mirror of
https://github.com/modelscope/DiffSynth-Studio.git
synced 2026-03-18 22:08:13 +00:00
85 lines
3.9 KiB
Markdown
85 lines
3.9 KiB
Markdown
# GPU/NPU 支持
|
||
|
||
`DiffSynth-Studio` 支持多种 GPU/NPU，本文介绍如何在这些设备上运行模型推理和训练。
|
||
|
||
在开始前，请参考[安装依赖](/docs/zh/Pipeline_Usage/Setup.md)安装好 GPU/NPU 相关的依赖包。
|
||
|
||
## NVIDIA GPU
|
||
|
||
本项目提供的所有样例代码默认支持 NVIDIA GPU，无需额外修改。
|
||
|
||
## AMD GPU
|
||
|
||
AMD 提供了基于 ROCm 的 torch 包，所以大多数模型无需修改代码即可运行，少数模型由于依赖特定的 cuda 指令无法运行。
|
||
|
||
## Ascend NPU
|
||
### 推理
|
||
使用 Ascend NPU 时，需把代码中的 `"cuda"` 改为 `"npu"`。
|
||
|
||
例如，Wan2.1-T2V-1.3B 的推理代码：
|
||
|
||
```diff
|
||
import torch
|
||
from diffsynth.utils.data import save_video, VideoData
|
||
from diffsynth.pipelines.wan_video import WanVideoPipeline, ModelConfig
|
||
from diffsynth.core.device.npu_compatible_device import get_device_name
|
||
|
||
vram_config = {
|
||
"offload_dtype": "disk",
|
||
"offload_device": "disk",
|
||
"onload_dtype": torch.bfloat16,
|
||
"onload_device": "cpu",
|
||
"preparing_dtype": torch.bfloat16,
|
||
- "preparing_device": "cuda",
|
||
+ "preparing_device": "npu",
|
||
"computation_dtype": torch.bfloat16,
|
||
- "computation_device": "cuda",
|
||
+ "computation_device": "npu",
|
||
}
|
||
pipe = WanVideoPipeline.from_pretrained(
|
||
torch_dtype=torch.bfloat16,
|
||
- device="cuda",
|
||
+ device="npu",
|
||
model_configs=[
|
||
ModelConfig(model_id="Wan-AI/Wan2.1-T2V-1.3B", origin_file_pattern="diffusion_pytorch_model*.safetensors", **vram_config),
|
||
ModelConfig(model_id="Wan-AI/Wan2.1-T2V-1.3B", origin_file_pattern="models_t5_umt5-xxl-enc-bf16.pth", **vram_config),
|
||
ModelConfig(model_id="Wan-AI/Wan2.1-T2V-1.3B", origin_file_pattern="Wan2.1_VAE.pth", **vram_config),
|
||
],
|
||
tokenizer_config=ModelConfig(model_id="Wan-AI/Wan2.1-T2V-1.3B", origin_file_pattern="google/umt5-xxl/"),
|
||
- vram_limit=torch.cuda.mem_get_info("cuda")[1] / (1024 ** 3) - 2,
|
||
+ vram_limit=torch.npu.mem_get_info(get_device_name())[1] / (1024 ** 3) - 2,
|
||
)
|
||
|
||
video = pipe(
|
||
prompt="纪实摄影风格画面，一只活泼的小狗在绿茵茵的草地上迅速奔跑。小狗毛色棕黄，两只耳朵立起，神情专注而欢快。阳光洒在它身上，使得毛发看上去格外柔软而闪亮。背景是一片开阔的草地，偶尔点缀着几朵野花，远处隐约可见蓝天和几片白云。透视感鲜明，捕捉小狗奔跑时的动感和四周草地的生机。中景侧面移动视角。",
|
||
negative_prompt="色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸形的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走",
|
||
seed=0, tiled=True,
|
||
)
|
||
save_video(video, "video.mp4", fps=15, quality=5)
|
||
```
|
||
|
||
### 训练
|
||
当前已为每类模型添加NPU的启动脚本样例，脚本存放在`examples/xxx/special/npu_training`目录下，例如 `examples/wanvideo/model_training/special/npu_training/Wan2.2-T2V-A14B-NPU.sh`。
|
||
|
||
在NPU训练脚本中，添加了可以优化性能的NPU特有环境变量，并针对特定模型开启了相关参数。
|
||
|
||
#### 环境变量
|
||
```shell
|
||
export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True
|
||
```
|
||
`expandable_segments:<value>`: 使能内存池扩展段功能，即虚拟内存特征。
|
||
|
||
```shell
|
||
export CPU_AFFINITY_CONF=1
|
||
```
|
||
设置0或未设置: 表示不启用绑核功能
|
||
|
||
1: 表示开启粗粒度绑核
|
||
|
||
2: 表示开启细粒度绑核
|
||
|
||
#### 特定模型需要开启的参数
|
||
| 模型 | 参数 | 备注 |
|
||
|-----------|------|-------------------|
|
||
| Wan 14B系列 | --initialize_model_on_cpu | 14B模型需要在cpu上进行初始化 |
|
||
| Z-Image 系列 | --enable_npu_patch | 使用NPU融合算子来替换Z-image模型中的对应算子以提升模型在NPU上的性能 | |