本文章转载自英特尔员工2023年2月3日的帖子:
【资料图】
[https://medium.com/intel-analytics-software/stable-diffusion-with-intel-arc-gpus-f2986bba8365]
参考文档：
https://intel.github.io/intel-extension-for-pytorch/xpu/latest/tutorials/installation.html
https://github.com/intel/intel-extension-for-pytorch
“The Intel Extension for PyTorch”项目（ipex）通过在PyTorch官方注册的“device = xpu”设备为英特尔独立 GPU 提供深度学习加速。
这允许用户在Ubuntu平台，或者在WIndows10 21H2/Win11平台依托WSL2或者Docker for windows，来配置显卡加速pytorch训练和推理。
（和AMD显卡的ROCm相比，后者只能运行在ubuntu等Linux系统上，但是仍然可以使用device = cuda设备代码，无须修改源代码，更加友好）
Docker Desktop有点类似于windows平台的虚拟机包和镜像管理系统，它基于WSL2开发，因此和WSL2一样具有VScode远程开发等功能。通过拉取Docker Hub提供的官方镜像可以简化环境依赖安装，非常方便。
本文将会使用Intel Arc A770 独显运行一个最基础的Stable Diffusion AI text-image模型。
步骤
环境依赖
首先要保证安装了正确的Arc显卡驱动（参见官方文档的安装说明）
确认系统已升级到Win11 或最新的Win10，以获得完整的WSL2功能。
安装基于WSL2的 windows Docker
首先要启用WSL2功能，这部分不是重点，网上教学非常丰富。注意这一步和安卓模拟器冲突，只能选一个
wsl -l -v
确认WSL2正常启用后，在Docker官网安装客户端并重启，确认windows Docker启动成功，需要对Docker的操作有一定了解。
（如果不想用Docker的话，可以参考官方文档，在wsl2 ubuntu或Ubuntu物理机下手动安装ipex及其依赖环境，道理都是一样的）
拉取官方ipex镜像
官方提供的ipex镜像可以通过 [hub.docker.com/r/intel/intel-extension-for-pytorch/tags] 访问，Arc独显用户理论上应该使用gpu这个镜像，但也可以试试latest。镜像中已经包含了OneAPI Toolkit等环境依赖，比较方便。在启动Docker容器之前，先把SD离线模型下载下来！
mkdir c:\data
cd c:\data
git lfs install
git clone https://huggingface.co/runwayml/stable-diffusion-v1-5
（具体路径请自行修改）
运行官方镜像启动一个容器（注意这里原作者留了一个端口给Jupter Notebook开发，但我更喜欢用VScode，功能非常强大。用户可以自行决定哪一个更适合）
docker run -it --rm
--device /dev/dxg
-v /usr/lib/wsl:/usr/lib/wsl
-v c:\data:/data
-p 9999:9999
intel/intel-extension-for-pytorch:gpu
通过python命令行检查docker是否连接到A770显卡。并通过声明的9999端口启动Jupyter Notebook远程连接
python -c "import torch;import intel_extension_for_pytorch as ipex;print(ipex.xpu.get_device_name(0))"
cd c:/data
pip install -q jupyter
jupyter notebook --allow-root --ip 0.0.0.0 --port 9999
这里应该能够正确识别显卡
用Arc A770 显卡运行Stable Diffusion text2image模型
用浏览器打开Jupyter给的URL来进行开发。运行SD模型。
# install Stable Diffusion for this notebook
%pip install -q diffusers transformers accelerate
import intel_extension_for_pytorch as ipex
import torch
from diffusers import StableDiffusionPipeline
# check Intel GPU
print(ipex.xpu.get_device_name(0))
# load the Stable Diffusion model
pipe = StableDiffusionPipeline.from_pretrained("./stable-diffusion-v1-5",
revision="fp16",
torch_dtype=torch.float16)
# move the model to Intel Arc GPU
pipe = pipe.to("xpu")
# model is ready for submitting queries
pipe("an astronaut riding a horse on mars").images[0]
# run another query
pipe("cat sitting on a park bench").images[0]
可以成功得到结果，收工
同样，用户可以通过这个项目在WSL2 和 Intel Arc GPU 上运行任何其他的 PyTorch 模型，并且通过官方提供的ipex.optimize函数对运行速度进行优化。
目前大部分AI绘画的前端脚本都是基于CUDA进行编写，因此兼容ipex xpu接口的webui仍有待开发。
关键词：webui novelai ai绘图 ai绘画 英特尔显卡