混元-DiT TensorRT 加速
语言: English | 中文
我们提供了将 混元-DiT 中的文生图模型转换为 TensorRT 的代码和相关依赖用于推理加速 (比 Flash Attention 更快). 您可以使用以下步骤使用我们 TensorRT 模型, 基于 TensorRT-9.2.0.5 和 cuda (11.7 或 11.8).
⚠️ 重要提醒 (关于TensorRT加速版本测试的建议):
我们建议用户在 Compute Capability>=8.0 的 NVIDIA 显卡上测试 TensorRT 版本, (例如, RTX4090, RTX3090, H800, A10/A100/A800 等) 您可以从这里查询到您显卡对应的 Compute Capability。 对于 Compute Capability<8.0 的 NVIDIA 显卡，如果您要尝试 TensorRT 版本，有可能遭遇 TensorRT Engine 文件无法生成的错误或推理性能较差 的问题，主要原因在于 TensorRT 没有在该架构上支持 fused mha kernel。
🛠 构建步骤
1. 从 Huggingface 下载 TensorRT 的依赖文件
cd HunyuanDiT
# Download the dependencies
huggingface-cli download Tencent-Hunyuan/TensorRT-libs --local-dir ./ckpts/t2i/model_trt
2. 安装 TensorRT 依赖
sh trt/install.sh
3. 构建 TensorRT engine
方法1: 使用预构建的 engine
本仓库提供了一些预构建的 TensorRT engine.
| 支持的 GPU | 文件链接 | 远程地址 |
|---|---|---|
| GeForce RTX 3090 | HuggingFace | engines/RTX3090/model_onnx.plan |
| GeForce RTX 4090 | HuggingFace | engines/RTX4090/model_onnx.plan |
| A100 | HuggingFace | engines/A100/model_onnx.plan |
可以使用以下命令下载并放置在指定的位置
huggingface-cli download Tencent-Hunyuan/TensorRT-engine <远程地址> --local-dir ./ckpts/t2i/model_trt/engine
方法2: 自行构建 engine
如果您使用不同于上面表格中的 GPU, 可以使用以下命令构建适配于当前 GPU 的 engine.
# 首先设置 TensorRT 构建相关的环境变量，我们提供了一个脚本来一键设置
source trt/activate.sh
# 构建 TensorRT engine. 默认会读取当前目录下的 ckpts 文件夹
sh trt/build_engine.sh
4. 使用 TensorRT 模型进行推理.
# 使用 prompt 强化 + 文生图 TensorRT 模型进行推理
python sample_t2i.py --prompt "渔舟唱晚" --infer-mode trt
# 关闭 prompt 强化 (可以在显存不足时使用)
python sample_t2i.py --prompt "渔舟唱晚" --infer-mode trt --no-enhance
❓ Q&A
参考 Q&A 获取更多关于构建 TensorRT Engine 的问题解答.