admin Stable Diffusion webui TensorRT插件安装
1、安装Build Tools for Visual Studio 2023 ，勾选 使用C++的桌面开发 其他保持默认即可
https://aka.ms/vs/17/release/vs_BuildTools.exe
2、下载并安装CUDA Tookit 11.8，保持默认设置即可
https://developer.nvidia.com/cuda-toolkit-archive
3、下载TensorRT 8.6压缩包，跟cuda版本保持对应关系就行
https://developer.nvidia.com/nvidia-tensorrt-8x-download
是11.8的CUDA就选择上面那个4、在stable diffusion webui中安装stable-diffusion-webui-tensorrt插件，插件安装完后直接关闭stable diffusion webui即可
插件地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui-tensorrt
5、将TensorRT-8.6.1.6文件夹解压至stable-diffusion-webui-tensorrt插件目录，
确保TensorRT-8.6.1.6文件夹下一级就是bin等文件夹
确保TensorRT-8.6.1.6目录下就是bin等文件夹6、切换stable diffusion webui分支为dev，目前仅在dev分支支持该插件
在stable diffusion webui 根目录打开cmd ，输入命令：
git checkout dev
git pull
确保是在根目录，确保执行了git pull更新到最新的代码如果后面需要切换回稳定的 master 分支，输入
git checkout master
7、启动stable diffusion webui ，不要使用python webui.py 启动，这样不会自动安装依赖的文件 。启动后能看到TensorRT标签页说明安装成功了
如果看到出现pycuda 模块缺少 就使用python launch.py启动就行
如果看到是缺少sd_unet说明是没有使用dev分支，或者dev分支没有更新，执行6步的命令就行
使用教程
automatic1111的使用说明机翻，作者的说明其实已经够用了1、转换模型为ONNX格式
默认留空就是选择你当前选择的模型，点击Convert Unet to ONNX 就会开始转换了，大约1分钟
强烈建议打开任务管理器看着，因为整个流程没有进度条，看着任务管理器你才知道他确实没有卡死
转换完成后的文件会在 stable-diffusion-webuimodelsUnet-onnx 文件夹内
大小大概1.6G2、转换ONNX模型为TensorRT格式
切换到Convert ONNX to TensorRT 标签页
Onnx model filename 输入刚才转换好的文件地址，例如：
D:stable-diffusion-webuimodelsUnet-onnxcetusMix_v4.onnx
剩下的参数是转换后所支持的图片生成参数，比如 Maximum width 和 Maximum height 指定了图片最大尺寸，后面使用时如果你要生成512x768的长图就会报错
* Maximum prompt token count 这个参数目前似乎没有用，最大还是只支持75 tokens
* 目前分辨率最大仅支持768*768
Convert ONNX to TensorRT 点击就会开始进行转换，根据参数的不同时间不同，会很久
我的机器上 512x512 跑了6分钟，768x768 跑了18分钟
Show command for conversion 会在右边生成命令，可以在关闭stable diffusion webui后在命令行窗口执行，节省显存
转换完成后会在 stable-diffusion-webuimodelsUnet-trt 文件夹下看见.trt格式的文件
3、启用TensorRT模型
前往 setting 选项卡 stable diffsuion -> SD-UNET 选择转换后的文件或者 Automatic (右上角模型选择和tensorRT模型文件名相同时就自动启用），记得点击Apply Settings 保存
如果没有就点右边的刷新按钮刷新下之后生成的图片就是使用TensorRT加速的了
安装成功的话，第一次生成图片是应该会看到加速效果确实挺明显，大概1.4倍左右的速度提升
目前问题还很多，分辨率太小，不支持controlnel ，不支持长tokens，转换时间过长(观察任务管理器似乎是单线程?)
