背景
上一篇中，我们使用了 PAI-Blade 优化了 diffusers 中 Stable Diffusion 模型。本篇，我们继续介绍使用 PAI-Blade 优化 LoRA 和 Controlnet 的推理流程。相关优化已经同样在 registry.cn-beijing.aliyuncs.com/blade_demo/blade_diffusion镜像中可以直接使用。同时，我们将介绍 Stable-Diffusion-webui 中集成 PAI-Blade 优化的方法。
LoRA优化
PAI-Blade优化LoRA的方式，与前文方法基本相同。包括：加载模型、优化模型、替换原始模型。以下仅介绍与前文不同的部分。
首先，加载Stable DIffusion模型后，需要加载LoRA权重。
pipe.unet.load_attn_procs("lora/")
使用LoRA时，用户可能需要切换不同的LoRA权重，尝试不同的风格。因此，PAI-Blade需要在优化配置中，传入freeze_module=False，使得优化过程中，不对权重进行编译优化，从而不影响模型加载权重的功能。通过这种方式，PAI-Blade优化后的模型，依然可以使用pipe.unet.load_attn_procs()方式加载LoRA的权重，而不需要重新编译优化。
由于模型权重未进行优化流程，一些对常量的优化无法进行，因此会损失部分优化空间。为了解决性能受损的问题，PAI-Blade中，使用了部分patch，对原始模型进行python层级的替换，使得模型更适合PAI-Blade优化。通过在优化前，使用 torch_blade.monkey_patch优化 Stable Diffusion 模型中的 unet和vae部分，能更好的发挥PAI-Blade能力。
from torch_blade.monkey_patch import patch_utils
patch_utils.patch_conv2d(pipe.vae.decoder)
patch_utils.patch_conv2d(pipe.unet)
opt_cfg = torch_blade.Config()
...
opt_cfg.freeze_module = False
with opt_cfg, torch.no_grad():
...如果没有LoRA权重切换的需求，可以忽略上述步骤，获得更快的推理速度。
Benchmark
我们在A100/A10上测试了上述对LoRA优化的结果，测试模型为 runwayml/stable-diffusion-v1-5，测试采样步数为50。
ControlNet适配
根据 ControlNet 的模型结构图以及diffusers中ControlNet实现，可以将ControlNet的推理分为两部分。
- ControlNet部分，其input blocks和 mid block 结构与Stable DiffusionUnet的前半部分相同，剩余部分为卷积。ControlNet所有输出传入到Stable DIffusion的Unet中，作为输入；
- Stable Diffusion 的Unet除了原始输入外，额外增加了ControlNet的输出作为输入。
根据上述特点，我们可以做出以下的优化：
首先，优化ControlNet，
controlnet = torch_blade.optimize(pipe.controlnet, model_inputs=tuple(controlnet_inputs), allow_tracing=True)在优化unet模型时，由于torch2.0之前的版本，torch.jit.trace不支持使用dict作为输入，所以我们使用Wrapper包装Unet后便于trace和优化。同时，使用优化后的ControlNet执行一次推理，将其输出添加到Unet输入中。
class UnetWrapper(torch.nn.Module):
def __init__(self, unet):
super().__init__()
self.unet = unet
def forward(
self,
sample,
timestep,
encoder_hidden_states,
down_block_additional_residuals,
mid_block_additional_residual,
):
return self.unet(
sample,
timestep,
encoder_hidden_states=encoder_hidden_states,
down_block_additional_residuals=down_block_additional_residuals,
mid_block_additional_residual=mid_block_additional_residual,
)
...
down_block_res_samples, mid_block_res_sample = controlnet(*controlnet_inputs)
unet_inputs += [tuple(down_block_res_samples), mid_block_res_sample]
unet = torch_blade.optimize(UnetWrapper(pipe.unet).eval(), model_inputs=tuple(unet_inputs), allow_tracing=True)结合上述功能，可以同时实现：
- LoRA权重替换；
- ControlNet权重替换，来使用不同ControlNet model。
benchmark
我们在A100/A10上测试了上述对ControlNet优化的结果，测试模型为 runwayml/stable-diffusion-v1-5，测试采样步数为50。
小结
在上述部分，我们使用了PAI-Blade优化了Stable DIffusion模型的encoder、unet、decoder部分，大幅降低推理延时的同时，减少了显存占用，从而降低Stable DIffusion模型推理成本。同时，PAI-Blade支持了LoRA、ControlNet等常用功能，扩展了PAI-Blade的实用性。
webui适配
stable-diffusion-webui 是 Stable DIffusion非常热门的应用，PAI-Blade 同样提供了对其优化支持。目前，PAI-Blade已经支持了模型权重切换、LoRA、ControlNet等webui中常用的功能，同时通过 extension 的形式集成，可以便于用户使用。目前，相关优化已经集成到 PAI-EAS 的 eas-registry.cn-hangzhou.cr.aliyuncs.com/pai-eas/sdwebui-inference:0.0.2-py310-gpu-cu117-ubuntu2204-blade 镜像，可以通过PAI_EAS直接体验PAI-Blade的优化能力。
下面介绍该插件中，PAI-Blade在webui中优化方式和性能。webui优化原理与diffusers大致相同，以下是几个主要不同点：
分模块优化Unet和ControlNet
由于webui中，ControlNet需要逐个调用Unet的子模块，为了兼顾ControlNet，PAI-Blade并没有像diffusers中一样，优化整个Unet和ControlNet。而是采取逐个子模块优化的方法，将Unet、ControlNet中所有的down blocks、 mid block、up blocks分别进行优化和替换。经过测试，此种优化方式几乎不影响模型推理速度。
不冻结权重
webui的网页上，可以快捷的切换模型权重。因此，PAI-Blade采取和diffusers中LoRA优化同样的方法，不对权重进行优化。
LoRA优化
webui中，多个LoRA会逐个调用LoRA计算，计算时间随LoRA数量增多而变长。PAI-Blade 在加载LoRA权重时，将多个LoRA的权重与scale预先fuse，减少了运行时的开销。加载和fuse的开销，经测试可忽略不计。
Benchmark
我们在A10上测试了webui中，Stable DIffusion V1 模型在 batch size为1，分辨率为512*512条件下的推理速度。由于webui中涉及到网络传输等模型无关部分的延迟，因此本部分只测试了模型部分耗时。结果如下：
由该表可知，webui在eager和xformers模式下，推理时间随LoRA数量增加而延长，而PAI-Blade将所有LoRA的权重融合到基础模型，所以推理时间与LoRA数量无关。
总结
这两篇文章中，我们介绍了PAI-Blade 在Stable DIffusion模型上的优化经验，目前已经支持了Diffusers和Stable-DIffusion-webui 两种主流推理方式。
我们调研了相关公开的竞品对Stable Diffusion的支持情况，结果如下：
根据公开性能数字和业务实测，PAI-Blade对Stable DIffusion模型，不仅支持最为全面，同时性能和显存使用也是最佳水平。
本文为阿里云原创内容，未经允许不得转载。