Stable Diffusion AI算圖使用手冊（2-3）：NVIDIA正式推出TensorRT運算框架，Checkpoint與LoRA皆可加速

NVIDIA推出支援Stable Diffusion WebUI的TensorRT運算框架最佳化外掛程式，能夠明顯提升圖像生成的速度。

外掛程式安裝與模型轉換

為了要獲得加速的效果，使用者需要完成TensorRT運算框架最佳化外掛程式的安裝，以及Checkpoint或LoRA等模型轉換等前置工作，才能在算圖時發揮加速的效果。

• 延伸閱讀：
• Stable Diffusion AI算圖使用手冊系列文章目錄
• NVIDIA顯示卡搭配TensorRT運算框架，Stable Diffusion AI算圖效能在有指定件下飆達近3倍

根據NVIDIA的說明，目前外掛程式正式版支援Stable Diffusion 1.5 / 2.1，且可支援套用LoRA小模型與Hires. Fix功能，如果想要使用SDXL版本的模型，則需切換至Stable Diffusion WebUI的Dev分支。由於NVIDIA說明未來會正式將SDXL納入支援，所以目前我們就暫時不討論搶先試用開發中版本的部分。

不過需要注意的是，目前TensorRT外掛程式僅可套用1組LoRA，若套用多組則僅於sd_unet選單指定的單一LoRA有效，造成比較大的使用限制，未來若能支援多組LoRA則可大幅提升方便性。

外掛程式安裝與模型轉換請參考下列圖文說明。其中建議讀者在轉換過程中展開自定選項，並根據需求修改參數。如果需要使用Hires. Fix功能，則需將解析度參數的範圍設定大於目標生成圖像的解析度。

進階設定說明
Min / Optimal / Max batch-size：最小 / 最佳 / 最大批次算圖數量。若顯示記憶體為10GB以下，建議設定為1。若為16GB以上，則可嘗試1~4等數值。
Min / Optimal / Max height：最小 / 最佳 / 最大解析度高度。建議設定512~2048，以利使用Hires. Fix功能。
Min / Optimal / Max width：最小 / 最佳 / 最大解析度寬度。建議設定512~2048。
Min / Optimal / Max prompt token count：最小 / 最佳 / 最大提示詞數量。建議設定75~300。

▲ 外掛程式的安裝相當簡單。開啟Stable Diffusion WebUI介面後，先至Extensions頁面並選擇Install from URL，在URL欄位輸入「https://github.com/NVIDIA/Stable-Diffusion-WebUI-TensorRT」，並按下Install即可。

▲ 接下來到Setting頁面，找到Quicksettings list項目，手動輸入「sd_unet」。完成這2步後，完全關閉Stable Diffusion WebUI再重新開啟。

▲ 目前筆者在開啟程式時會跳出4個缺少檔案的錯誤訊息，但是檢查後檔案都存在。由於不影響後續操作，故略過這些錯誤訊息。

▲ 重新啟動Stable Diffusion WebUI之後，進入TensorRT標籤下的TensorRT Exporter標籤，在左上角然後選擇Stable Diffusion Checkpoint下拉式選單選擇要轉換的模型，建議在Preset下拉式選單選擇「768x768 - 1024x1024 | Batch Size 1-4 (Dynamic)」，並點選Advanced Settings展開進階設定。

▲ 進階設定的參考畫面，可依需求調整設定。

▲ 設定完成後點擊下方Export Engine按鈕，並等待轉換工作完成。

▲ LoRA的轉換工作比較簡單，進入TensorRT標籤下的TensorRT LoRA標籤，一樣需要在Stable Diffusion Checkpoint選擇要轉換的模型，並在LoRA Model下拉式選單選擇搭配的LoRA，之後點擊Convert to TensorRT按鈕。

可正確啟用1組LoRA

完成前置作業後，使用者只需在Unet下拉式選單中選取指定的Checkpoint或LoRA模型，其餘設定皆依照一般圖像生成即可。

需要注意的是，無論是否使用Hires. Fix功能，在放大前、後的解析度都必需設定為64的整數倍（例如768 x 512，或1920 x 1280），而且需要小於轉換模型時的設定值。

要使用LoRA的話，則需在Unet下拉式選單指定的LoRA，且僅有該組LoRA會在圖像生成時產生作用。若在提示詞中寫入其他LoRA，雖然照樣能夠完成圖像生成並輸出，但該部分提示詞就不會產生作用。

▲ 如果想要啟用TensorRT，需要在SD Unet下拉式選單中選取指定的Checkpoint或LoRA模型，需要注意只能選擇1組LoRA，其他於提示詞中加入的LoRA不會生效。另一方面，如果要使用Hires. Fix功能的話，放大後的解析度不能超過轉換模型時的設定值。

▲ 若一切設定正常，在算圖時就可看到Activating unst : [TRT]的訊息。

▲ 經測試驗證，正式版TensorRT外掛程式能夠正確啟用LoRA小模型與Hires. Fix功能。

▲ 在實際測試中，可以看到原有的xFormer可以提升約58%算圖速度，而TensorRT可以提升146%速度，效果更顯著。

▲ 不過在使用Hires. Fix功能時，xFormer與TensorRT的效能表現卻差不多。

從測試結果可以看到，TensorRT能在不使用Hires. Fix功能時帶來明顯的加速效果，而在使用時則沒什麼幫助。

與之前的開發中版本相比，這次使用的版本已經可以正確發揮LoRA小模型的效果已經能發揮更大的實用價值，若能套過多組LoRA並提升Hires. Fix效能，則可帶來更大的便利。

（回到Stable Diffusion AI算圖系列文章目錄）