👉点击这里申请火山引擎VIP帐号，立即体验火山引擎产品>>>
本文主要介绍如何在云服务器实例中部署Stable Diffusion XL Turbo模型，并使用CPU加速文生图推理。
功能特色
本实践使用了火山引擎第3代云服务器通用型g3i，该规格实例采用火山引擎自研最新DPU架构并搭载了第5代英特尔®至强®可扩展处理器（Emerald Rapids，EMR），结合新一代硬件AI加速指令AMX-BF16（Intel Advanced Matrix Extensions）以及基于其上的IPEX框架优化，实现了系统级优化方案来加速SDXL-Turbo模型的文生图推理速度。
背景信息
IPEX
Intel® Extension for PyTorch（IPEX）是由Intel开源并维护的一个PyTorch扩展库，大幅度提升了使用PyTorch在Intel处理器上运行AI应用，尤其是深度学习应用的性能。Intel正不断为PyTorch贡献IPEX的优化性能，为PyTorch社区提供最新的Intel硬件和软件改进。更多信息，请参见IPEX。
SDXL-Turbo模型
本实践使用的推理模型为SDXL-Turbo（Stable Diffusion XL Turbo），该模型是Stability AI在Stable Diffusion基于SDXL 1.0的蒸馏（Distillation）版本，专为实时合成的文生图场景服务。该模型能够确保即使在一到两个采样步骤，也能保持高的图片质量。
更多模型相关的信息可参考：SDXL-Turbo。
操作步骤
步骤一：环境准备
创建搭载了第5代英特尔®至强®可扩展处理器（Emerald Rapids，EMR）实例，详细操作请参见购买云服务器。
创建实例时，请注意以下配置：
实例规格：本文选择通用型g3i（ecs.g3i.8xlarge）规格。
云盘：推荐云盘容量不低于60GiB。
镜像：本文选择Ubuntu 22.04 LTS 64位。
网络：需要绑定公网IP，操作详情可查看绑定公网IP。
为目标实例安装Docker，详细操作请参见搭建Docker。
说明
请确保Docker版本不低于19.03，且DOCKER_BUILDKIT=1。
步骤二：部署SDXL-Turbo模型
登录目标实例。
下载SDXL-Turbo模型。
执行如下命令，创建存放模型的目录。
mkdir models
执行如下命令，进入该目录。
cd models/
下载所需工具与模型。
说明
本文通过huggingface 镜像站下载模型，您也可以前往huggingface 官网进行下载。
pip install -U huggingface_hub hf_transferHF_ENDPOINT=https://hf-mirror.com HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download --resume-download stabilityai/sdxl-turbo --local-dir sdxl-turbo --local-dir-use-symlinks=False
将如下文件上传至在SDXL-Turbo模型同级目录下。操作详情可查看本地数据上传。
Dockerfile
run_local.sh
sd_pipe_sdxl_turbo.py
说明
本实践使用Intel提交的diffusers库，详情可查看Stable Diffusion XL on IPEX。
pipeline_stable_diffusion_xl_ipex.py
说明
本文件内容参考huggingface的pipeline_stable_diffusion_xl_ipex.py文件编写，您可以参考官方示例自行修改。
完成上传后，文件结构如下如图所示。
在Dockerfile文件同级目录下，执行如下命令，制作Docker镜像。
docker build -t sdxl:v1 .
执行如下命令，运行Docker。
docker run --name sdxl --privileged=true -v /root/models:/models -it sdxl:v1 bash
步骤三：运行SDXL-Turbo模型
登录目标实例。
在容器sdxl的交互模式中，执行如下命令，进入模型目录。
cd sdxlturbo
执行如下命令，通过脚本进行文生图推理测试。
sh run_local.sh
生成图片示例：
在Docker容器中，推理生成的图片将以saved_pic0ite$Nubmer$.png格式命名。
后续您可以使用如下命令，继续文生图推理。
numactl --localalloc --physcpubind=48-71 python sd_pipe_sdxl_turbo.py --height 512 --width 512 --repeat 11 --step 4 --bf16 --prompt "A spaceship traveling through the stars. highly detailed, 8k"
参数说明
numactl命令参数
参数名 | 说明 | 取值样例 |
--localalloc | 指定使用本地内存分配器，而不是默认的系统内存分配器。 | - |
--physcpubind | 指定物理CPU的绑定范围，以提高程序的运行效率。 | 48-71 |
模型运行参数
参数名 | 说明 | 取值样例 |
--bf16 | 表示是否启用BF16精度模式。 说明
| --bf16 |
--batch | int，表示批处理大小，默认值为1。 | 1 |
--height | int，表示图像高度，单位像素，默认值为512。 说明 支持与推荐的高、宽值，可参考width-and-height。 | 512 |
--width | int，表示图像宽度，单位像素，默认值为512。 说明 支持与推荐的高、宽值，可参考width-and-height。 | 512 |
--step | int，表示旋转循环的步长，默认值为4。 | 4 |
--repeat | int，表示推断的重复次数，默认值为3。 | 11 |
--prompt | String，表示生成图片的内容，默认值为beautiful beach with white sands, trophical island, coconat tree, a beautiful boat on the beach, moon night, 8k。 | A spaceship traveling through the stars. highly detailed, 8k |
性能说明
测试数据
本节展示了使用ecs.g3i.8xlarge规格实例，通过Stable Diffusion XL Turbo模型生成不同分辨率与数据精度图片的耗时信息。
说明
下表测试数据仅做参考，实际数据可能会因您的操作环境而发生变化，请以实际情况为准。
实例规格 | 数据精度 | 参数 | 单次平均耗时 （512x512） | 单次平均耗时 （1024x1024） |
ecs.g3i.8xlarge （32 vCPU 128 GiB） | BF16 | batch: 1 step: 4 | 1.36s | 5.05s |
FP32 | batch: 1 step: 4 | 4.86s | 17.37s |
测试结论
在搭载英特尔EMR处理器的ecs.g3i.8xlarge规格实例中，根据本实践调整后的文生图模型，可通过使能高级矩阵扩展加速引擎（AMX指令集）有效加速推理速度，最快可达 0.735 images/s，实现秒级生图性能。与未使用或不支持AMX指令集加速的实例相比，其文生成图性能可提升293% ~ 388%。
因此，在追求性价比、丰富实例资源场景下，您可以使用搭载英特尔EMR处理器的实例规格（例如通用型g3i）代替GPU实例，通过系统级加速方案获取最优性价比的高效文生图服务。
