轻薄本如何玩转AI绘画？整合包与安装教程：Stable Diffusion WebUI OpenVINO加速方案
APP宣发
的全称是“Open and ”（开放式视觉推理和神经网络优化），是由英特尔公司开发的一个免费工具包，有助于从框架优化深度学习模型，并使用推理引擎将其部署到英特尔硬件上。
它常被开发者使用，用于快速开发应用程序和解决方案，以解决各种与AI深度学习相关的任务（包括人类视觉模拟、自动语音识别、自然语言处理和推荐系统等），可扩展跨英特尔® 硬件的计算机视觉和非视觉工作负载，从而最大限度地提高性能。
这个工具套件有两个版本： 工具套件（由开源社区支持）和 Intel of 工具套件（由 Intel 支持）。该工具包是跨平台的，并且可以在 2.0 版本下免费使用，支持在英特尔平台上采用一次写入、随处部署的方法进行深度学习部署，包括CPU、集成GPU、英特尔 VPU和FPGA。
来源： & ™ 工具套件概述的官方文档
在AI绘图方面，大家应用最为广泛的由开发的 WebUI，现在就可以通过英特尔® 分发的 ™ 工具套件在英特尔 CPU 和 GPU（集成显卡和独立显卡）等硬件上加速运行，相较于以往只能依靠CPU出图的效率有非常大的提升。
这篇专栏里介绍的方案，便是旨在为使用英特尔硬件（尤其是使用搭载英特尔处理器的轻薄本）的用户，提供更高效的部署、应用方式。
的 WebUI 分支
适用范围
使用英特尔（Intel）处理器且不含独立显卡的笔记本/台式机用户是加速的最大受益者。如果处理器搭载了高性能的集成显卡（如Xe锐炬核显），加速效果会更为明显。
轻薄本用户请出列！
根据实际上机测试的结果——
在移动端：使用加速后的i5-（+Iris Xe核显）上，最快仅需24秒左右就可以完成一张512*512像素的图片绘制。作为对比，加速前使用纯CPU绘制需要花费约112秒。
在桌面端：使用加速后的i9-上，最快仅需32.5秒。作为对比，加速前使用纯CPU绘制需要花费约100秒。
然而，目前阶段（2023年11月）的加速仍具有一定的局限性，例如需要独立调用脚本、单独编译模型时间较长，以及无法兼容LoRA、等对U-Net进行操作的扩展。
除了这些以外，WebUI的大部分功能，如基本的文/图生图，后期处理，提示词语法等都是可以使用的。插件兼容性方面暂未做过多测试。
（如果没了LoRA和就没有跑图的动力了，那就再等等吧！）
如果你使用的是Intel的独立显卡（如ARC锐炫独立显卡），可以使用IPEX（Intel for ）提供的另一套方案进行加速。目前，已有开发者针对这一套方案制作了使用体验非常完善的本地整合包，可以查看Up主@的这一期视频：
想要使用加速AI绘图，你需要在你的电脑上完整安装“版”的 WebUI，并在进行文生图、图生图时，调用脚本中的“ with ”。下面是详细的操作步骤：
整合包
如果你是一位对AI绘画了解不多的个人用户，推荐使用整合包在Intel设备上运行 WebUI。
这里，感谢@英特尔中国 的工程师提供的WebUI封装应用程序。你可以通过下面的链接下载一个包含.exe文件的安装程序。
提取码：0tld
除了 ，还有一个大语言模型的包，感兴趣的朋友也可以下来玩玩
完成以后，双击 .exe 进行安装。选择一个空间较大的盘符进行安装即可。
安装完毕后，桌面上会出现一个快捷方式，打开即可运行程序。完成加载以后，点击“立即交互”，即可进入WebUI界面。
开启加速脚本
使用WebUI即可正常出图作画。然而，此时WebUI仍是在使用纯CPU进行计算（CPU：我顶不住啦！），和正常WebUI并无太大区别。
如果想要通过释放它的潜力，你需要在文生图/图生图界面的最下方，开启“通过加速”的脚本——
开启脚本后，会出现如下所示的一系列选项。
选择一个模型参数（）。一般基于SD1.5的微调模型选择V1-.yaml，图生图重绘则选择V1–.yaml。
选择加速设备。如CPU带有核显（比如Iris Xe），优先选择用GPU加速；如CPU无核显（比如后缀为KF的处理器），则选择用CPU加速。
下方两个复选框建议全部勾选。下面的一系列采样方式是经过验证较适合的，在其中选择的采样方式会覆盖WebUI里的参数选项。
上：覆盖主UI中的采样选择（建议使用以下采样方法，因为只验证了以下采样方法）
下：将编译后的模型缓存到磁盘上，以便在随后的启动中更快地加载模型（推荐）
设置完毕后，点击生成即可。
真 · CPU加速
一些注意事项
使用脚本加速时，它会将你在WebUI里设置的大模型进行一次“编译”来获取最佳的运行性能。这个编译会在第一次运行时进行，因此切换模型/采样方式后的第一次推理（或预热推理）会比随后的推理慢。
（根据实测，第一次编译一般需要花2~3分钟）
为了精确的性能测量，建议排除这种较慢的第一次推断，因为它不能反映正常的运行时间。
（完成一次编译以后，后续只要不改变参数，跑图的速度都是正常水平）
当分辨率、批量大小、设备或采样器(如DPM++或)发生变化时，将重新编译模型。在重新编译之后，以后的推断将重用新编译的模型并实现更快的运行时间。因此，在设置更改后的第一个推理较慢是正常的，而随后的推理使用优化的编译模型并运行得更快。
另外（注意！），模型编译的缓存被保存在根目录下的cache文件夹内。长期使用会产生非常大的存储空间占用，推荐定期清理。
太大了……
代码部署
如果你有较为熟练的自主安装部署经验与一定的代码基础，可以参考官方的Intel设备部署流程，在/Linux上部署加速的WebUI分支。
原项目地址：
1111 Intel芯片部署流程：
原安装文档
我对相关页面做了一个完整翻译，因包含较多的格式不方便在专栏里呈现，感兴趣的朋友可以参阅：
中文版文档
通过代码部署后，同样需要开启加速脚本，具体操作和上方讲解一致。
