diffusers/docs/source/zh/optimization/neuron.md

AWS Neuron

Diffusers 功能可在 AWS Inf2 实例上使用，这些是由 Neuron 机器学习加速器驱动的 EC2 实例。这些实例旨在提供更好的计算性能（更高的吞吐量、更低的延迟）和良好的成本效益，使其成为 AWS 用户将扩散模型部署到生产环境的良好选择。

Optimum Neuron 是 Hugging Face 库与 AWS 加速器之间的接口，包括 AWS Trainium 和 AWS Inferentia。它支持 Diffusers 中的许多功能，并具有类似的 API，因此如果您已经熟悉 Diffusers，学习起来更容易。一旦您创建了 AWS Inf2 实例，请安装 Optimum Neuron。

python -m pip install --upgrade-strategy eager optimum[neuronx]

Tip

我们提供预构建的 Hugging Face Neuron 深度学习 AMI（DLAMI）和用于 Amazon SageMaker 的 Optimum Neuron 容器。建议正确设置您的环境。

下面的示例演示了如何在 inf2.8xlarge 实例上使用 Stable Diffusion XL 模型生成图像（一旦模型编译完成，您可以切换到更便宜的 inf2.xlarge 实例）。要生成一些图像，请使用 [~optimum.neuron.NeuronStableDiffusionXLPipeline] 类，该类类似于 Diffusers 中的 [StableDiffusionXLPipeline] 类。

与 Diffusers 不同，您需要将管道中的模型编译为 Neuron 格式，即 .neuron。运行以下命令将模型导出为 .neuron 格式。

optimum-cli export neuron --model stabilityai/stable-diffusion-xl-base-1.0 \
  --batch_size 1 \
  --height 1024 `# 生成图像的高度（像素），例如 768, 1024` \
  --width 1024 `# 生成图像的宽度（像素），例如 768, 1024` \
  --num_images_per_prompt 1 `# 每个提示生成的图像数量，默认为 1` \
  --auto_cast matmul `# 仅转换矩阵乘法操作` \
  --auto_cast_type bf16 `# 将操作从 FP32 转换为 BF16` \
  sd_neuron_xl/

现在使用预编译的 SDXL 模型生成一些图像。

>>> from optimum.neuron import Neu
ronStableDiffusionXLPipeline

>>> stable_diffusion_xl = NeuronStableDiffusionXLPipeline.from_pretrained("sd_neuron_xl/")
>>> prompt = "a pig with wings flying in floating US dollar banknotes in the air, skyscrapers behind, warm color palette, muted colors, detailed, 8k"
>>> image = stable_diffusion_xl(prompt).images[0]

欢迎查看Optimum Neuron 文档中更多不同用例的指南和示例！