又一个开源第一！飞桨联合百舸，Stable Diffusion推理速度遥遥领先

AIGC(AI Generated Content)，即通过人工智能方法生成内容，是当前深度学习最热门的方向之一。其在绘画、写作等场景的应用也一直层出不穷，其中，AI 绘画是大家关注和体验较多的方向。

Diffusion系列文生图模型可以实现 AI 绘画应用，其一经推出就受到广泛关注，开启了一波“全民调教 AI 作画”的潮流，激起了大量的应用需求。与此同时，百度推出的知识增强跨模态大模型——文心ERNIE-ViLG 2.0在 AI 作画领域取得新突破。该模型在文本生成图像公开权威评测集 MS-COCO 和人工盲评上均超越了 Stable Diffusion、DALL-E 2等模型，当前在该领域取得了最好的效果，在语义可控性、图像清晰度、中国文化理解等方面均展现出了显著的优势。

开发者和科技爱好者可以将文心ERNIE-ViLG 2.0 API（wenxin.baidu.com/ernie-vilg）灵活方便地集成到产品中。同时，基于文心ERNIE-ViLG 2.0大模型，百度也推出 AI 艺术与创意辅助平台——文心一格（yige.baidu.com），以满足更多的人在 AI 作画方面的需求。

向右滑动查看文心一格模型效果图～

AI绘画模型推理算力及显存需求随图像分辨率增大而指数级增加，同时图像生成需要循环采样数十次，产业落地动辄需要高昂成本的部署集群，严重阻碍了 AIGC模型大规模商业化落地。为此，百度飞桨一直致力于大模型的训练、压缩、推理端到端优化，实现低成本的模型部署上线，助力 AIGC模型快速产业落地。

飞桨深度优化的 Stable Diffusion模型，在单卡NVIDIA A100(80G)上推理速度和显存利用率全面超越同类产品，取得业界第一的领先优势。百度自研中文 AI绘画ERNIE-ViLG模型，在昆仑芯R200(32GB)卡上推理，全面超越同系列主流推理卡，并已成功批量部署于文心一格创意平台。

▎GPU 推理性能数据

下图展示了分别使用 PaddlePaddle、TensorRT、AITemplate和Diffusers（PyTorch）4种深度学习框架或推理引擎对 Stable Diffusion 进行推理时的性能表现。可以看出，基于 PaddlePaddle 对 Stable Diffusion 进行推理时，512*512图像生成速度68.2 iters/s，实现0.76s 出图。其推理速度是 Diffusers（PyTorch）的4倍，比 TensorRT 最优速度快7.9%，同时显存占用仅为 TensorRT 的43%。

▎昆仑芯R200性能数据

昆仑芯R200性能数据在 dpm-25steps算法下，生成1024*1024图像时的推理速度相比同能力的主流推理卡快20%。同时，R200拥有32G 显存，能够生成更高分辨率的图片，可以推理更大的模型，为用户带了高性价比的选择。

不同硬件跑ERNIE-ViLG的推理速度及显存占用对比

向右滑动查看飞桨Stable Diffusion模型效果图～

▎快速体验

Stable Diffusion训练推理全流程已在飞桨扩散模型工具箱中开源

• 参考链接

https://github.com/PaddlePaddle/PaddleNLP/tree/develop/ppdiffusers

同时，对于飞桨Stable Diffusion 在 GPU 和昆仑芯上的高性能部署，FastDeploy部署工具已经提供了开箱即用的部署体验。

• 参考链接

https://github.com/PaddlePaddle/FastDeploy/tree/develop/examples/multimodal/stable_diffusion

与此同时，随着大模型应用的不断出圈，AIGC 相关的应用落地需求也不断激增，因此，百度百舸联合飞桨团队将飞桨训推大模型的能力优势与 AI 加速组件 AIAK（AI Accelerate Kit）完美融合，形成全新产品“飞桨云原生大模型开发工具”，显著提升了云用户大模型任务的开发和部署效率，并加速了生成式 AI 的工程化落地。作为业界首个经过全流程验证的大模型开发工具，飞桨云原生大模型开发工具不仅拥有更极致的性能，还可以让开发者体验到千亿大模型的的分布式训练和推理功能。

▎备注说明

   ■ 百度百舸

AI 异构计算平台，包含 AI计算、AI存储、AI加速、AI容器四大核心套件，具有高性能、高弹性、高速互联、高性价比等特性。充分汲取了百度异构计算平台多年的技术积累，深度融合推荐、无人驾驶、生命科学、NLP 等场景的实践经验，能为 AI 场景提供软硬一体解决方案，加速 AI 工程化落地。

   ■ AIAK

结合飞桨与百度云百舸整体方案优势联合推出的 AI 加速套件，用来加速基于飞桨等深度学习框架开发的 AI 应用，能极大提升分布式训练和推理的性能，大幅增加异构资源使用效率。

   ■ 飞桨云原生大模型开发工具

业界首个经过全流程完整验证的大模型开发工具，支撑 GPT-3、Bloom、Stable Diffusion 等多个大模型训练、微调、压缩、推理的流畅开发体验。

 01 

 性能优化核心解读 

飞桨原生推理库Paddle Inference 的领先效果、基于飞桨框架领先的架构设计和针对 Stable Diffsuion模型的深度优化，主要体现在如下几个方面：

▎Flash Attention

飞桨一直致力于大模型推理优化，支持多种通用 Transformer 类结构的高性能推理优化。在 Stable Diffusion模型推理中，飞桨集成的高性能的 Flash Attention kernel，通过将 attention 中的 softmax计算进行拆解、分片计算，大量减少推理过程中 self-attention 和 cross-attention计算对显存的访问次数，同时实现了推理加速和显存优化。

▎Norm融合

Norm 是 Stable Diffusion 中 U-Net 常用算子，主要分为 LayerNorm 和 GroupNorm。LayerNorm 和 GroupNorm算子作为批规约运算，能够很好地和前后的 elementwise 类型、激活类型算子进行融合，消除算子间的显存访问。飞桨对 LayerNorm 和 GroupNorm 与前后算子的4种不同 pattern 进行了融合，共融合了93个 Norm结构，提升了3%的推理性能。

▎混合 Layout 计算

通过对模型张量排布匹配优化，支持不同的 Layout 消除和合并 U-Net 中的转置操作，提高了推理速度同时也能降低了运行显存占用，共减少了32次转置操作，带来了3~4%的推理性能提升。

▎Scheduler 优化

对 PPDiffusers库中的 scheduler 运算逻辑进行了重新整合梳理，将 scheduler.step 中的 GPU 算子发射数量由约12个减小至7个，同时通过参数预计算的方法，消除了采样循环中 scheduler运算的 CPU 计算以及 GPU 同步开销。

▎推理显存优化

经过飞桨框架的算子融合引擎处理，Stable Diffusion模型中 U-Net模型的独立算子数量减少60%，显存占用下降27%。针对 U-Net模型的 Layout 优化消除了转置变换带来的额外显存消耗，能够使整体显存占用降低约19%。同时，针对 ERNIE-ViLG 2.0文心AI作画大模型，飞桨框架提供了推理 workspace 复用技术，使 ERNIE-ViLG 2.0模型显存占用下降37%，极大降低了 ERNIE-ViLG 2.0文心AI作画大模型的部署成本。

基于飞桨原生推理库Paddle Inference 的高性能架构设计，结合上述优化点，飞桨Stable Diffusion模型能实现在单卡80G A100(SXM4)上，512*512分辨率生成图像(50 iters)推理时延0.76s，推理速度达到68.2 iters/s，显存占用4.6G，显存占用方面和速度方面均为当前业界最优效果。

 02 

 后续工作 

飞桨在持续推进 AIGC模型、AI对话模型等大模型的优化，结合飞桨框架训推一体的核心能力，发布更多训练、压缩、推理端到端优化的高性能产业级大模型，并持续打磨部署端到端方案，助力大模型更全面产业化，欢迎各位开发者持续关注或反馈需求和建议。