SD1.5&SDXL Diffusers框架基于DevServer适配PyTorch NPU推理指导（6.3.908）

方案概览

本方案介绍了在ModelArts的DevServer上使用昇腾计算资源部署Diffusers框架用于推理的详细过程。完成本方案的部署，需要先联系您所在企业的华为方技术支持购买DevServer资源。

本方案目前仅适用于企业客户。

资源规格要求

推理部署推荐使用“西南-贵阳一”Region上的DevServer资源和Ascend Snt9B单机单卡。

约束与限制

• 支持Diffusers 0.29.2及以前版本。
• Cann版本支持cann_8.0.rc3。
• PyTorch版本支持2.1。

获取软件和镜像

步骤一 准备环境

1. 请参考DevServer资源开通，购买DevServer资源，并确保机器已开通，密码已获取，能通过SSH登录，不同机器之间网络互通。
   

   购买DevServer资源时如果无可选资源规格，需要联系华为云技术支持申请开通。

   当容器需要提供服务给多个用户，或者多个用户共享使用该容器时，应限制容器访问Openstack的管理地址（169.254.169.254），以防止容器获取宿主机的元数据。具体操作请参见禁止容器获取宿主机元数据。

2. 检查环境。
   1. SSH登录机器后，检查NPU设备检查。运行如下命令，返回NPU设备信息。

      npu-smi info

      如出现错误，可能是机器上的NPU设备没有正常安装，或者NPU镜像被其他容器挂载。请先正常安装固件和驱动，或释放被挂载的NPU。

   2. 检查docker是否安装。

      docker -v   #检查docker是否安装

      如尚未安装，运行以下命令安装docker。

      yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64

   3. 配置IP转发，用于容器内的网络访问。执行以下命令查看net.ipv4.ip_forward配置项的值，如果为1，可跳过此步骤。

      sysctl -p | grep net.ipv4.ip_forward

      如果net.ipv4.ip_forward配置项的值不为1，执行以下命令配置IP转发。

      sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf 
      sysctl -p | grep net.ipv4.ip_forward

3. 获取基础镜像。建议使用官方提供的镜像部署推理服务。镜像地址{image_url}参见表1。

   docker pull {image_url}

4. 启动容器镜像。启动前请先按照参数说明修改${}中的参数。可以根据实际需要增加修改参数。

   docker run -itd \
   --name sdxl-diffusers \
   -v /sys/fs/cgroup:/sys/fs/cgroup:ro \
   -p 8443:8443 \
   -v /etc/localtime:/etc/localtime \
   -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
   -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
   --shm-size 60g \
   --device=/dev/davinci_manager \
   --device=/dev/hisi_hdc \
   --device=/dev/devmm_svm \
   --device=/dev/davinci3 \
   --network=bridge \
   ${image_name} bash

   参数说明：

   • --name ${container_name} 容器名称，进入容器时会用到，此处可以自己定义一个容器名称，例如sdxl-diffusers。
   • --device=/dev/davinci3：挂载主机的/dev/davinci3到容器的/dev/davinci3。可以使用npu-smi info查看空闲卡号，修改davinci后数字可以更改挂载卡。
   • ${image_name} 代表 ${image_name}。
5. 进入容器。需要将${container_name}替换为实际的容器名称，例如：sdxl-diffusers。

   docker exec -it ${container_name} bash

步骤二 安装依赖和模型包

1. 安装Diffusers相关依赖。

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple diffusers bottle invisible_watermark transformers accelerate safetensors

2. 获取SDXL模型包到/home/ma-user目录下。

   export HF_ENDPOINT=https://hf-mirror.com
   huggingface-cli download --resume-download stabilityai/stable-diffusion-xl-base-1.0 --local-dir stable-diffusion-xl-base-1.0

3. 安装插件代码包。
   将获取到的插件代码包AscendCloud-AIGC-6.3.908-xxx.zip文件上传到容器的/home/ma-user目录下，并解压。

   cd /home/ma-user
   unzip AscendCloud-AIGC-6.3.908-*.zip #解压

步骤三 运行并验证SDXL模型

1. 首先在容器中运行命令。

   source /usr/local/Ascend/ascend-toolkit/set_env.sh

2. 进入/home/ma-user/AscendCloud-AIGC-6.3.908-xxx/aigc_inference/torch_npu/diffusers/0_21_2/ascend_diffusers，查看README.md文件，根据README.md文件里的指引启动单卡推理脚本。

   cd /home/ma-user/AscendCloud-AIGC-6.3.908-xxx/aigc_inference/torch_npu/diffusers/0_21_2/ascend_diffusers
   cat README.md
   python examples/sd_inference_example.py --sdxl --model_id stabilityai/stable-diffusion-xl-base-1.0 --prompt 'a dog' --num_inference_steps 50 --width 512 768 1024 --height 512 768 1024 --dynamo --dynamic

   会首先下载模型文件到/home/ma-user/.cache目录下，然后启动推理步骤。

   图1 启动脚本
   

   运行结束后，可以看到当前目录下生成了对应尺寸的图像。

   图2 推理生成的图像
   

步骤四 Diffusers使能多实例共享权重功能

1. 进入AIGC插件解压路径，安装昇腾云torch插件。

   pip install AscendCloud-Pytorch-Plugin/ascendcloud_torch_plugin-2.1-cp39-cp39-linux_aarch64.whl # 请根据python版本安装对应的whl包

2. 启动两个终端，并在每个终端均设置下述环境变量。

   export MASTER_ADDR=127.0.0.1
   export MASTER_PORT=29001
   export RANK=x    # x等于终端的编号，如开启2个终端，x在两个终端中依次设置为0，1
   export WORLD_SIZE=2 # WORLD_SIZE大小等于开启的实例个数
   export ENABLE_SHARE_MEMORY=1    # 开启共享显存功能

3. 在两个终端分别执行以下命令，该脚本可以确保diffusers框架能够按序加载模型。

   cd aigc_inference/torch_npu/diffusers/0_21_2/ascend_diffusers/examples
   python modify_pipeline_to.py

4. 在两个终端分别执行diffusers推理脚本，可参考如下脚本：

   # sdxl参考脚本
   from diffusers import DiffusionPipeline, AutoencoderKL
   import torch
   import torch_npu
   from torch_npu.contrib import transfer_to_npu
   import torch.distributed as dist
   import ascendcloud_torch_plugin # 昇腾云torch插件，需要放在加载torch_npu后面
   
   vae = AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=torch.float16) # sdxl场景需要用支持fp16的vae模型，否则可能出现黑图现象
   pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0", vae=vae, torch_dtype=torch.float16, use_safetensors=True, variant="fp16")
   pipe.to("cuda")
   
   pipe.vae.config.force_upcast = False # 共享权重不支持在推理过程中改变权重dtype
   
   prompt = "An astronaut riding a green horse"
   
   image = pipe(prompt=prompt).images[0]
   rank = dist.get_rank()
   image.save(f"astronaut_rides_horse_{rank}.png")

5. 观察两个实例的显存占用情况，若其中一个实例相比另外一个实例占用更少的显存，且少占用的显存大小等于权重的大小，表明多实例共享权重功能成功开启。
6. 若不需要使用共享显存功能时，请通过以下命令关闭共享显存功能，避免无法正常运行非共享显存的推理场景。

   unset ENABLE_SHARE_MEMORY