Stable Diffusion AMD加速方法-ZLUDA重出江湖

       目前几大开源的Stable Diffusion平台，更新速度都慢了，一个是没有太多新技术出现，新出的基础模型也都不完整开源了（API调用），能整的功能，也都整得差不多了。然后一群AMD死忠还在等着有一个能有一天小三上位；毕竟现在还被CUDA压得妥妥的。

       目前在AMD在Stable Diffusion加速方法主要有四种：

       a. 最常用的DirectML, 比较经典的方法，是Microsoft的DirectX 12的库之一，与Microsoft的DirectX架构概念一至，就是在驱动与应用层间加一层，用来避免不同硬件与应用之间的兼容性。实际性能跑下来，在directML方法下，只能发挥AMD显卡的1/3性能。

       b. ONNX Runtime, ONNX的方法是，先用AMD架构优势，去算出一个AMD显卡的特有模型，然后对基进行标准封装，使用其它支持ONNX的平台也能用这个模型进行推理。速度是快的，但模型需要在当前的显卡上进行预生成，而且在使用上有很多限制，不如通用的基础模型方便。

       c. ONNX Olive, 这是Microsoft也发现了DirectML的天生架构不能满足AMD在AI应用后，为AMD专门推出了基于ONNX的AMD优化版本。速度也是快的，缺点与ONNX Runtime一样。

       d. 三个月前ZLUDA重出江湖。ZLUDA的作者，最初是与Intel合作的，在Intel显卡上做了一个接口，可以直接让Nvidia的CUDA应用调用Intel显卡资源，实际性况是效果不错，但Intel这么牛X的企业，怎么可能寄人篱下，本着做大做强的原则，Intel做了OpenV