JAX/Flax
[[open-in-colab]]
🤗 Diffusers 支持 Flax,可以在 Google TPU 上进行超快的推理,例如在 Colab、Kaggle 或 Google Cloud Platform 上可用的 TPU。本指南将向你展示如何使用 JAX/Flax 运行 Stable Diffusion 的推理。
在开始之前,请确保你已经安装了必要的库:
# uncomment to install the necessary libraries in Colab
#!pip install -q jax==0.3.25 jaxlib==0.3.25 flax transformers ftfy
#!pip install -q diffusers
你还应该确保使用的是 TPU 后端。虽然 JAX 并不只在 TPU 上运行,但你可以在 TPU 上获得最佳性能,因为每个服务器都有 8 个 TPU 加速器并行工作。
如果你在 Colab 中运行本指南,请在上方菜单中选择 Runtime,然后选择 Change runtime type,在 Hardware accelerator 设置中选择 TPU。导入 JAX 并快速检查你是否在使用 TPU:
import jax
import jax.tools.colab_tpu
jax.tools.colab_tpu.setup_tpu()
num_devices = jax.device_count()
device_type = jax.devices()[0].device_kind
print(f"Found {num_devices} JAX devices of type {device_type}.")
assert (
"TPU" in device_type,
"Available device is not a TPU, please select TPU from Runtime > Change runtime type > Hardware accelerator"
)
# Found 8 JAX devices of type Cloud TPU.
好的,现在你可以导入其余所需的依赖项:
import jax.numpy as jnp
from jax import pmap
from flax.jax_utils import replicate
from flax.training.common_utils import shard
from diffusers import FlaxStableDiffusionPipeline
加载模型
Flax 是一个函数式框架,因此模型是无状态的,参数存储在模型之外。加载预训练的 Flax 管道会返回 模型和模型权重(或参数)。在本指南中,你将使用 bfloat16
,这是一种更高效的半精度浮点类型,受 TPUs 支持(你也可以使用 float32
以获得全精度)。
dtype = jnp.bfloat16
pipeline, params = FlaxStableDiffusionPipeline.from_pretrained(
"CompVis/stable-diffusion-v1-4",
variant="bf16",
dtype=dtype,
)
推理
TPU 通常有 8 个设备并行工作,因此我们可以为每个设备使用相同的提示。这意味着你可以在 8 个设备上同时进行推理,每个设备生成一张图像。因此,你可以在与单个芯片生成一张图像相同的时间内获得 8 张图像!
在复制提示后,通过调用管道上的 prepare_inputs
函数获取分词后的文本 ID。分词后的文本长度设置为 77 个 tokens,这是底层 CLIP 文本模型的配置要求。
prompt = "A cinematic film still of Morgan Freeman starring as Jimi Hendrix, portrait, 40mm lens, shallow depth of field, close up, split lighting, cinematic"
prompt = [prompt] * jax.device_count()
prompt_ids = pipeline.prepare_inputs(prompt)
prompt_ids.shape
# (8, 77)
模型参数和输入必须在8个并行设备上进行复制。参数字典使用 flax.jax_utils.replicate
进行复制,该函数会遍历字典并改变权重的形状,使它们重复8次。数组使用 shard
进行复制。
# parameters
p_params = replicate(params)
# arrays
prompt_ids = shard(prompt_ids)
prompt_ids.shape
# (8, 1, 77)
这个形状表示每个设备接收一个形状为 (1, 77)
的 jnp
数组,其中 1
是每个设备的批量大小。在具有足够内存的 TPUs 上,如果你希望一次生成多个图像(每个芯片),你可以使用大于 1
的批量大小。
接下来,创建一个随机数生成器以传递给生成函数。这是 Flax 中的标准做法,Flax 对随机数的处理非常严格和有主见。所有处理随机数的函数都期望接收一个生成器,以确保可重复性,即使在多个分布式设备上进行训练时也是如此。
下面的辅助函数使用一个种子来初始化随机数生成器。只要你使用相同的种子,你将获得完全相同的结果。在后续的指南中探索结果时,可以自由使用不同的种子。
def create_key(seed=0):
return jax.random.PRNGKey(seed)
辅助函数,或 rng
,被拆分 8 次,以便每个设备接收一个不同的生成器并生成不同的图像。
rng = create_key(0)
rng = jax.random.split(rng, jax.device_count())
为了利用 JAX 在 TPU 上的优化速度,可以在管道中传递 jit=True
,将 JAX 代码编译成高效的表示形式,并确保模型在 8 个设备上并行运行。
第一次推理运行需要更多时间,因为它需要编译代码,但后续调用(即使输入不同)会快得多。例如,在 TPU v2-8 上编译需要超过一分钟,但之后的推理运行只需要大约 7秒!
%%time
images = pipeline(prompt_ids, p_params, rng, jit=True)[0]
# CPU times: user 56.2 s, sys: 42.5 s, total: 1min 38s
# Wall time: 1min 29s
返回的数组形状为 (8, 1, 512, 512, 3)
,需要重塑以移除第二个维度,从而得到 8 张 512 × 512 × 3
的图像。然后你可以使用 [~utils.numpy_to_pil
] 函数将数组转换为图像。
from diffusers.utils import make_image_grid
images = images.reshape((images.shape[0] * images.shape[1],) + images.shape[-3:])
images = pipeline.numpy_to_pil(images)
make_image_grid(images, rows=2, cols=4)
使用不同的提示
你不必在所有设备上使用相同的提示。例如,生成 8 个不同的提示:
prompts = [
"Labrador in the style of Hokusai",
"Painting of a squirrel skating in New York",
"HAL-9000 in the style of Van Gogh",
"Times Square under water, with fish and a dolphin swimming around",
"Ancient Roman fresco showing a man working on his laptop",
"Close-up photograph of young black woman against urban background, high quality, bokeh",
"Armchair in the shape of an avocado",
"Clown astronaut in space, with Earth in the background",
]
prompt_ids = pipeline.prepare_inputs(prompts)
prompt_ids = shard(prompt_ids)
images = pipeline(prompt_ids, p_params, rng, jit=True).images
images = images.reshape((images.shape[0] * images.shape[1],) + images.shape[-3:])
images = pipeline.numpy_to_pil(images)
make_image_grid(images, 2, 4)
并行化是如何工作的?
🤗 Diffusers 中的 Flax 管道会自动编译模型并在所有可用设备上并行运行。让我们更详细地看看这个过程是如何工作的。
JAX 并行化可以通过多种方式实现。最简单的方法是使用 jax.pmap
函数来实现单程序多数据(SPMD)并行化。这意味着运行多个相同代码的副本,每个副本处理不同的数据输入。更复杂的实现方式也是可能的,如果你感兴趣,可以查阅 JAX 文档 以深入了解这个主题!
jax.pmap
做了两件事:
- 编译(或“
jit
”)代码,类似于jax.jit()
。这不会在调用pmap
时发生,而是在第一次调用pmap
ped 函数时发生。 - 确保编译后的代码在所有可用设备上并行运行。
为了演示,我们可以在管道的 _generate
方法上调用 pmap
(这是一个生成图像的私有方法,可能会在未来的 🤗 Diffusers 版本中重命名或移除):
p_generate = pmap(pipeline._generate)
调用 pmap
后,准备好的函数 p_generate
将会:
- 在每个设备上复制底层函数
pipeline._generate
。 - 将输入参数的不同部分发送到每个设备(这就是为什么需要调用 shard 函数)。在这种情况下,
prompt_ids
的形状为(8, 1, 77, 768)
,因此数组被分成 8 份,每个_generate
的副本接收一个形状为(1, 77, 768)
的输入。
这里最重要的是要注意批量大小(在这个例子中为 1)和适合你代码的输入维度。你不需要做其他任何更改来使代码并行运行。
第一次调用管道会花费更多时间,但之后的调用会快得多。block_until_ready
函数用于正确测量推理时间,因为 JAX 使用异步调度,并在可以时立即将控制权返回给 Python 循环。你不需要在代码中使用它;当你需要使用尚未实现的计算结果时,阻塞会自动发生。
%%time
images = p_generate(prompt_ids, p_params, rng)
images = images.block_until_ready()
# CPU times: user 1min 15s, sys: 18.2 s, total: 1min 34s
# Wall time: 1min 15s
检查你的图片尺寸,看看它们是否正确:
images.shape
# (8, 1, 512, 512, 3)
资源
要了解更多关于 JAX 如何与 Stable Diffusion 配合使用,你可能对以下内容感兴趣: