【个人开源】——从零开始在高通手机上部署sd（一）

代码:https://github.com/chenjun2hao/qualcomm.sd

从零基础开始，在自己的高通手机(骁龙8 gen1+)上用NPU跑文生图stable diffusion模型。包含：

高通qnn下载安装
sd模型浮点/量化导出
在高通手机上用cpu跑浮点模型，htp跑量化模型

1. python依赖安装

主要对齐transformers, diffusers的版本，其他参考requirements.txt

复制代码

pip install transformers==4.40.0 diffusers==0.32.2

2. python浮点模型测试

bash 复制代码

# 1.下载sd 模型
git clone https://hf-mirror.com/segmind/portrait-finetuned

# 2.通过diffuser的pipe测试模型
cd $PROJECT_HOME
python sd_portrait_diffpip.py

# 3.通过自己实现的pipe测试模型
python sd_portrait_ownpip.py

结果可视化：

3. 导出浮点模型/x64 cpu模拟推理/高通cpu推理

高通libQnnCpu.so好像只支持浮点模型，不支持量化模型（可能后续的硬件，会支持）。

3.1 高通qnn安装

coming soon ...

3.2 导出浮点模型

复制代码

cd $PROJECT_HOME
python export_model.py --export_quant_model false

导出的模型在qnn_models/xxx下. eg: qnn_models/text_encoder_float/x86_64-linux-clang/libtext_encoder.so是x64上模拟推理时需要的模型。qnn_models/text_encoder_float/aarch64-android/libtext_encoder.so是push到android手机上使用的模型

3.3 x64 cpu模拟推理

参考项目readme运行:qualcomm.ai

3.4 高通cpu推理

将所有依赖的东西push到android手机上。参考项目readme运行:qualcomm.ai

4. 导出量化模型/高通htp推理

4.1 生成量化用数据

bash 复制代码

cd $PROJECT_HOME
python make_calibration_data.py

4.2 导出量化模型

4.3 x64模拟htp推理

高通在x64平台上，有模拟HTP硬件执行的软件库，但是sd模型运行太慢了。

4.4 高通HTP推理

将所有依赖的东西push到android手机上。参考项目readme运行:qualcomm.ai

5. reference

StableDiffusionOnDevice