下的採樣方式爲準 它會自動忽略上面這個採樣方法 如果你勾選這個的話 目前這個腳本只能兼容這些採樣器 最後這個Cache的Comply Modules 這個是保存腳本模型的緩存 這個選項也建議去勾選 這樣子再次調用這個腳本的時候 就不需要再加載一遍你的模型了 如果你是第一次安裝完這個腳本去出圖的話 加載會需要一定的時間 這個時間就是下載你模型的時間 第一次要耐心等待一下 這個和Control-9加載模型是一個道理 OK 接下來我們實操一下 帶大家體驗一下英特爾超強的核顯加速 看一下在英特爾13代酷睿加核顯的設備上 使用Stable Diffusion的效果 我們先不使用這個腳本 看一下512x512 20的採樣部署 採樣方式我們就用Euler A了 然後我們寫一下我們想要的關鍵詞 OK 寫好之後我們點擊生成 我們看一下需要多久 OK 跑完了 我們看一下這張圖用時正好是兩分鐘 那麼接下來我們調用一下這個腳本 這邊選擇GPU還是Euler A的採樣器 OK 我們再生成一下 看一下它的時間 OK 這個時候我們再看一下 用時只有24.2秒了 並不是剛剛的兩分鐘對不對 大家可以看出來 同樣的條件下 同樣的參數種子等等 調用了這個腳本之後 渲染速度有了質的提升 大家一定要下去試一試 接下來我們往下看 這邊有個注意事項 簡單跟大家講解一下 就是我剛剛講到 如果你是第一次使用這個腳本的 加載GPU模型將會需要一定時間 最終的渲染時間會比預想的要高很多 所以大家不要擔心 因爲它把第一次加載模型的時間 也會算上 你在第二次渲染的時候 就會發現它這個速度飆升到 超乎你的想象 這就是爲什麼上面的緩存建議大家勾選 要不你每次都要等一分鐘 去加載這個模型 然後還有一點就是 在更改分辨率大小的時候 比如批量大小 設備或採樣器的時候 再次渲染會重新加載模型 會需要一定的時間 就好比你第一次使用腳本一樣 不過同理 更改參數後 第二次渲染的速度就會快得很多 由於這個腳本是今年才發佈的 未來一定會有更多的功能和優化 我希望未來在更改參數的時候 無需再次加載模型 可以有更多的採樣方式讓用戶選擇 或者讓這個腳本可以在更多的插件上使用 比如說deform等 目前這個腳本可以在文生圖 圖稱圖這邊都可以調用 也希望這個腳本讓英特爾的 核顯處理器上實現更多的可能 讓每一個使用英特爾處理器的用戶 都可以使用核顯 就能更快更準更精確的渲染出每一張AI圖片 如果想讓AI普及到更多人 讓人類早些進入到AI大世界 降低AI的門檻是必要的 可以看到本期介紹的OpenVINO腳本 讓我們使用AI的門檻又降低了一個維度 讓大家在沒有獨立顯卡的輕薄本上 也可以輕鬆實現快速渲染 無需漫長的等待 或許在不久的將來 我們就能實現無需獨顯 充分利用開源社區裏大神們出的腳本插件 配合英特爾 核顯 硬件等實現 AI快速產出 我們拭目以待 今天就先講到這裏 follow me 讓你輕鬆掌控AI